一种电力系统智能网络风险实时监控方法、系统及存储介质与流程

1.本发明涉及智能化电力监控技术领域，具体是涉及一种电力系统智能网络风险实时监控方法、系统及存储介质。


背景技术：

2.电力系统是国民经济发展的基础支柱，电网企业的安全正常生产关系到国家安全，社会稳定和人民生命财产安全，保障电网的正常稳定运行是电力企业的工作核心，伴随着社会的迅猛发展和技术的进步，提出了电力系统智能实时监控方案。
3.在电力系统中，采用智能监控的手段进行电力系统的运行监控可以实现较快的发现电力终端发生的故障，然而现有的监控方案通常只针对于电力终端进行故障检测，缺乏对电力终端的故障风险预测手段，在实际的监控运用过程中，及时发现电力系统中的电力终端存在的故障隐患，导致电力终端检修不够及时。


技术实现要素：

4.为解决上述技术问题，提供一种电力系统智能网络风险实时监控方法、系统及存储介质，本技术方案解决了上述的在电力系统中，采用智能监控的手段进行电力系统的运行监控可以实现较快的发现电力终端发生的故障，然而现有的监控方案通常只针对于电力终端进行故障检测，缺乏对电力终端的故障风险预测手段，在实际的监控运用过程中，及时发现电力系统中的电力终端存在的故障隐患，导致电力终端检修不够及时的问题。
5.为达到以上目的，本发明采用的技术方案为：一种电力系统智能网络风险实时监控方法，包括：获取接入智能监控网络的电力终端信息，并对电力终端进行通讯连接；按照设定的时间间隔，对所有电力终端进行通讯测试，获得电力终端智能监控网络链路通讯状况；从数据库中调取所有电力终端在运行状态下的历史运行数据，所述运行数据包括运行功率和运行温度；对所有电力终端在运行状态下的历史运行数据进行分析，基于峰度检验法对所有电力终端在运行状态下的历史运行数据进行处理，获得电力终端的标准运行数据；实时检测所有电力终端在运行状态下的实时运行数据，并通过智能监控网络将所有电力终端在运行状态下的实时运行数据实时发送至监控平台；将所有电力终端在运行状态下的运行数据存入数据库，同时将电力终端在运行状态下的实时运行数据与电力终端的标准运行数据进行比对，根据比对结果发出监控信号，所述监控信号包括电力终端正常信号、电力终端故障信号或电力终端异常信号；对于运行异常的电力终端按照故障风险预测模型进行电力终端故障风险预测，获得电力终端故障预测概率，所述故障风险预测模型以电力终端的异常运行指标作为输入，输出电力终端故障预测概率；
将电力终端故障预测概率与预设值进行比对，并根据比对结果，输出电力终端故障风险信号。
6.优选的，所述故障风险预测模型为：， 式中，y=1代表电力终端故障，y=0代表电力终端运行正常；g为概率预测模型的预测概率；为电力终端的运行功率的异常运行指标；为电力终端的运行温度的异常运行指标；和均为风险预测模型的系数。
7.优选的，所述异常运行指标的计算公式为：式中，为运行数据相对于标准运行数据的偏移量，t为电力终端在状态下的运行时长。
8.优选的，所述和的计算方法为：按照电力终端最终是否发生故障对历史运行数据进行分类，获得若干组电力终端最终发生故障的历史运行数据和若干组电力终端最终未发生故障的历史运行数据；根据若干组电力终端最终发生故障的历史运行数据和若干组电力终端最终未发生故障的历史运行数据，以最大似然法进行和的计算；检验和对故障风险预测模型的参数的显著性，判断和是否满足显著性要求。
9.优选的，所述对所有电力终端进行通讯测试，获得电力终端智能监控网络链路通讯状况具体包括如下步骤：根据所有电力终端信息建立电力终端信息集合d，d={d1，d2，
…
，dn}，其中，di为编号为i的电力终端信息，di与电力终端一一对应，n为当前智能监控网络链路中的电力终端数量；监控平台向所有电力终端发送预设的网络链路通讯检测报文，并记录向每一个电力终端发送的发送时间节点，之后等候接收电力终端反馈事先协商而定的回馈报文；若电力终端无回馈报文反馈，则判断为该电力终端网络链路通讯故障；若电力终端有回馈报文反馈，则记录每一个电力终端的回馈报文的接收时间节点，通过发送时间节点和接收时间节点计算回馈报文时长；将回馈报文时长与预设的逾期时长进行比对，判断其是否超过预期时长，若是，则判断为该电力终端网络链路通讯故障，若否，则判断为该电力终端网络链路通讯通畅；获取网络链路通讯故障的电力终端信息，并输出，由工作人员进行网络链路故障排查。
