一种强送操作数据优化处理方法、系统、设备及介质与流程

摘要: 本发明涉及电力系统数据处理与智能分析,尤其涉及一种强送操作数据优化处理方法、系统、设备及介质。背景技术:1、在电力系统故障处置中,强送操作是指电网故障跳闸后,运...
一种强送操作数据优化处理方法、系统、设备及介质与流程

本发明涉及电力系统数据处理与智能分析,尤其涉及一种强送操作数据优化处理方法、系统、设备及介质。

背景技术:

1、在电力系统故障处置中,强送操作是指电网故障跳闸后,运行人员为快速恢复供电或进一步判别故障性质而对已跳闸设备进行试送电的操作,其决策的正确性与及时性直接关系到电网安全稳定运行和供电可靠性。强送决策需同步获取电网实时运行数据、设备状态监测数据、保护动作信息、故障录波数据、气象环境数据以及历史案例数据等多种数据源,上述数据在传输协议、数据格式、采样频率及时空参考系等方面存在显著差异,传统方法通常采用串行方式依次获取各源数据,在数据接入层面即面临效率瓶颈。同时,各数据源独立运行,其时间同步精度和空间定位方式各不相同,这种时空参考系的不一致导致数据在融合分析前须经历复杂的对齐处理,进一步增加了预处理开销。在特征提取方面,现有数据处理方法多采用单一维度分析或简单数据拼接,倾向于对各数据源分别进行独立处理后再汇总结果,割裂了时间演变、空间传播、电气逻辑与设备状态之间的内在联系,未能充分挖掘数据间深层次的时空关联与耦合关系,导致特征表达能力有限,难以全面刻画强送操作场景下的复杂物理过程。

2、此外,由于数据量大、维度高、处理流程串行化,传统方法从多源数据采集到生成可用特征通常耗时较长,难以满足电力系统故障紧急处置对秒级响应的实际需求。针对特定场景设计的处理流程也难以适应不同电压等级、不同故障类型、不同电网结构下的强送数据分析需求,当场景发生变化时,往往需要重新设计处理流程或人工调整参数,缺乏自适应能力。

技术实现思路

1、鉴于上述现有存在的问题,提出了本发明。

2、因此,本发明提供一种强送操作数据优化处理方法、系统、设备及介质,解决现有强送操作数据处理方式因多源数据时空不统一、关联分析能力不足,导致处理效率低、特征表征能力弱且难以适应不同应用场景的问题。

3、为解决上述技术问题,本发明提供如下技术方案:

4、第一方面,本发明提供了一种强送操作数据优化处理方法,包括:

5、获取多源异构数据并对齐至统一时空参考系,生成第一标准化数据流;

6、构建多维矩阵框架模型,将所述第一标准化数据流中各数据值填充至所述多维矩阵框架模型对应的坐标节点,形成第一矩阵数据块;

7、对所述第一矩阵数据块执行分层解析操作,提取时间层特征张量、空间层特征张量、电气层特征张量和逻辑层特征张量,利用预设的融合系数集合对提取的特征张量执行融合运算,生成第一目标特征数据;

8、将所述第一目标特征数据转换为待压缩张量结构并执行分解运算,根据运算结果选定数据拆解策略,按照所述数据拆解策略将所述待压缩张量结构拆解为多个低维核心因子,对所述低维核心因子执行量化与稀疏编码操作,得到最终优化数据包。

9、作为本发明所述的一种强送操作数据优化处理方法的一种优选方案,其中:所述生成第一标准化数据流包括:

10、获取所述多源异构数据对应的原始时间戳,将所述原始时间戳与预设的时间基准协议进行比对,确定时间偏差值,根据所述时间偏差值对数据记录执行时间轴平移对齐;

11、提取所述多源异构数据中包含的设备编号,根据电网拓扑位置信息确定所述设备编号对应的物理地理位置,将所述多源异构数据映射至所述物理地理位置对应的空间节点,生成具有统一时空标签的第一标准化数据流。

12、作为本发明所述的一种强送操作数据优化处理方法的一种优选方案,其中:所述形成第一矩阵数据块包括:

13、根据强送任务范围与接入数据源类型,动态确定多维矩阵框架模型各维度的坐标轴集合;

14、遍历所述第一标准化数据流中的每一条数据记录,并将所述第一标准化数据流中各数据值填充至所述多维矩阵框架模型对应的坐标节点;

15、对同一坐标节点出现多个数值的情况,按数据源优先级选取主值并记录偏差;

16、对填充后的多维矩阵执行逐坐标扫描,对空缺坐标,根据缺失比例分别采用插值、邻近估算或标记不可用的方式处理;

17、对经过缺失处理后的各坐标节点的数值执行无量纲化变换,输出第一矩阵数据块。

18、作为本发明所述的一种强送操作数据优化处理方法的一种优选方案,其中:所述生成第一目标特征数据包括:

19、对所述第一矩阵数据块沿时间轴执行滑动窗口截取,在各时间窗口内提取数值变化率、频谱分量和统计量,拼接后形成时间层特征张量;对所述第一矩阵数据块沿设备维度以故障设备为中心逐层扩展拓扑邻域,计算各层级电气量分布和层间衰减,形成空间层特征张量;

20、对所述第一矩阵数据块沿电气量维度按物理属性分组,分析组内比例关系、相位差异和故障前后变化,形成电气层特征张量;对所述第一矩阵数据块沿状态维度解析保护动作时序、设备状态转移路径和定值裕度,形成逻辑层特征张量;

21、将所述时间层特征张量、空间层特征张量、电气层特征张量和逻辑层特征张量沿各自维度进行交叉关联计算,生成跨层耦合特征;

