一种基于城市电力设备监测的大数据存储方法与流程

本发明涉及电力设备监测技术领域，具体为一种基于城市电力设备监测的大数据存储方法。

背景技术：

电力设备在线监测系统由温度在线监测装置、避雷器绝缘在线监测装置、断路器在线监测装置组成，系统涵盖了变电站主要电气设备绝缘状态参数的监测，监测参量多、功能齐全。系统也可以灵活配置，由其中的一套或两套装置组成，必要时也可选配变压器油色谱监测装置。

大数据通常指的是那些数量巨大、难于收集、处理及分析的数据集，亦指那些在传统基础设施中长期保存的数据。大数据存储是将这些数据集持久化到计算机中，大数据应用的一个主要特点是实时性或者近实时，随着大数据应用的爆发性增长，它已经衍生出了自己独特的架构，而且也直接推动了存储、网络以及计算技术的发展。

现有电力数据储存方法针对电网设备监测问题上，只能对运行单位逐步结合巡检开展状态监测，无法真正并正常的做好在线监控，且现有的电力数据储存方法无法在故障前，做出相应的预警及提示，不能及时预判故障发生地点及原因，不能保障电网安全及稳定的运行，为此我们提出一种基于城市电力设备监测的大数据存储方法。

技术实现要素：

本发明提供了一种基于城市电力设备监测的大数据存储方法，具备保障电网能够安全，稳定的运行和及时做好预警，提高了电力监控设备防范效果的优点，解决了背景技术中提到的问题。

为实现以上目的，本发明提供如下技术方案予以实现：一种基于城市电力设备监测的大数据存储方法，包括以下步骤：

第一步：采集城市电力相关数据并建立诊查识别库，提取信号及特征参数等。

第二步：选用先行控制和重叠操作技术、运算。

第三步:在前期采集的数据中选取合适的训练集和测试集。

第四步:从云端数据库中查询对应的历史数据，利用统计分析算法并采用正态分布图进行对比，正态分布图即由于一般的正态总体其图像不一定关于y轴对称，对于任一正态总体，其取值小于x的概率，只要会用它求正态总体在某个特定区间的概率即可，为了便于描述和应用，常将正态变量作数据转换，评估设备的局放状态分界点和相关阀直等标准参数。

第五步:对建模的数据进行诊断，利用向量机、数据模型等诊断算法进行分析，对监测数据与以往积累的经验进行类比及推理，超声波局部放电检测装置都配有数据存储功能，超声波局部放电带电检测需要进行检测前的准备，检测点选择，背景检测，信号普测，初步定位，信号详测，信号确诊和分析报告等多个环节，在检测开始前，通过对背景和检测点超声波信号有效值、幅值、频率相关性、相位及原始波形的测定，判断是否正常，如果有异常信号，就进一步分析确认所检测的设备是否存在明显缺陷，以确定缺陷的原因和位置；对于疑似缺陷、一些间歇性和不稳定的异常信号，可以利用其它不同检测手段如特高频、红外测温、分解物分析、x射线等进行辅助检测。

检测人员还可以通过将手持超声波传感器，平稳地放在设备外壳的各检测点上，待信号稳定后，观察信号情况10秒以上时间，检测中要避免传感器的抖动，避免测试人员的衣物、信号电缆和其他物体与待测电力设备的外壳接触或摩擦，在检测背景噪声信号以及可疑的异常信号时，继而便于对数据进行存储，以便进行对比和分析。

第六步:得出正确的诊断结论，通过超声波信号传播具有较强的方向性特点，因此超声波局部放电检测被广泛应用于缺陷的精确定位，继而宾语对故障地点进行定位，便于工作人员查检，超声波局部放电检测装置对于缺陷类型的识别主要依革检测人员对检测参数进行分析后加以判断，在故障未发生时，做出预警故障发生时间、地点及故障事件。

可选的，在第二步中，对计算框架的电力设备监控数据实时计算和分析流水线、交叉访问的并行存储器等分类模型进行识别超声波局部放电，电力设备内部产生局部放电信号的时候，会产生冲击的振动及声音，并将数据上传云端，通过在没备腔体外壁上安装超声波传感器来测量局部放电信号，该方法的特点是传感器与电力设备的电气回路无任何联系，不受电气方面的干扰。