10.优选的，所述电力终端的标准运行数据的计算方法为：
将电力终端在运行状态下的历史运行数据按照从小到大的顺序进行排列；确定检出水平，并根据检出水平确定峰度检验的临界值；基于峰度检验公式计算每一个历史运行数据的峰度观测值；判断历史运行数据的峰度观测值是否大于峰度检验的临界值，若是，则判定该历史运行数据为离群点，若否，则判定该历史运行数据为非离群点；对所有非离群点的历史运行数据进行求平均值和标准差，则电力终端的标准运行数据为，式中，为所有非离群点的历史运行数据的平均值，为所有非离群点的历史运行数据的标准差。
11.优选的，所述历史运行数据的峰度观测值的计算公式为：式中，bk(n)为历史运行数据的峰度观测值；n为历史运行数据按照从小到大的排序数；为所有历史运行数据的平均值；为按照从小到大的顺序排列在n之前的历史运行数据。
12.优选的，所述将电力终端在运行状态下的运行数据与电力终端的标准运行数据进行比对，根据比对结果发出监控信号具体包括如下步骤：将实时电力终端在运行状态下的实时运行数据与标准运行数据进行比对，判断实时运行数据是否在标准运行数据区间内，若是，则判断为电力终端运行正常，输出电力终端正常信号；若否，则判断为电力终端运行不正常；对运行不正常的电力终端的实时运行数据与预设的故障阈值比较，判断实时运行数据是否超过故障阈值，若是，则判断为电力终端运行故障，输出电力终端故障信号，若否，则判断为电力终端运行异常，输出电力终端异常信号。
13.一种电力系统智能网络风险实时监控系统，用于实现如上述的电力系统智能网络风险实时监控方法，包括：监控平台，所述监控平台用于将电力终端的实施运行数据与电力终端的标准运行数据进行比对，根据比对结果发出监控信号、运行异常的电力终端按照故障风险预测模型进行电力终端故障风险预测，获得电力终端故障预测概率和将电力终端故障预测概率与预设值进行比对，并根据比对结果，输出电力终端故障风险信号；网络通信模块，所述网络通信模块包括设置于电力终端的远端数据通讯模块和设置于监控平台的近端数据通讯模块，所述近端数据通讯模块设置有若干个与远端数据通讯模块一一对应的通讯接口；通讯检测模块，所述通讯检测模块用于进行近端数据通讯模块和远端数据通讯模块之间的网络链路通讯检测。
14.再进一步的，提出一种存储介质，其上存储有计算机程序，所述计算机程序被调用时执行如上述的电力系统智能网络风险实时监控方法。
15.与现有技术相比，本发明的有益效果在于：
本发明提出一种电力系统智能网络风险实时监控方案，通过电力终端运行的历史运行数据进行离群点剔除，并根据非离群点数据进行电力终端标准运行数据的计算，可有效的效降低历史运行数据中存在的干扰变量对检测结果的影响，进而极大的保证了电力系统的监控精准度，极大的提高了对于电力终端异常运行状态的敏感度；本发明提出了提出一种对于电力终端的故障风险预测模型，通过对发生异常运行状态的电力终端的异常运行指标进行预测计算该电力终端发生故障的概率，依据预测计算的电力终端发生故障的概率大小进行判断该电力终端是否存在着发生故障的风险，进而实现针对于电力系统智能网络风险实时监控，可及时的对电力系统中的电力终端存在的故障隐患进行排查，避免因电力终端发生故障而导致的更大的损失。
附图说明
16.图1为本发明提出的电力系统智能网络风险实时监控系统结构框图；图2为本发明提出的电力系统智能网络风险实时监控方法流程图；图3为本发明中的风险预测模型的系数计算方法流程图；图4为本发明中的对电力终端进行通讯测试方法流程图；图5为本发明中的电力终端的标准运行数据的计算方法流程图；图6为本发明中的监控信号生成方法流程图。
具体实施方式
17.以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。
18.请参阅图1所示，一种电力系统智能网络风险实时监控系统，包括：监控平台，监控平台用于将电力终端的实施运行数据与电力终端的标准运行数据进行比对，根据比对结果发出监控信号、运行异常的电力终端按照故障风险预测模型进行电力终端故障风险预测，获得电力终端故障预测概率和将电力终端故障预测概率与预设值进行比对，并根据比对结果，输出电力终端故障风险信号；网络通信模块，网络通信模块包括设置于电力终端的远端数据通讯模块和设置于监控平台的近端数据通讯模块，近端数据通讯模块设置有若干个与远端数据通讯模块一一对应的通讯接口；通讯检测模块，通讯检测模块用于进行近端数据通讯模块和远端数据通讯模块之间的网络链路通讯检测。
