一种用于电网电力设备的信息化数据评估方法与流程

1.本发明涉及数据评估领域，且更确切地涉及一种用于电网电力设备的信息化数据评估方法。


背景技术：

2.电力设备（power system）主要包括发电设备和供电设备两大类，发电设备主要是电站锅炉、蒸汽轮机、燃气轮机、水轮机、发电机、变压器等等，还包括电气成套设备制造、销售;五金交电、电线电缆、高低压电器产品、机电设备、通信设备、防雷产品等，供电设备主要是各种电压等级的输电线路、互感器、接触器等等。电网电力设备在运行过程中容易出现各种不同的数据，如何对这些数据信息进行评价和处理是亟待解决的技术问题，也是关系到电网电力设备的信息化数据运行的关键。
3.专利号cn201910525934.x公开一种智能数据评估方法、移动终端及计算机可读存储介质，该方法软件启动时，提示电网电力设备进行智能数据评估；当识别到电网电力设备进入智能数据评估界面时，提示所述电网电力设备同意调取电网电力设备数据；当后台收到大数据处理指令时，调取预存储的数据评估映射表；根据所述电网电力设备信息计算所述电网电力设备数据评估情况；对比所述数据评估情况和所述数据评估映射表以得到所述电网电力设备的数据评分结果；反馈所述电网电力设备的数据评分结果。虽然这种方法提高了电网电力设备的信息化数据评估能力，但是该方法准确度比较低，无法实现数据信息的融合和挖掘。专利号cn201811485497.5公开一种数据融合系统及其工作方法，该方法包括信息采集模块、信息处理模块、应用与反馈模块、数据评估和系统协调模块、知识库模块以及数据库模块，虽然保证了算法选择的合理性、融合系统的通用性，也使整个数据融合过程更加灵活、高效，结果更加可靠，但数据挖掘能力较差。专利号cn202010874421.2公开一种基于深度数据挖掘的数据评估系统及评估方法，包括数据生成模块、数据存储模块、数据分析模块和数据评估模块，所述数据生成模块包括数据生成器，数据生成器包括：模版变量提取、模版变量执行和模版变量替换三部分组成，所述数据存储模块包括主控器、存储卡和pc端，所述数据分析模块包括元素切分单元、逻辑提取单元、赋值、数组横向合并和数组垂直合并，能够实现数据信息的融合，但无法实现电网电力设备的信息化数据评估。


技术实现要素：

4.针对上述技术的不足，本发明公开一种用于电网电力设备的信息化数据评估方法，大大提高了数据信息的评估能力。
5.为了实现上述技术效果，本发明采用以下技术方案：一种用于电网电力设备的信息化数据评估方法，其中包括以下步骤：步骤一、提取电网电力设备运行状态数据信息，并通过分类算法模型对电网电力设备运行状态数据信息进行分类；分类方法包括第一分类方法和第二分类方法；步骤二、将所述电网电力设备运行数据信息特征输入评估模块中，所述评估模块
包括输入模块、数据融合模块和数据挖掘模块，其中所述输入模块的输出端与数据融合模块的输入端连接，所述数据融合模块的输出端与数据挖掘模块的输入端连接；步骤三、根据挖掘结果信息生成电网电力设备运行数据评估信息。
6.作为本发明进一步的技术方案，第一分类方法为随机森林模型，第二分类方法为随机矩阵模型。
7.作为本发明进一步的技术方案，随机森林模型为决策树相似度矩阵，通过二叉树结构实现电网电力设备运行数据的分类。
8.作为本发明进一步的技术方案，随机矩阵模型通过gram矩阵分析算法将输出电网电力设备的信息化数据结果进行核空间迭代。
9.作为本发明进一步的技术方案，gram矩阵分析算法的工作方法为：将电网电力设备的信息化数据形成可迭代的高维函数组，即： (1)公式(1)中，表示高维核空间坐标，表示电网电力设备数据集，表示处理后电网电力设备运行数据信息收录对象，表示电网电力设备运行数据信息核空间迭代变量。
10.经过数据映射后，将电网电力设备机组数据转化为核空间计算方式，通过特征空间的迭代处理方式，得到电网电力设备运行数据信息空间矩阵形式表示为： (2)公式(2)中，表示电网电力设备运行数据核空间矩阵形式，表示电网电力设备运行数据信息空间数据转化系数，表示测算电网电力设备个数，表示电网电力设备运行数据信息函数迭代时间。