22、利用预设的融合系数集合,对提取的特征张量和所述跨层耦合特征进行加权融合,得到融合特征向量,计算所述融合特征向量中各特征维度与预设强送结果标签之间的关联度;

23、保留所述关联度高于预设阈值的特征维度作为有效特征,对保留的有效特征集执行主成分变换并选取累计贡献率达到预设要求的主成分作为最终特征集,将标准化后的最终特征集的特征向量与对应的元数据信息打包输出,生成第一目标特征数据。

24、作为本发明所述的一种强送操作数据优化处理方法的一种优选方案,其中:所述将所述第一目标特征数据转换为待压缩张量结构并执行分解运算,根据运算结果选定数据拆解策略,按照所述数据拆解策略将所述待压缩张量结构拆解为多个低维核心因子,包括:

25、将所述第一目标特征数据中的标准化特征张量转换为标准张量格式并与元数据绑定,得到待压缩张量结构;

26、分析所述待压缩张量结构的维度分布特性,根据维度规模均衡指标与阶数区间的组合判定结果,从预设的多种拆解策略中选定一种作为当前待压缩张量的数据拆解策略;

27、根据所述数据拆解策略的类型,分别执行单参数遍历优选、多维度独立秩确定或逐维链式截断,以确定最优秩参数;

28、根据所述数据拆解策略和所述最优秩参数对所述待压缩张量结构执行拆解运算,得到多个低维核心因子。

29、作为本发明所述的一种强送操作数据优化处理方法的一种优选方案,其中:所述对所述低维核心因子执行量化与稀疏编码操作,得到最终优化数据包,包括:

30、对所述多个低维核心因子分别执行数值分布统计,根据各类因子的精度敏感度确定量化比特数和区间划分方式;

31、依据所述量化比特数将各类低维核心因子中各元素的连续数值映射至离散量化区间,以各元素所属量化区间的索引值替代原始数值,完成从浮点数值到整型索引的转换;

32、对量化后的序列扫描连续相同索引值,编码为索引值与重复次数的二元组;对二元组进行频率统计并构造变长编码表,将各二元组替换为对应的变长码字,生成最终的编码数据流;

33、按照预设封装格式,将策略标识、维度信息、量化参数和编码表写入包头,所述编码数据流写入包体,打包输出最终优化数据包。

34、作为本发明所述的一种强送操作数据优化处理方法的一种优选方案,其中:所述方法还包括实时增量更新与特征库构建:

35、通过事件订阅和周期轮询监听各数据源变更,解析变更数据的时间区间、设备集合和数据源类型,生成变更区域描述符;

36、根据所述变更区域描述符中的时间区间与当前多维矩阵覆盖的时间范围进行比对以判定变更类型,并仅对受影响的矩阵切片和相邻窗口执行局部特征重算,得到更新特征向量;

37、将所述更新特征向量与特征库中历史特征进行相似度比对,得到最大相似度值;

38、响应于所述最大相似度值低于预设相似度阈值,将当前更新特征向量作为新特征存入并初始化统计信息;响应于所述最大相似度值不低于预设相似度阈值,将当前更新特征向量标记为与匹配历史特征同类的非新特征;

39、对新存入的特征向量执行索引结构的增量插入操作以更新向量索引,当特征库中特征总数较上一次全量索引重建时的数量增长超过预设比例时,触发后台异步任务对特征库的全部特征向量执行全量索引重建;

40、定期对全库特征执行聚类分析,提取样本充足的簇中心作为通用模式,并统计元数据生成典型场景标签。

41、第二方面,本发明提供了一种强送操作数据优化处理系统,包括:

42、数据时空对齐模块,用于获取多源异构数据并对齐至统一时空参考系,生成第一标准化数据流;

43、多维矩阵构建模块,用于构建多维矩阵框架模型,将所述第一标准化数据流中各数据值填充至所述多维矩阵框架模型对应的坐标节点,形成第一矩阵数据块;

44、分层特征解析模块,用于对所述第一矩阵数据块执行分层解析操作,提取时间层特征张量、空间层特征张量、电气层特征张量和逻辑层特征张量,利用预设的融合系数集合对提取的特征张量执行融合运算,生成第一目标特征数据;

45、压缩编码模块,用于将所述第一目标特征数据转换为待压缩张量结构并执行分解运算,根据运算结果选定数据拆解策略,按照所述数据拆解策略将所述待压缩张量结构拆解为多个低维核心因子,对所述低维核心因子执行量化与稀疏编码操作,得到最终优化数据包。

46、第三方面,本发明提供了一种电子设备,包括存储器和处理器;所述存储器用于存储计算机可执行指令,所述处理器执行所述计算机可执行指令时实现一种强送操作数据优化处理方法的步骤。

47、第四方面,本发明提供了一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现一种强送操作数据优化处理方法的步骤。

48、与现有技术相比,本发明的有益效果为:本发明通过构建统一的多维矩阵模型将多源异构数据融合至同一时空框架下,有效消除了数据格式、采样频率及时空参考系差异带来的融合障碍,在此基础之上采用分层并行解析策略从时间、空间、电气逻辑及设备状态四个维度同步提取特征并进行跨层关联分析,充分挖掘了数据间的深层耦合关系,克服了传统单一维度分析或简单拼接导致特征表达能力不足的缺陷,同时结合张量分解与增量更新机制大幅降低了数据处理与存储开销,相比传统方法能够显著缩短从数据采集到特征输出的全流程耗时,并具备对不同电压等级、故障类型及电网结构的自适应处理能力,为强送操作决策提供了高质量、低延迟的数据支撑。