19.上述电力系统智能网络风险实时监控系统的运行流程为：步骤一：通讯检测模块按照预设的检测时间间隔对近端数据通讯模块和多个远端数据通讯模块之间的网络链路进行检测，对于发生网络链路故障的远端数据通讯模块进行标记，并输出提示信号，由工作人员进行故障排查；步骤二：远端数据通讯模块将与其对应的电力终端的实时运行数据发送至近端数据通讯模块；步骤三：监控平台将电力终端的实时运行数据与标准运行数据进行比对，判断电力终端是否发生运行故障或运行异常；
步骤四：监控平台对于发生运行异常的电力终端通过故障风险预测模型进行故障风险概率值的计算；步骤五：监控平台根据故障风险概率值判断该电力终端是否存在电力终端故障风险，并根据判断结果提示工作人员是否需要进行风险排查。
20.请参阅图2所示，进一步的，结合上述电力系统智能网络风险实时监控系统，本方案提出一种电力系统智能网络风险实时监控方法，包括：获取接入智能监控网络的电力终端信息，并对电力终端进行通讯连接；按照设定的时间间隔，对所有电力终端进行通讯测试，获得电力终端智能监控网络链路通讯状况；从数据库中调取所有电力终端在运行状态下的历史运行数据，运行数据包括运行功率和运行温度；对所有电力终端在运行状态下的历史运行数据进行分析，基于峰度检验法对所有电力终端在运行状态下的历史运行数据进行处理，获得电力终端的标准运行数据；实时检测所有电力终端在运行状态下的实时运行数据，并通过智能监控网络将所有电力终端在运行状态下的实时运行数据实时发送至监控平台；将所有电力终端在运行状态下的运行数据存入数据库，同时将电力终端在运行状态下的实时运行数据与电力终端的标准运行数据进行比对，根据比对结果发出监控信号，监控信号包括电力终端正常信号、电力终端故障信号或电力终端异常信号；对于运行异常的电力终端按照故障风险预测模型进行电力终端故障风险预测，获得电力终端故障预测概率，故障风险预测模型以电力终端的异常运行指标作为输入，输出电力终端故障预测概率；将电力终端故障预测概率与预设值进行比对，并根据比对结果，输出电力终端故障风险信号。
21.在电力终端的运行过程中，由于运行环境复杂，因此电力终端偶尔会发生异常的运行数据波动，若对所有异常波动进行故障排查，则会耗费极大的人力，造成人力资源的浪费，若不对异常波动做出响应，则可能造成电力系统发生故障停机，造成更大的损失，因此本方案中针对于发生异常运行波动但未出现故障的的电力终端进行故障风险计算，判断其是否存在着故障风险，并根据判断结果指导工作人员进行故障排查。
22.故障风险预测模型为：式中， y=1代表电力终端故障，y=0代表电力终端运行正常；g为概率预测模型的预测概率；为电力终端的运行功率的异常运行指标；为电力终端的运行温度的异常运行指标；和均为风险预测模型的系数。
23.本方案提出的故障风险预测模型是基于logistic回归模型原理建立的，建立故障
风险预测模型，logistic回归模型是一种广义的线性回归分析模型，常用于数据挖掘，结果预测等领域；本方案提出的故障风险预测模型通过对发生异常运行状态的电力终端的异常运行指标进行预测计算该电力终端发生故障的概率，依据预测计算的电力终端发生故障的概率大小进行判断该电力终端是否存在着发生故障的风险，可及时快速的对电力系统中的电力终端存在的故障隐患进行排查。
24.异常运行指标的计算公式为：式中，为运行数据相对于标准运行数据的偏移量，t为电力终端在状态下的运行时长。
25.在电力终端的运行过程中，当出现运行数据异常时，其偏离标准异常数据的差值越大，偏离运行时间越长，则其发生故障的风险越大，因此本方案对电力终端运行过程中发生的所有异常运行数据的偏移量和异常运行时长的积进行累加后作为电力终端的异常运行指标。
26.请参阅图3所示，和的计算方法为：按照电力终端最终是否发生故障对历史运行数据进行分类，获得若干组电力终端最终发生故障的历史运行数据和若干组电力终端最终未发生故障的历史运行数据；根据若干组电力终端最终发生故障的历史运行数据和若干组电力终端最终未发生故障的历史运行数据，以最大似然法进行和的计算；检验和对故障风险预测模型的参数的显著性，判断和是否满足显著性要求。
