一种农污设施用电异常检测方法与流程

摘要: 本发明属于用电异常监测,尤其涉及一种农污设施用电异常检测方法。背景技术:1、用电监测主要通过采集设备运行过程中的电流、电压、功率等用电参数,并对所采集的数据进行...
一种农污设施用电异常检测方法与流程

本发明属于用电异常监测,尤其涉及一种农污设施用电异常检测方法。

背景技术:

1、用电监测主要通过采集设备运行过程中的电流、电压、功率等用电参数,并对所采集的数据进行分析,以判断设备运行状态是否存在异常。对于农村污水处理设施,水泵、风机等用电设备通常处于长期、周期性运行状态,其运行负载容易受到进水量、处理工况、季节变化以及设备自身状态等因素影响,因此实际用电功率具有较明显的时序波动特征。

2、现有农污设施用电异常检测方法通常采用固定阈值比较或者基于平均值、方差等统计特征进行异常判断。固定阈值通常根据设备额定参数或历史运行经验设定,当设备运行工况发生变化时,正常功率波动可能超过预设阈值,而部分异常状态下的功率变化又可能未达到固定阈值,因而难以适应农污设施运行状态的动态变化。

3、此外,现有方法在对连续用电数据进行分析时,通常直接针对全部运行时段执行后续异常判断,难以首先从连续运行数据中筛选功率波动较为明显的时间区间。同时,仅利用平均功率、最大值等单一或简单统计特征,难以反映功率信号在不同时间尺度下的局部变化特征,也难以综合表征有功功率和无功功率随时间变化形成的运行轨迹,从而影响对复杂或短时异常状态的识别。

4、因此,需要一种能够从连续功率数据中识别波动明显的运行区间,并进一步结合功率的多尺度变化特征以及有功功率、无功功率之间的时序变化关系进行异常检测的方法。

技术实现思路

1、为解决现有技术存在的问题,本发明提出一种农污设施用电异常检测方法。

2、本发明的技术方案如下:

3、一种农污设施用电异常检测方法,包括以下步骤:

4、获取农污设施运行过程中按时间对应的有功功率序列和无功功率序列,将所述有功功率序列按照预设时间步长划分为多个时间区间,根据各时间区间内的有功功率值与对应时间区间的平均有功功率之间的偏差,得到各时间区间的功率波动累积量;

5、根据相邻时间区间的功率波动累积量得到区间差分值,将所述区间差分值与波动判定阈值进行比较,根据比较结果确定高波动区间和低波动区间;

6、分别对所述高波动区间内的有功功率序列和无功功率序列进行多尺度小波分析,根据多尺度小波分析结果确定特征时刻;

7、提取所述特征时刻对应的有功功率值和无功功率值,将所述有功功率值和无功功率值映射为二维功率坐标点,按照时间顺序连接相邻二维功率坐标点形成多个功率矢量,由多个所述功率矢量形成功率矢量轨迹;

8、计算所述功率矢量轨迹中相邻功率矢量之间的功率矢量夹角,根据所述功率矢量夹角的时序变化特征识别异常节点,并基于所述异常节点得到农污设施用电异常检测结果。

9、进一步地,所述功率波动累积量的获取方法包括:针对每一时间区间,计算该时间区间内各有功功率值的平均值,得到平均有功功率;分别计算各有功功率值与所述平均有功功率之间的差值绝对值,并对同一时间区间内的差值绝对值进行累加,得到该时间区间的功率波动累积量。

10、进一步地,所述高波动区间和低波动区间的确定方法包括:按照时间顺序计算相邻两个时间区间的功率波动累积量之间的差值绝对值,得到区间差分值;将各区间差分值分别与所述波动判定阈值进行比较,当区间差分值大于所述波动判定阈值时,比较形成该区间差分值的两个时间区间对应的功率波动累积量,将其中功率波动累积量较大的时间区间确定为高波动区间;完成各相邻时间区间的比较后,将未被确定为高波动区间的时间区间确定为低波动区间。