可选的，在第三步中，采用不同的核函数及参数结合训练集对其进行建模，择选合适的建模方案。

可选的，所述合适的建模方案的择选步骤如下，对各种已建好的模型利用测试集进行测试，比较各核函数的优劣，选择最适宜的函数模型，实现红外测温图形智能识别及应用。

可选的，所述云端数据库主要设备包括云计算服务器、磁盘阵列、网络交换系统和相关安全接入设备。

可选的，所述诊查识别库首先建立数据挖掘库，之后进行数据流处理，数据流可以用由节点和连接节点的有向弧组成的数据流图来表示，节点代表执行的运算或功能，有向弧代表节点被执行的次序，通常，数据流结构用一个五元组来描述，最后对数据分类识别。

本发明提供了一种基于城市电力设备监测的大数据存储方法，具备以下有益效果：

1、该基于城市电力设备监测的大数据存储方法，采用云计算技术，利用统计分析算法并采用正态分布图进行对比分析，便于对电力涉笔的数据记性收集实时监测，为电力设备在线监测提供技术支撑，同时提高了配电网设备供电的可靠性，保障了电网能够安全，稳定的运行。

2、该基于城市电力设备监测的大数据存储方法，利用向量机、数据模型等诊断算法进行分析，对监测数据与以往积累的经验进行查适，便于对电网的运作状态进行评估，便于在故障待发生前，及时做好预警，提高了电力监控设备的防范效果。

附图说明

图1为本发明的总体流程示意图；

图2为图1中云端数据库主要设备分类示意图；

图3为图1中建模方案择选的步骤流程示意图；

图4为图1中诊查识别库的步骤流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-4，一种基于城市电力设备监测的大数据存储方法，包括以下步骤：

第一步：采集城市电力相关数据并建立诊查识别库，提取信号及特征参数等。

第二步：选用先行控制和重叠操作技术、运算。

第三步:在前期采集的数据中选取合适的训练集和测试集。

第四步:从云端数据库中查询对应的历史数据，利用统计分析算法并采用正态分布图进行对比，正态分布图即由于一般的正态总体其图像不一定关于y轴对称，对于任一正态总体，其取值小于x的概率。只要会用它求正态总体在某个特定区间的概率即可，为了便于描述和应用，常将正态变量作数据转换，将一般正态分布转化成标准正态分布评估设备的局放状态分界点和相关阀直等标准参数。

第五步:对建模的数据进行诊断，利用向量机、数据模型等诊断算法进行分析，对监测数据与以往积累的经验进行类比及推理，超声波局部放电检测装置都配有数据存储功能，在检测背景噪声信号以及可疑的异常信号时，继而便于对数据进行存储，以便进行对比和分析。

第六步:得出正确的诊断结论，在故障未发生时，做出预警故障发生时间、地点及故障事件，超声波局部放电检测对颗粒、悬浮放电、尖端放电、松动、异物杂质等缺陷均有较好的检测效果，同时通过超声波局部放电检测和特高频局部放电检测为互为补充及验证。

其中，在第二步中，对计算框架的电力设备监控数据实时计算和分析流水线、交叉访问的并行存储器等分类模型进行识别超声波局部放电，电力设备内部产生局部放电信号的时候，会产生冲击的振动及声音，并将数据上传云端，通过在没备腔体外壁上安装超声波传感器来测量局部放电信号，该方法的特点是传感器与电力设备的电气回路无任何联系，不受电气方面的干扰。

其中，在第三步中，采用不同的核函数及参数结合训练集对其进行建模，择选合适的建模方案。

其中，合适的建模方案的择选步骤如下，对各种已建好的模型利用测试集进行测试，比较各核函数的优劣，选择最适宜的函数模型，实现红外测温图形智能识别及应用。

其中，云端数据库主要设备包括云计算服务器、磁盘阵列、网络交换系统和相关安全接入设备。

其中，诊查识别库首先建立数据挖掘库，之后进行数据流处理，数据流可以用由节点和连接节点的有向弧组成的数据流图来表示，节点代表执行的运算或功能，有向弧代表节点被执行的次序，通常，数据流结构用一个五元组来描述，最后对数据分类识别。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。