11.然后对核空间内大数据进行分析，通过特征方程计算出对应设备的空间阈值，由算法程序推导出各设备变量，通过加权集合的方式表示：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)公式（3）中，表示电网电力设备运行数据信息空间特征量迭代速度，表示电网电力设备变量特征系数，表示不同程度迭代状态下计算的设备数据；对核空间内电网电力设备数据进行主成分分析，将录入的电网电力设备运行数据信息作为测试样本，则空间内任一坐标代表电网电力设备状态为：
(4)公式(4)中，表示核空间内任意坐标下电网电力设备状态，表示电网电力设备转化的核主成分值，表示电网电力设备数据映射的实际坐标；根据电网电力设备场数据转化的核主空间坐标值进行矩阵运算，在此过程中建立gram矩阵，为后续电网电力设备运行数据信息的分析提供给数据支撑，提高电网电力设备的监测能力，则电网电力设备运行规律函数为：
ꢀꢀꢀꢀꢀꢀꢀꢀ
(5)公式（5）中，表示电网电力设备运行数据信息gram空间分析矩阵，表示电网电力设备数据主成分迭代矩阵。
12.作为本发明进一步的技术方案，输入模块为兼容多种数据通信的电网电力设备信息的模块。
13.作为本发明进一步的技术方案，数据融合模块为基于aduc812单片机控制的融合模块，作为本发明进一步的技术方案，数据挖掘模块包括数据降维模块、信息分析模块和评估模块，其中所述数据降维模块的输出端与信息分析模块的输入端连接，信息分析模块的输出端与评估模块的输入端连接。
14.作为本发明进一步的技术方案，通过等级划分生成电网电力设备运行数据评估信息。
15.本发明积极有益效果在于：通过提取电网电力设备运行状态数据信息，应用分类算法模型对电网电力设备运行状态数据信息进行分类；并通过第一分类方法和第二分类方法实现数据信息的分类，并将所述电网电力设备运行数据信息特征输入评估模块中，所述评估模块包括输入模块、数据融合模块和数据挖掘模块，其中所述输入模块的输出端与数据融合模块的输入端连接，所述数据融合模块的输出端与数据挖掘模块的输入端连接；根据挖掘结果信息生成电网电力设备运行数据评估信息。大大提高了电网电力设备信息化评估的能力。
附图说明
16.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图，其中：图1为本发明流程架构示意图；
图2为本发明随机森林模型一种实施例示意图。
具体实施方式
17.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
18.如图1所示，一种用于电网电力设备的信息化数据评估方法，包括：步骤一、提取电网电力设备运行状态数据信息，并通过分类算法模型对电网电力设备运行状态数据信息进行分类；分类方法包括第一分类方法和第二分类方法；在具体实施例中，电网电力设备运行状态数据信息包括电气成套设备制造、销售；五金交电、电线电缆、高低压电器产品、机电设备、通信设备、防雷产品等数据信息状态数据信息，参数数据信息等。
19.步骤二、将所述电网电力设备运行数据信息特征输入评估模块中，所述评估模块包括输入模块、数据融合模块和数据挖掘模块，其中所述输入模块的输出端与数据融合模块的输入端连接，所述数据融合模块的输出端与数据挖掘模块的输入端连接；步骤三、根据挖掘结果信息生成电网电力设备运行数据评估信息。
20.在上述实施例中，第一分类方法为随机森林模型，第二分类方法为随机矩阵模型。
21.在上述实施例中，随机森林模型为决策树相似度矩阵，通过二叉树结构实现电网电力设备运行数据的分类。
