[发明专利]一种配电网异常数据监测方法及装置

权利要求书

1.一种配电网异常数据监测方法，其特征在于包括如下步骤：

采集配电网监控数据并将采集到的数据放入待检测队列；

对待检测队列中的数据进行处理输出异常数据；

对异常数据进行辨识验证输出告警数据。

2.根据权利要求1所述的一种配电网异常数据监测方法，其特征在于所述的采集配电网监控数据并将采集到的数据放入待检测队列的步骤包括：

采集配电网监控数据；

按照监控数据类型的不同生成数据列；

将生成的数据列按时间顺序放入待检测队列。

3.根据权利要求2所述的一种配电网异常数据监测方法，其特征在于所述的对待检测队列中的数据进行处理输出异常数据的步骤包括：

根据待检测队列中各数据列的排列顺序，分别以不同次序对所述待检测队列的数据进行至少两次滤波处理输出异常数据。

4.根据权利要求3所述的一种配电网异常数据监测方法，其特征在于所述的对异常数据进行辨识验证输出告警数据的步骤包括：

比较所述的异常数据相对其所属类型的判断值与异常数据所属类型的各时刻配电网监测数据上下限值；

若异常数据相对其所属类型的判断值介于异常数据所属类型的各时刻配电网监测数据上下限值之间，则判断该异常数据为正常数据，否则该异常数据为告警数据。

5.根据权利要求4所述的一种配电网异常数据监测方法，其特征在于该方法还包括：

将告警数据输入告警关联模型进行计算输出告警数据对应关联的故障位置；具体步骤包括：

根据告警数据的属性从模型库中调用并加载所对应的告警关联模型；

将告警数据进行量化处理后输入告警关联模型进行计算输出结果并计算可信度指标；

将输出的结果解析出告警数据对应关联的故障位置连通可信度指标输出显示。

6.根据权利要求5所述的一种配电网异常数据监测方法，其特征在于所述的根据告警数据的属性从模型库中调用并加载所对应的告警关联模型的步骤之前包括：

建立告警关联模型，具体步骤如下：

整理历史告警数据形成训练数据集；

对训练数据集进行量化处理形成训练样本集；

根据训练样本集中告警的类型和维数确定神经网络的结构和训练的参数；

训练样本集中的数据对确定后的神经网络进行学习训练并进行网络收敛验证有效后建立告警关联模型；

将建立后的告警关联模型存储到模型库同时将训练样本集存入样本库。

7.一种配电网异常数据监测装置，其特征在于包括数据采集模块、异常数据输出模块、告警数据输出模块；

数据采集模块，用于采集配电网监控数据并将采集到的数据放入待检测队列；

异常数据输出模块，用于对待检测队列中的数据进行处理输出异常数据；

告警数据输出模块，用于对异常数据进行辨识验证输出告警数据。

8.根据权利要求7所述的一种配电网异常数据监测装置，其特征在于该装置还包括关联故障位置输出模块，所述的关联故障位置输出模块，用于将告警数据输入告警关联模型进行计算输出告警数据对应关联的故障位置；

关联故障位置输出模块包括加载单元、处理单元和解析输出单元；

加载单元，用于根据告警数据的属性从模型库中调用并加载所对应的告警关联模型；

处理单元，用于将告警数据进行量化处理后输入告警关联模型进行计算输出结果并计算可信度指标；

解析输出单元，用于将输出的结果解析出告警数据对应关联的故障位置连通可信度指标输出显示。

9.根据权利要求8所述的一种配电网异常数据监测装置，其特征在于该装置还包括告警关联模型建立模块，所述的告警关联模型建立模块包括训练数据集形成单元、训练样本集形成单元、结构及参数确定单元和告警关联模型训练生成单元；

训练数据集形成单元，用于整理历史告警数据形成训练数据集；

训练样本集形成单元，用于对训练数据集进行量化处理形成训练样本集；

结构及参数确定单元，用于根据训练样本集中告警的类型和维数确定神经网络的结构和训练的参数；

告警关联模型训练生成单元，用于通过训练样本集中的数据对确定后的神经网络进行学习训练并进行网络收敛验证有效后建立告警关联模型。