一种双电源转换装置的监测数据高效处理方法与流程

本发明涉及数据处理，尤其涉及一种双电源转换装置的监测数据高效处理方法。

背景技术：

1、在现代工业和民用设备中，双电源转换装置广泛应用于确保设备在电源故障或切换时的可靠性和连续性的运行中，双电源转换装置通常监测多个电源输入并自动切换到备用电源以确保持续供电，然而，监测这些电源的性能数据并实时响应变化对于维护和优化双电源切换装置的性能至关重要。

2、传统双电源转换装置的监测系统会产生大量数据，包括输入电压、输出负载、温度等多种参数，这些参数数据需要及时进行处理，以便于及时识别和响应电源故障或异常情况。由于参数数据的数据量大，而监测系统需要在短时间内处理大量数据并做出快速决策，因此传统数据处理方法难以达到实时性要求，同时对于监测系统来说，数据的准确性和精度至关重要，误差或不准确的监测数据可能导致误报或忽略真实的电源故障，传统数据处理方法难以兼顾实时性和精度要求。

3、因此，如何提高对双电源转换装置的监测数据进行数据处理的实时性和精度，以减少根据处理后的监测数据进行响应的误差成为亟需解决的问题。

技术实现思路

1、有鉴于此，本发明实施例提供了一种双电源转换装置的监测数据高效处理方法，以解决如何提高对双电源转换装置的监测数据进行数据处理的实时性和精度，以减少根据处理后的监测数据进行响应的误差的问题。

2、本发明实施例中提供了一种双电源转换装置的监测数据高效处理方法，该方法包括以下步骤：

3、获取双电源转换装置的任一类预设长度的初始监测时序数据，根据所述初始监测时序数据中的各个数据值差异，获取所述初始监测时序数据对应的初始运行状态结果；

4、若所述初始运行状态结果为正常运行状态，则继续获取与所述初始监测时序数据相等长度的目标监测时序数据，获取所述初始监测时序数据与所述目标监测时序数据之间的每个相同位置处的数据值差值，得到数据值差值序列，利用孤立森林模型获取所述数据值差值序列中的每个数据值差值的异常分数；

5、根据所述数据值差值序列中的每个数据值差值的异常分数，获取至少两个目标数据值差值，针对任一目标数据值差值，获取所述目标数据值差值在所述初始监测时序数据中对应的目标数据值，根据所述目标数据值的异常程度对所述目标数据值差值的异常分数进行修正，得到修正后的异常分数；

6、根据所有目标数据值差值的修正后的异常分数差异，获取所述目标监测时序数据所反映的运行状态结果，若所述运行状态结果为正常运行状态，则将所述目标监测时序数据作为初始监测时序数据，重复所述初始监测时序数据的步骤，直至所述运行状态结果为异常运行状态，对所述双电源转换装置进行运行状态调控。

7、优选的，所述根据所述初始监测时序数据中的各个数据值差异，获取所述初始监测时序数据对应的初始运行状态结果，包括：

8、将所述初始监测时序数据中的任一数据值与正常运行状态所对应的预设数据值范围进行对比，若所述数据值不在所述预设数据值范围内，则将所述数据值作为标记数据值，得到所述初始监测时序数据中的至少两个标记数据值；

9、根据所有标记数据值在所述初始监测时序数据中的位置，获取所有标记数据值的周期性判断结果，若所有标记数据值的周期性判断结果为无周期性，则确定所述初始监测时序数据对应的初始运行状态结果为正常运行状态；

10、若所有标记数据值的周期性判断结果为有周期性，则获取每个所述标记数据值的异常程度，根据所有标记数据值的异常程度，获取所述初始监测时序数据对应的初始运行状态结果。

11、优选的，所述根据所有标记数据值在所述初始监测时序数据中的位置，获取所有标记数据值的周期性判断结果，包括：

12、对所有标记数据值进行密度聚类，确定第一聚类中心，根据所述第一聚类中心和设定的第一关联半径，获取对应的第一关联范围，对所述第一关联范围内的每个标记数据值在所述初始监测时序数据中的位置进行标记，分别获取相邻两个标记的位置之间的距离长度；