11、进一步地,所述波动判定阈值根据多个区间差分值的平均值和标准差确定,所述波动判定阈值为所述区间差分值的平均值与预设倍数的所述标准差之和。

12、进一步地,分别对所述高波动区间内的有功功率序列和无功功率序列进行多尺度小波分解,获得有功功率序列和无功功率序列在不同分解尺度下的小波系数,并计算各分解尺度下小波系数的幅值,得到有功功率序列和无功功率序列各自对应的多尺度幅值序列。

13、进一步地,分别针对所述有功功率序列和无功功率序列对应的多尺度幅值序列中的各尺度幅值序列进行寻峰,确定局部峰值点及其对应的时间位置,根据同一尺度下的局部峰值点拟合得到尺度包络线;将对应于同一功率序列的各尺度包络线对齐至同一时间网格,并对同一时刻的包络幅值进行加权融合,得到对应的合成包络幅值序列,分别确定有功功率序列和无功功率序列对应的合成包络幅值序列中的局部峰值,将所述局部峰值对应的时间位置汇总,去除重复的时间位置并按照时间顺序排列,得到所述特征时刻。

14、进一步地,按照所述特征时刻分别从所述高波动区间内的有功功率序列和无功功率序列中提取相应的有功功率值和无功功率值,以所述有功功率值作为第一坐标、所述无功功率值作为第二坐标形成二维功率坐标点,并按照所述特征时刻的时间顺序排列所述二维功率坐标点,相邻二维功率坐标点之间的坐标差形成所述功率矢量,多个所述功率矢量按照时间顺序构成所述功率矢量轨迹。

15、进一步地,按照时间顺序计算相邻两个功率矢量的点积以及两个功率矢量各自的模长,并根据所述点积与两个功率矢量模长乘积的比值确定所述功率矢量夹角。

16、进一步地,按照时间顺序计算相邻功率矢量夹角之间的差值绝对值与对应时间间隔的比值,得到多个夹角变化率,并按照时间顺序排列多个所述夹角变化率形成夹角变化率序列;将所述夹角变化率序列中的夹角变化率与预设的夹角变化率阈值进行比较,当连续多个夹角变化率均超过所述夹角变化率阈值时,将满足连续超限条件的夹角变化率序列节点确定为异常节点。

17、进一步地,统计所述异常节点的数量以及参与夹角变化率异常识别的有效夹角变化率序列节点总数量,计算所述异常节点的数量与所述有效夹角变化率序列节点总数量的比值,得到异常节点比例,并将所述异常节点比例作为农污设施用电异常检测结果的量化指标。

18、相比于现有技术,本发明具有如下有益效果:

19、本发明通过将农污设施的有功功率序列划分为多个时间区间,计算各时间区间内有功功率值相对于平均有功功率的功率波动累积量,并进一步比较相邻时间区间的功率波动累积量,以确定高波动区间和低波动区间,使后续异常分析能够优先针对功率变化较为明显的运行区间进行处理,减少对波动较小区间进行同等精细分析所产生的处理负担。

20、本发明针对高波动区间内的有功功率序列和无功功率序列进行多尺度小波分解,通过提取不同尺度下的幅值特征、拟合尺度包络线并对包络幅值进行融合,得到合成包络幅值序列,并据此确定具有明显波动特征的特征时刻。由此能够从不同时间尺度反映功率信号的局部变化特征,相较于仅采用平均值、最大值等简单统计参数,有利于进一步提取短时或局部功率变化信息。

21、本发明进一步提取特征时刻对应的有功功率值和无功功率值并建立功率矢量轨迹,通过功率矢量夹角及其时序变化表征有功功率和无功功率联合变化过程中的方向变化,并结合夹角变化率序列中连续多个夹角变化率的超限状态识别异常节点,从而避免仅依据单一功率值或单个瞬态变化进行异常判断。通过统计异常节点得到农污设施用电异常检测结果,使异常检测过程形成由区间波动筛选、多尺度特征提取到功率矢量变化分析的连续处理过程。