一种面向电缆性能评价的时空冗余数据融合方法及系统与流程

本发明涉及电力设备智能运维领域，特别涉及一种面向电缆性能评价的时空冗余数据融合方法及系统。

背景技术：

1、电力电缆作为城市电能重要的输送通道设备，其用量在整个电力传输中所占比例逐年提高。因电缆制造质量不良、安装敷设不当、复杂运行环境影响引发的事故时有发生。

2、为了实现电力电缆智能化运维，需要在运行过程中采集大量电缆状态数据，如电缆局部放电、金属护套接地环流、运行电压、运行电流、运行温度和环境温度等状态数据。

3、由于传感器故障、环境电磁信号干扰、采集装置异常、通讯中断等故障将导致监测数据准确性低，难以反映电力电缆真实的运行状态。同时，这些数据来自不同的时间和应用系统，对电缆运行状态存在有名值、标幺值、铭牌值、百分值、运算值等多种表达形式，在状态描述、数据属性和关联关系等方面存在时空不一致的问题，不利于海量数据的自动分析和信息提取，导致电力电缆的异常预警、状态评价和故障分析等性能评估工作难以准确实施。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种面向电缆性能评价的时空冗余数据融合方法，能够有效融合电缆运行状态监测中的多源异构数据，为电力电缆性能评估提供准确可靠的数据信息。

2、本发明还提出一种具有上述面向电缆性能评价的时空冗余数据融合方法的系统。

3、根据本发明的第一方面实施例的面向电缆性能评价的时空冗余数据融合方法，其特征在于，包括以下步骤：

4、将多个数据来源中物理量含义不一致的数据进行标准化处理；

5、对异常状态数据进行清洗；

6、将状态数据时间冗余进行融合；

7、将状态数据空间冗余进行融合。

8、根据本发明实施例的面向电缆性能评价的时空冗余数据融合方法，至少具有如下有益效果：该方法对电力电缆多源异构状态数据进行集成；对将多源数据中状态量物理含义描述不一致的异构数据进行标准化处理，生成物理含义一致的状态量；采用聚类算法对状态数据进行合理分类，采用三西格玛准则剔除数据完成聚类中的数据清洗，提高融合前的数据质量；对状态数据进行时间冗余融合和空间冗余融合处理，降低测量过程中状态数据的不确定性。解决电力电缆性能评估工作中状态数据物理含义不一致、准确度不高、难以自动分析和深化应用的问题。

9、根据本发明的一些实施例，所述对异常状态数据进行清洗的步骤，具体包括：

10、对给定时间段内的数据样本中任取两个数据作为聚类的两个原始质心；

11、计算所述样本数据中每个数据与所述两个原始质心的曼哈顿距离，并将其划分至距离较近的原始质心所述的数据集合；

12、划分好数据集合后，重新计算每个数据集合对应的矫正质心；

13、重复上述矫正质心的步骤，直到每个数据集合的矫正质心和原始质心的差值小于预设的阈值；

14、分别计算每个数据集合对应的正态分布均值和标准差，并将其中样本数据不符合三西格玛准则的样本数据剔除，完成数据清洗。

15、根据本发明一些较优的实施例，所述将状态数据时间冗余进行融合的步骤，具体包括：

16、对经过数据清洗的一组时序测量数据进行平稳性检测，对非平稳的时序数据进行差分平稳性处理；

17、计算平稳数据的自相关函数和偏自相关函数，根据自相关函数和偏自相关函数的特征，建立合适的模型，得到预测值；

18、基于预测值对实测结果进行均值融合。

19、根据本发明一些较优的实施例，所述对非平稳的时序数据进行差分平稳性处理的过程，具体包括：

20、将非平稳的时序数据进行差分处理得到一阶差分时序数据；

21、将所述一阶差分时序数据进行平稳性检测，如果一阶差分时序数据的均值和方差满足平稳性条件，则停止差分处理，如果不满足，则对一阶差分时序数据进行差分处理得到二阶差分时序数据，并进行平稳性检测，直到满足平稳性条件。

22、根据本发明一些较优的实施例，所述将状态数据空间冗余进行融合的步骤，包括：

23、将多个来源的冗余状态，计算同一状态的算术平均值；

24、计算每个来源状态的偏差平方值及总体的均方差值；

25、根据每个来源状态的偏差平方值的不同，计算相应来源的权值，通过权值计算得到状态最终的融合值。

26、根据本发明的第二方面实施例的面向电缆性能评价的时空冗余数据融合系统，，其特征在于，包括:

27、标准化模块，用于将多个数据来源中物理量含义不一致的数据进行标准化处理；

28、数据清洗模块，能够对异常状态数据进行清洗；

29、时间冗余融合模块，能够将状态数据时间冗余进行融合；

30、空间冗余融合模块，能够将状态数据空间冗余进行融合。

31、根据本发明的一些实施例，所述数据清洗模块还包括：

32、质心选取元件，能够对给定时间段内的数据样本中任取两个数据作为聚类的两个原始质心；

33、集合归类元件，用于计算所述样本数据中每个数据与所述两个原始质心的曼哈顿距离，并将其划分至距离较近的原始质心所述的数据集合；

34、质心矫正元件，能够在划分好数据集合后，重新计算每个数据集合对应的矫正质心；

35、第一迭代元件，能够重复所述集合归类模块和质心矫正模块的动作，使得每个数据集合的矫正质心和原始质心的差值小于预设的阈值；

36、数据剔除元件，能够分别计算每个所述数据集合对应的正态分布均值和标准差，并将其中样本数据不符合三西格玛准则的样本数据剔除，完成数据清洗。

37、根据本发明的一些实施例，所述时间冗余融合模块，包括：

38、平稳性处理元件，能够对经过数据清洗的一组时序测量数据进行平稳性检测，对非平稳的时序数据进行差分平稳性处理；

39、结果预测元件，用于计算平稳数据的自相关函数和偏自相关函数，根据自相关函数和偏自相关函数的特征，建立合适的模型，得到预测值；

40、预测融合元件，能够基于预测值对实测结果进行均值融合。

41、根据本发明一些较优的实施例，所述平稳性处理元件，包括：

42、时序处理机构，能够将非平稳的时序数据进行差分处理得到一阶差分时序数据；

43、迭代差分机构，能够将所述一阶差分时序数据进行平稳性检测，如果一阶差分时序数据的均值和方差满足平稳性条件，则停止差分处理，如果不满足，则对一阶差分时序数据进行差分处理得到二阶差分时序数据，并进行平稳性检测，直到满足平稳性条件。

44、根据本发明一些较优的实施例，所述空间冗余融合模块，包括：

45、算数平均元件，能够将多个来源的冗余状态，计算同一状态的算术平均值；

46、详细计算元件，用于计算每个来源状态的偏差平方值及总体的均方差值；

47、权重融合元件，能够根据每个来源状态的偏差平方值的不同，计算相应来源的权值，通过权值计算得到状态最终的融合值。

48、本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。