13、根据所有距离长度计算得到对应的距离长度方差，将所述距离长度方差的相反数代入以自然常数e为底数的指数函数中，得到对应的指数函数结果，若所述指数函数结果小于预设的第一判断阈值，则所有标记数据值的周期性判断结果为无周期性，若所述指数函数结果大于或等于所述第一判断阈值，则所有标记数据值的周期性判断结果为有周期性。

14、优选的，所述获取每个所述标记数据值的异常程度，包括：

15、根据每个所述标记数据值在所述初始监测时序数据中的位置，获取第一最优周期长度；

16、针对任一标记数据值，获取所述预设数据值范围内的最大数据值和最小数据值之间的数据值均值，将所述标记数据值与所述数据值均值之间的差值绝对值的相反数代入以自然常数e为底数的指数函数中，得到对应的第一指数函数结果，获取常数1与所述第一指数函数结果之间的第一差值；

17、获取所述标记数据值与前相邻标记数据值之间的第一距离，以及获取所述标记数据值与后相邻标记数据值之间的第二距离，计算所述第一距离和所述第二距离之间的距离均值，将所述距离均值与所述第一最优周期长度之间的差值绝对值的相反数代入以自然常数e为底数的指数函数中，得到对应的第二指数函数结果，对所述第一差值和所述第二指数函数结果进行加权求和并求平均值，将得到的平均值作为所述标记数据值的异常程度。

18、优选的，所述根据每个所述标记数据值在所述初始监测时序数据中的位置，获取第一最优周期长度，包括：

19、获取预设的可变周期长度范围，针对所述可变周期长度范围内的任一可变周期长度，从所述初始监测时序数据中的第一个数据值的位置开始，以所述可变周期长度为步长，对所述初始监测时序数据进行数据值位置的遍历，对应得到至少两个目标位置；

20、根据每个所述标记数据值的位置分别与每个所述目标位置之间的位置间隔，获取每个所述标记数据值的最近位置间隔，将所有标记数据值的最近位置间隔进行累加，得到所述可变周期长度对应的累加值，对比所述可变周期长度范围内的每个可变周期长度对应的累加值，将最小累加值对应的可变周期长度作为第一最优周期长度。

21、优选的，所述根据所有标记数据值的异常程度，获取所述初始监测时序数据对应的初始运行状态结果，包括：

22、若任一标记数据值的异常程度大于预设的异常程度阈值，则将所述标记数据值作为目标标记数据值，根据所有目标标记数据值在所述初始监测时序数据中的位置，分别获取相邻两个目标标记数据值之间的距离间隔；

23、若所有距离间隔都与所述第一最优周期长度相等，则所述初始监测时序数据对应的初始运行状态结果为异常运行状态，若任意一个所述距离间隔与所述第一最优周期长度不相等，则所述初始监测时序数据对应的初始运行状态结果为正常运行状态。

24、优选的，所述根据所述目标数据值的异常程度对所述目标数据值差值的异常分数进行修正，得到修正后的异常分数，包括：

25、若所述目标数据值为所述初始监测时序数据中的非标记数据值，则所述目标数据值的异常程度为0；

26、将所述目标数据值的异常程度的相反数代入以自然常数e为底数的指数函数中，得到对应的第三指数函数结果，将所述目标数据值差值的异常分数和所述第三指数函数结果之间的乘积作为所述目标数据值差值的修正后的异常分数。

27、优选的，所述根据所有目标数据值差值的修正后的异常分数差异，获取所述目标监测时序数据所反映的运行状态结果，包括：

28、对所有目标数据值差值的修正后的异常分数进行密度聚类，得到对应的第二聚类中心，根据所述第二聚类中心和设定的第二关联半径，获取对应的第二关联范围，对所述第二关联范围内的每个目标数据值差值在所述数据值差值序列中的位置进行标记，分别获取相邻两个标记的位置之间的目标距离长度；

29、根据所有目标距离长度计算得到对应的目标距离长度方差，将所述目标距离长度方差的相反数代入以自然常数e为底数的指数函数中，得到对应的第四指数函数结果，若所述第四指数函数结果小于预设的第二判断阈值，则所述目标监测时序数据所反映的运行状态结果为正常运行状态；

