本发明涉及电网调度自动化技术领域，特别涉及一种监控系统异常信息缺陷概率分析方法。
背景技术：
现有的调度自动化系统、集中监控智能分析及辅助决策系统只能对异常信息进行告警窗提示或对异常信息总数进行统计，不能对设备的缺陷情况进行预判，对设备故障处理被动。同时，原有基于人工的电网监控运行分析方法对调控员人工经验的过度依赖，处理方式方法因人而异。因此需要一种统一的分析方法，对数据进行分析并预测。
授权公告号cn101867226b的发明公开了一种调度自动化系统数据采集的运行方式，包括：(1)在一体化系统中，对数据采集部分在广域范围内进行分区域设置，各个数据采集区协同工作，共同完成整个系统的数据采集工作；(2)每个数据采集区只处理自己区域内的任务，其他区域的各种信息和运行状态不会影响本区域的正常运行和资源消耗；(3)各个区域的数据采集子系统将各自的所有信息提供给系统集中处理和展示，人工查询数据时不需要进行额外的数据采集区域选择工作。
上述对比文件主要体现在数据的采集及管理方面，不能通过数据的分析实现缺陷情况预测，仍然需要依赖较多的人力。
技术实现要素：
针对现有技术主要依靠人工，无法对电网的缺陷情况做预测的问题，本发明提供了一种监控系统异常信息缺陷概率分析方法，能够通过对数据的分析，实现对缺陷概率的预测，实现大数据与具体业务的对接，形成异常信息处置多点协同。
以下是本发明的技术方案。
一种监控系统异常信息缺陷概率分析方法，包括以下步骤：
步骤s01：采集并筛选出选异常信息；
步骤s02：整理所筛选出的异常信息；
步骤s03：对异常信息进行统计归类；
步骤s04：分析不同异常信息对应的缺陷概率。
本发明的目的是要将原有基于人工的电网监控运行分析方法改为以大数据为基础的智能运行分析方法，避免对调控员人工经验的过度依赖，同时加速故障处置，降低电网风险，保证安全可靠供电。
作为优选，所述步骤s01中，具体过程包括：使用调度自动化系统、集中监控智能分析或辅助决策系统对异常信息总数进行采集和筛选。在进行前期信息优化的基础上，制定信息质量改进工作流程，通过前期信息优化、信息清洗、信息整理、有效获取等环节，使信息质量改进工作更加的标准化、流程化，全面提升各系统信息质量，帮助调控员筛选有效信息，便于及时发现电网异常，有效支撑后续信息分析应用，加快异常信息处置。
作为优选，所述步骤s02中，整理过程包括：按出现次数或频率对异常信息进行排列。
作为优选，所述步骤s03中，统计归类过程包括：统计异常信息及异常原因，将每种异常信息对应的异常原因归为一类。
作为优选，所述异常信息包括历史数据和实时数据，所述异常原因包括设备缺陷、异常操作或恶劣环境。
作为优选，所述步骤s04中，分析过程包括：计算出每种异常信息所反应出的不同异常原因的概率。基于数据采集、存储及治理一体化的结果，通过建立关联统计和分析模型，对多源异构的结构化电力监控业务相关数据进行统计分析和挖掘，分析得出电网异常信息缺陷概率。然后借助相关分析与因果分析相结合的策略，实现对常态化监控业务和异常事件发生原因的推断，以及多维度对比关联性综合评价，在设备异常信息发生后，通过信息质量改进流程获取有效信息，再通过设备运行分析、设备控制分析，获得有效信息与异常信息缺陷概率统计中某类情况的因果关系。
作为优选，还包括：将每种异常信息所反应的异常原因按概率从高到低排序。
本发明实质性效果为：通过关联统计和分析模型，完成大数据与具体业务的对接，推进主动型调控工作建设，使电网异常信息分析、调控预警处置和现场缺陷闭环整治融合为一体，优化压缩业务链条。
具体实施方式
以下结合具体实施例对本技术方案做进一步阐述。
实施例：一种监控系统异常信息缺陷概率分析方法，包括以下步骤：
步骤s01：采集并筛选出选异常信息；
步骤s02：整理所筛选出的异常信息；
步骤s03：对异常信息进行统计归类；
步骤s04：分析不同异常信息对应的缺陷概率。
本实施例的目的是要将原有基于人工的电网监控运行分析方法改为以大数据为基础的智能运行分析方法，避免对调控员人工经验的过度依赖，同时加速故障处置，降低电网风险，保证安全可靠供电。
本实施例中，所述步骤s01中，具体过程包括：使用调度自动化系统、集中监控智能分析或辅助决策系统对异常信息总数进行采集和筛选。在进行前期信息优化的基础上，制定信息质量改进工作流程，通过前期信息优化、信息清洗、信息整理、有效获取等环节，使信息质量改进工作更加的标准化、流程化，全面提升各系统信息质量，帮助调控员筛选有效信息，便于及时发现电网异常，有效支撑后续信息分析应用，加快异常信息处置。
本实施例中，所述步骤s02中，整理过程包括：按出现次数或频率对异常信息进行排列。
本实施例中，所述步骤s03中，统计归类过程包括：统计异常信息及异常原因，将每种异常信息对应的异常原因归为一类。
本实施例中，所述异常信息包括历史数据和实时数据，所述异常原因包括设备缺陷、异常操作或恶劣环境。
本实施例中，所述步骤s04中，分析过程包括：计算出每种异常信息所反应出的不同异常原因的概率。基于数据采集、存储及治理一体化的结果，通过建立关联统计和分析模型，对多源异构的结构化电力监控业务相关数据进行统计分析和挖掘，分析得出电网异常信息缺陷概率。然后借助相关分析与因果分析相结合的策略，实现对常态化监控业务和异常事件发生原因的推断，以及多维度对比关联性综合评价，在设备异常信息发生后，通过信息质量改进流程获取有效信息，再通过设备运行分析、设备控制分析，获得有效信息与异常信息缺陷概率统计中某类情况的因果关系。
本实施例中，还包括：将每种异常信息所反应的异常原因按概率从高到低排序。
本实施例通过关联统计和分析模型，完成大数据与具体业务的对接，推进主动型调控工作建设，使电网异常信息分析、调控预警处置和现场缺陷闭环整治融合为一体，优化压缩业务链条。具有如下特点：对上窗信息进行再次优化整理，确保了信息的真实有效；缺陷概率分析是基于大数据的统计分析的结果，保证了信息源可靠性；通过缺陷概率分析，将偌大的异常信息库更为直观化；异常信息发生后，进行多维度关联分析，使得缺陷概率分析准确率更高；对设备缺陷情况进行预判，加快消缺处理；实现大数据与具体业务的对接，形成异常信息处置多点协同。
应当说明的是，该具体实施例仅用于对技术方案的进一步阐述，不用于限定该技术方案的范围，任何基于此技术方案的修改、等同替换和改进等都应视为在本发明的保护范围内。