[发明专利]一种智能配电房传感器多维数据融合异常事件检测方法、系统及计算机可读存储介质

说明书

本发明公开了一种智能配电房传感器多维数据融合异常事件检测方法、系统及计算机可读存储介质，方法包括：S1：获取配电房正常多维传感数据，建立正常样本数据库；S2：对正常样本数据库中的多维数据进行预处理，建立多维数据相关性特征模型；S3：将配电房实时运行数据预处理后输入至多维数据相关性特征模型，并对实时运行数据进行分析，判断实时运行数据是否异常，若数据异常则转至步骤S4，若数据正常，则结束当前检测流程，进行下一时刻数据的检测；S4：将异常数据与预设的异常事件库进行比较判断，若异常数据属于异常事件，则输出异常事件类型，若不属于则更新模型。本发明充分利用了多维数据的关联性，提高了数据的利用率和异常事件的检测效率。

技术领域

本发明涉及配电房智能检测技术领域，更具体地，涉及一种智能配电房传感器多维数据融合异常事件检测方法、系统及计算机可读存储介质。

背景技术

配电房在电网系统中不可或缺重要部分，同时配电房在电网中的分布广、数量大，增加了配电房的管理难度。人工巡检耗费时间长、效率低、工作量大。因此智能在线监测系统和巡检机器人已在配电房内得到了较多的研发和应用。但是在线监测系统收集获得的数据极少被有效利用，大量的多维监测数据只是形成相互不关联的数据，或只是简单的对测量数据设置正常工作上下限，对于多个传感器的多维数据间的相关信息极少被有效利用，对于配电房中的异常现象难以及时发现。

现有技术中，公开号为CN110690763A中国发明专利，于2021年1月14日公开了一种电力系统智能监控装置及其监控方法，该装置包含：信号采集前端、信号处理系统、中央主控制系统、数据存储单元、网络单元、电源管理单元；其中，所述信号采集前端包含：分体式局部放电传感器、环境湿度传感器、环境温度传感器。该方案虽然实现了对多种传感器数据的采集，但没有将获取的数据进行关联或融合，没能有效利用多维数据。

发明内容

本发明为克服上述现有的配电房检测没有对多维监测数据进行有效利用，没有实现多维数据的关联，数据利用率低、检测效率低的缺陷，提供一种智能配电房传感器多维数据融合异常事件检测方法、系统及计算机可读存储介质。

本发明的首要目的是为解决上述技术问题，本发明的技术方案如下：

本发明第一方面提供了一种智能配电房传感器多维数据融合异常事件检测方法，包括以下步骤：

S1：获取配电房正常多维传感数据，建立正常样本数据库；

S2：对所述正常样本数据库中的多维数据进行预处理，建立多维数据相关性特征模型；

S3：将配电房实时运行数据预处理后输入至所述的多维数据相关性特征模型，并对实时运行数据进行分析，判断实时运行数据是否异常，若实时运行数据异常则转至步骤S4，若实时运行数据正常，则结束当前检测流程，进行下一时刻数据的检测；

S4：将异常数据与预设的异常事件库进行比较判断，若异常数据属于异常事件，则输出判定的异常事件类型，若异常数据不属于异常事件则更新多维数据相关性特征模型。

进一步地，步骤S2所述的多维数据相关性特征模型的构建过程为：

将多维数据划定固定时间窗口长度L，计算每个时间窗口长度L内多维变量间的相关性系数；

利用计算得到的相关性系数建立相关系数矩阵，并确定正常数据时各相关系数阈值；

根据相关系数矩阵和所述相关系数阈值建立多维数据相关性特征模型。

进一步地，所述相关系数为pearson相关系数。

进一步地，步骤S3所述的对实时运行数据进行分析，判断实时运行数据是否异常具体为：

将实时运行数据采用滑动时间窗口方法依次计算该窗口内多维数据的相关系数；