27.按照上述步骤进行对于模型参数和的求解即可完成针对于故障风险预测模型的建立；请参阅图4所示，对所有电力终端进行通讯测试，获得电力终端智能监控网络链路通讯状况具体包括如下步骤：根据所有电力终端信息建立电力终端信息集合d，d={d1，d2，
…
，dn}，其中，di为编号为i的电力终端信息，di与电力终端一一对应，n为当前智能监控网络链路中的电力终端数量；监控平台向所有电力终端发送预设的网络链路通讯检测报文，并记录向每一个电力终端发送的发送时间节点，之后等候接收电力终端反馈事先协商而定的回馈报文；若电力终端无回馈报文反馈，则判断为该电力终端网络链路通讯故障；若电力终端有回馈报文反馈，则记录每一个电力终端的回馈报文的接收时间节点，通过发送时间节点和接收时间节点计算回馈报文时长；将回馈报文时长与预设的逾期时长进行比对，判断其是否超过预期时长，若是，则判断为该电力终端网络链路通讯故障，若否，则判断为该电力终端网络链路通讯通畅；获取网络链路通讯故障的电力终端信息，并输出，由工作人员进行网络链路故障排查。
28.本方案中通过定时针对于网络链路进行检测，可快速及时的发现电力系统智能监控网络中发生的通讯故障，并及时安排工作人员进行通讯故障排查，有效的避免了电力终端长时间脱连的情况发生，极大的保证了电力系统风险实时监控智能网络的稳定性。
29.请参阅图5所示，电力终端的标准运行数据的计算方法为：将电力终端在运行状态下的历史运行数据按照从小到大的顺序进行排列；确定检出水平，并根据检出水平确定峰度检验的临界值；基于峰度检验公式计算每一个历史运行数据的峰度观测值；判断历史运行数据的峰度观测值是否大于峰度检验的临界值，若是，则判定该历史运行数据为离群点，若否，则判定该历史运行数据为非离群点；对所有非离群点的历史运行数据进行求平均值和标准差，则电力终端的标准运行数据为，式中，为所有非离群点的历史运行数据的平均值，为所有非离群点的历史运行数据的标准差。
30.历史运行数据的峰度观测值的计算公式为：式中，bk(n)为历史运行数据的峰度观测值；n为历史运行数据按照从小到大的排序数；为所有历史运行数据的平均值；为按照从小到大的顺序排列在n之前的历史运行数据。
31.通过电力终端运行的历史运行数据进行离群点剔除，并根据非离群点数据进行电力终端标准运行数据的计算，可有效的效降低历史运行数据中存在的干扰变量对检测结果的影响，提高了标准运行数据计算的可靠性，进而极大的保证了电力系统的监控精准度，提高了监控系统对于电力终端异常运行状态的监控敏感度。
32.请参阅图6所示，将电力终端在运行状态下的运行数据与电力终端的标准运行数据进行比对，根据比对结果发出监控信号具体包括如下步骤：将实时电力终端在运行状态下的实时运行数据与标准运行数据进行比对，判断实时运行数据是否在标准运行数据区间内，若是，则判断为电力终端运行正常，输出电力终端正常信号；若否，则判断为电力终端运行不正常；对运行不正常的电力终端的实时运行数据与预设的故障阈值比较，判断实时运行数据是否超过故障阈值，若是，则判断为电力终端运行故障，输出电力终端故障信号，若否，则判断为电力终端运行异常，输出电力终端异常信号。
33.本方案对于电力终端的运行数据的监控采用分级的方式进行判断，首先判断实时运行数据是否在标准运行数据区间内，则此时可判断电力终端处于正常的运行状态下，对于实时运行数据在标准运行数据区间外的数据，则判断其是否超过故障阈值，并根据判断结果来输出电力终端是否已经发生故障。
34.再进一步的，本方案还提出一种存储介质，其上存储有计算机程序，计算机程序被
调用时执行如上述的电力系统智能网络风险实时监控方法；可以理解的是，存储介质可以是磁性介质，例如，软盘、硬盘、磁带；光介质例如，dvd；或者半导体介质例如固态硬盘solidstatedisk，ssd等。
35.综上所述，本发明的优点在于：提出一种对于电力终端的故障风险预测模型，可及时的对电力系统中的电力终端存在的故障隐患进行排查，避免因电力终端发生故障而导致的更大的损失。
36.以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。