22.如图2所示，随机森林模型在应用过程中，将电网电力设备运行数据信息特征转化成的二叉树结构决策树的每个子方案，将电气成套设备制造、销售；五金交电、电线电缆、高低压电器产品、机电设备、通信设备、防雷产品等数据信息状态数据信息按照设备属性进行数据信息分类。将电网电力设备运行数据信息特征转化为一个类似于{“a《=x”、“b》y”、“c《=z”、“class_3”}这样一个集合，通过把子方案集合中的各个元素进行比较，就可以得出两个方案的相似程度。进而得出分类属性。
23.为完成对子方案集合中各个元素相似程度的比较，本技术针对于非数值元素相似程度simn计算公式如式1所示：（1）针对于数值型电网电力设备运行数据信息元素进行的元素相似度simn计算公式如公式2所示：（2）其中和为数值，表示为对电网电力设备运行数据信息竖向判别式为上下限，表示为电网电力设备运行数据信息运行过程中的最大相似度。
24.通过计算每个元素的相似度的平均值就可以计算出电网电力设备运行数据信息决策树子方案的相似度sim，如公式3所示：
（3）通过计算子方案的相似度就可以计算出两个决策树的相似对方程如公式4所示:（4）通过计算随机森林算法中的所有决策树的相似度可以建立电网电力设备运行数据信息任意两个决策树的相似度如公式5所示：（5）如公式5所示，其中通过观察随机森林算法相似矩阵，可以发现矩阵中表示第n与m个决策树的相似度，算法的相似度矩阵进行分析可以选择更优的结果实现决策树的集成。这个集合内的数据信息即为电网电力设备的信息化数据分类结果。
25.在上述实施例中，随机矩阵模型通过gram矩阵分析算法将输出电网电力设备的信息化数据结果进行核空间迭代。
26.gram矩阵分析算法的工作方法为：将电网电力设备的信息化数据形成可迭代的高维函数组，即：
ꢀꢀꢀꢀꢀ
(6)公式(6)中，表示高维核空间坐标，表示电网电力设备数据集，表示处理后电网电力设备运行数据信息收录对象，表示电网电力设备运行数据信息核空间迭代变量。
27.经过数据映射后，将电网电力设备机组数据转化为核空间计算方式，通过特征空间的迭代处理方式，得到电网电力设备运行数据信息空间矩阵形式表示为：
ꢀꢀ
(7)公式(7)中，表示电网电力设备运行数据核空间矩阵形式，表示电网电力设备运行数据信息空间数据转化系数，表示测算电网电力设备个数，表示电网电力设备运行数据信息函数迭代时间。
28.然后对核空间内大数据进行分析，通过特征方程计算出对应设备的空间阈值，由算法程序推导出各设备变量，通过加权集合的方式表示：
ꢀꢀꢀꢀꢀꢀꢀ
(8)公式（8）中，表示电网电力设备运行数据信息空间特征量迭代速度，表示电网电力设备变量特征系数，表示不同程度迭代状态下计算的设备数据；对核空间内电网电力设备数据进行主成分分析，将录入的电网电力设备运行数据信息作为测试样本，则空间内任一坐标代表电网电力设备状态为： (9)公式(9)中，表示核空间内任意坐标下电网电力设备状态，表示电网电力设备转化的核主成分值，表示电网电力设备数据映射的实际坐标；根据电网电力设备场数据转化的核主空间坐标值进行矩阵运算，在此过程中建立gram矩阵，为后续电网电力设备运行数据信息的分析提供给数据支撑，提高电网电力设备的监测能力，则电网电力设备运行规律函数为：
ꢀꢀ
(10)公式（10）中，表示电网电力设备运行数据信息gram空间分析矩阵，表示电网电力设备数据主成分迭代矩阵。
29.通过gram算法对空间中电网电力设备数据进行规律化重排，使映射的数据更加具有规律，便于后续分析处理，对解决电网电力设备大数据冗余问题具有重要作用。gram算法在应用过程中，通过n维欧式空间中任意k个向量之间两两的内积所组成的矩阵，称为这k个向量的格拉姆矩阵(gram matrix)。将电网电力设备运行数据信息构建成gram算法矩阵形式，格拉姆矩阵可以看做feature之间的偏心协方差矩阵（即没有减去均值的协方差矩阵），格拉姆矩阵用于度量各个维度自己的特性以及各个维度之间的关系。内积之后得到的多尺度矩阵中，对角线元素提供了不同特征图各自的信息，其余元素提供了不同特征图之间的相关信息。这样一个矩阵，既能体现出有哪些特征，又能体现出不同特征间的紧密程度。使用深层网络分别提取基准图像（加白噪声）和风格图像的特征向量（或者说是特征图feature map）。分别计算两个图像的特征向量的gram矩阵，以两个图像的gram矩阵的差异最小化为优化目标，不断调整基准图像，使风格不断接近目标风格图像。在网络中提取的特征图，深层网络提取的是更抽象的轮廓、大小等信息。这些特征总的结合起来表现出来的感觉就是图像的风格，由这些特征向量计算出来的的gram矩阵，就可以把图像特征之间隐藏
