[发明专利]一种基于多站融合的故障数据诊断算法

说明书

本发明公开了一种基于多站融合的故障数据诊断算法，包括：提出了基于多站融合的分层数据采集架构；在边缘层对采集到的数据进行预处理；在数据中心层对预处理后的数据使用非线性动态学习因子的粒子群优化算法进行故障诊断。本发明通过提出的分层数据采集架构，实现了适用于多站融合场景下的数据高效采集诊断。通过在边缘层对采集的数据进行预处理，实现对数据的甄别与重构，保障数据在采集与传输过程中的完整性。在数据中心层使用非线性动态学习因子的粒子群优化算法进行故障诊断充分保障了电网数据的安全，降低了事故风险。

技术领域

本发明涉及数据诊断领域，尤其涉及一种基于多站融合的故障数据诊断算法。

背景技术

近年来，伴随能源加快向清洁低碳方向转型和信息化产业快速发展，在城市区域内，电动汽车、5G通信、数据中心、分布式发电、储能等蓬勃发展，对土地资源及变配电资源的需求量快速增长，多站融合理念越来越多的被应用，然而由于电站数据采集不规范，此外多站融合场景下的各个站点分布较为分散，造成多站融合场景的数据采集，管理和监控无法得到保障。因此，考虑采用大数据、边缘计算等先进技术，实现对多站融合场景下生产的运行数据的高效采集和处理很有必要。

发明内容

本发明的目的在于提出一种基于多站融合的故障数据诊断算法，通过提出的分层数据采集架构，实现了适用于多站融合场景下的数据高效采集诊断；通过在边缘层对采集的数据进行预处理，实现对数据的甄别与重构，保障数据在采集与传输过程中的完整性；在数据中心层使用非线性动态学习因子的粒子群优化算法进行故障诊断充分保障了电网数据的安全，降低了事故风险。

为了达到上述目的，本发明通过以下技术方案实现：

一种基于多站融合的故障数据诊断算法，采用基于多站融合的分层数据采集架构，在边缘层对采集到的数据进行预处理，在数据中心层对预处理后的数据使用非线性动态学习因子的粒子群优化算法进行故障诊断。

优选地，基于多站融合的分层数据采集架构，包括设备层、边缘层、数据传输层、数据中心、系统平台层、决策层；

所述设备层通过能源路由器对站内设备进行数据采集；

所述边缘层根据设备层采集到的各系统运行数据，对数据进行初步的处理，接着按照规定的数据传输规范定期将采集数据的全量或增量上传至数据中心。

所述数据传输层用于将边缘层数据根据电网数据种类、类型的不同，按照不同的传输方式传输至数据中心，传输方式包括但不限于电网专线传输、无线专网传输；

所述数据中心对接收到的数据进行二次加工，同时基于非线性动态学习因子的粒子群优化算法对数据进行故障诊断，保障了电网数据的安全，降低了事故风险，并且其具备数据存储功能，对上传的数据和处理后的结果数据进行暂存和永久存储，以满足电网实时查看和临时备份的需求；

所述系统平台层以多站融合为业务场景根据数据中心处理的数据监控电网，用于支撑上层应用；

所述决策层开展生产操作类、运营管理类和分析决策类应用，以智能手机、平板电脑、Web页面等方式进行应用展现。

优选地，在边缘层对采集到的数据进行预处理，具体是对采集到的数据进行数据补全；

定义表示具有缺失数据的原始序列数据，其中T为X本来应该包含的数据个数，T’为缺失数据，Y为X中缺失数据对应的下标集

定义数据的缺失程度D，其公式如下：

其中L_max表示数据X中最长连续缺失数据段的长度，与阈值MaxV比较，如果大于阈值MaxV，则X为严重缺失数据，即D＝1，否则X为少量缺失数据，即D＝0；