30、若所述第四指数函数结果大于或等于所述第二判断阈值，则根据每个所述目标数据值差值在所述数据值差值序列中的位置，获取第二最优周期长度，根据所述第二最优周期长度和所述第二关联范围内的目标数据值差值的数量，获取异常运行概率；

31、若所述异常运行概率大于预设的异常运行概率阈值，则确定所述目标监测时序数据所反映的运行状态结果为异常运行状态，若所述异常运行概率小于或等于所述异常运行概率阈值，则确定所述目标监测时序数据所反映的运行状态结果为正常运行状态。

32、优选的，所述根据每个所述目标数据值差值在所述数据值差值序列中的位置，获取第二最优周期长度，包括：

33、获取预设的可变周期长度范围，针对所述可变周期长度范围内的任一可变周期长度，从所述数据值差值序列中的第一个数据值差值的位置开始，以所述可变周期长度为步长，对所述数据值差值序列进行数据值差值位置的遍历，对应得到至少两个目标位置；

34、根据每个所述目标数据值差值的位置分别与每个所述目标位置之间的位置间隔，获取每个所述目标数据值差值的最近位置间隔，将所有目标数据值差值的最近位置间隔进行累加，得到所述可变周期长度对应的累加值，对比所述可变周期长度范围内的每个可变周期长度对应的累加值，将最小累加值对应的可变周期长度作为第二最优周期长度。

35、优选的，所述根据所述第二最优周期长度和所述第二关联范围内的目标数据值差值的数量，获取异常运行概率，包括：

36、获取所述第二关联范围内的目标数据值差值的数量与所述第二最优周期长度对应的累加值之间的第一比值，将所述第一比值的相反数代入以自然常数e为底数的指数函数中，得到对应的第五指数函数结果；

37、获取所述第二关联范围内的目标数据值差值的数量与所述数据值差值序列中的目标数据值差值的数量之间的第二比值，将所述第二比值的相反数代入以自然常数e为底数的指数函数中，得到对应的第六指数函数结果，获取常数1与所述第六指数函数结果之间的差值；

38、将所述第五指数函数结果与所述差值之间的乘积作为异常运行概率。

39、本发明实施例与现有技术相比存在的有益效果是：

40、本发明获取双电源转换装置的任一类预设长度的初始监测时序数据，根据所述初始监测时序数据中的各个数据值差异，获取所述初始监测时序数据对应的初始运行状态结果；若所述初始运行状态结果为正常运行状态，则继续获取与所述初始监测时序数据相等长度的目标监测时序数据，获取所述初始监测时序数据与所述目标监测时序数据之间的每个相同位置处的数据值差值，得到数据值差值序列，利用孤立森林模型获取所述数据值差值序列中的每个数据值差值的异常分数；根据所述数据值差值序列中的每个数据值差值的异常分数，获取至少两个目标数据值差值，针对任一目标数据值差值，获取所述目标数据值差值在所述初始监测时序数据中对应的目标数据值，根据所述目标数据值的异常程度对所述目标数据值差值的异常分数进行修正，得到修正后的异常分数；根据所有目标数据值差值的修正后的异常分数差异，获取所述目标监测时序数据所反映的运行状态结果，若所述运行状态结果为正常运行状态，则将所述目标监测时序数据作为初始监测时序数据，重复所述初始监测时序数据的步骤，直至所述运行状态结果为异常运行状态，对所述双电源转换装置进行运行状态调控。其中，以正常运行状态下的初始监测时序数据为参考，将目标监测时序数据和初始监测时序数据之间的数据值差值序列作为分析对象，利用初始监测时序数据中数据点的异常程度对数据值差值序列中对应的数据值差值的异常分数进行修正，得到修正后的异常分数，完成了对双电源转换装置的监测数据的高效处理，提高了对双电源转换装置的监测数据进行数据处理的实时性和精度，进而减少了根据修正后的异常分数对双电源转换装置的异常运行状态进行检测的结果误差，以使得双电源转换装置能够及时且准确进行运行状态调控。