的联系提取出来，也就是各个特征之间的相关性高低。通过将电网电力设备数据进行规律化通过微观信息表示出来，以将电网电力设备运行规律函数通过函数形式表示出来。
30.在上述实施例中，输入模块为兼容多种数据通信的电网电力设备信息的模块。
31.在上述实施例中，数据融合模块为基于aduc812单片机控制的融合模块，在具有应用中，单片机在程序和数据存储方面与8051单片机兼容，对于程序和数据存储器，该单片机具有独立的地址空间，地址空间使用了片上闪存技术，该芯片集成了所有辅助功能模块，完全支持可编程的数据采集核心，使用aduc812单片机具有结构简单，体积小，功能强大等优点。采用了ad623放大器，该放大器是一种集成单功率仪表放大器，能够使用单个增益设置电阻增益编程，具有较好的线性度和温度稳定性的优点。采用了max232单电源电平转换芯片，内部集成2个rs-232c驱动器和两个rs-232c接收器。在数据信息融合时，还可以采用自适应加权融合算法模型实现数据信息的融合，通过给融合模块能够快速获取不同数据模型计算出的数据新型，根据电网电力设备信息化评价需求，输出融合数据信息，最终提高数据信息管理能力。
32.在上述实施例中，数据挖掘模块包括数据降维模块、信息分析模块和评估模块，其中所述数据降维模块的输出端与信息分析模块的输入端连接，信息分析模块的输出端与评估模块的输入端连接。
33.在具体实施例中，数据降维模块能够将高纬度的数据信息转化为低纬度的数据信息，以便于处理复杂数据信息，信息分析模块能够分析转化为低纬度的数据信息，评估模块能够评估转化为低纬度的数据信息。数据降维模块在具体实施例中，根据一定的规则和经验，直接选取原有维度的一部分参与后续的计算和建模过程，用选择的维度代替所有维度。优势是既能满足后续数据处理和建模要求，又能保留维度原本的业务含义，以便业务理解和应用。通过相关分析不同维度间的线性关系，在相关性高的维度中进行人工去除或筛选。按照一定的数学变换方法，把给定的一组相关变量（特征）通过数学模型将高维空间数据点映射到低维空间中，然后用映射后到变量的特征来表示原有变量的总体特征。这种方式是一种产生新维度的过程，转换后的维度并非原有的维度本体，而是其综合多个维度转换或映射后的表达式。在一定的实施例中，通过pca（主成分分析）实现数据信息分析，基本思想是将高维数据的模式样本投影到最佳鉴别矢量空间，已到达抽取分类信息和压缩特征空间维度的效果。投影后保证模式样本在新子空间的类空间距离和最小的类距离，集模式在该空间中有最佳可分离性。
34.在进行信息分析时，在一种实施例中，可以通过神经网络进行信息分析，也可以通过关联算法、分类算法或者ann算法模型实现数据信息分析。
35.在进行具体分析时，在进行数据挖掘时，可以采用分类算法模型、回归分类模型、聚类计算、关联规则计算、特征分析或偏差分析等方法。
36.在上述实施例中，通过等级划分生成电网电力设备运行数据评估信息。
37.在具体实施例中，等级划分包括电网电力设备运行数据不同数据类型，比如电气成套设备制造、销售;五金交电、电线电缆、高低压电器产品、机电设备、通信设备、防雷产品等数据信息状态数据信息，参数数据信息等名称信息、参数信息、运行故障分类等，通过多种分类方法提高电网电力设备运行数据计算或者分析能力。然后在进行二级分类，比如故障信息、参数信息等。通过划分不同的等级进而实现电网电力设备运行数据不同数据类型
的分析与划分。
38.虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。