1.基于数据流分析的电力运营实时监测和拟合方法，其特征在于包括以下步骤：A、收集电力运营中心运营数据；B、对运营数据按照不同类型进行优先级分段；C、对每一类数据进行数据清洗和数据合并；D、使用步骤C处理后的数据对电力运营中心的运营状态进行实时监测，并对未来运营状态进行实时模拟；步骤B中，对运营数据进行优先级分类包括以下步骤，B1、运营数据类型包括实时数据、非实时数据、用电侧数据、发电侧数据、结构化数据、非结构化数据，对每个数据类型赋予权重值；B2、对运营数据按照步骤B1中的数据类型进行分类，然后使用数据所属的若干类型对应的权重值进行求和，按照权重值求和结果对运营数据进行优先级排序，权重值求和结果与优先级成正比；B3、将按照优先级排序的数据进行分段；步骤B3中，每段数据中包括步骤B1中所有的数据类型；步骤C中，对每段数据进行数据清理包括以下步骤，C11、根据数据库中记载的异常数据包特征对数据段中与异常数据包特征相同的数据包进行标记，记做第一标记数据包；C12、将与步骤C11中标记的任意一个数据包相关度大于阈值的数据包进行标记，记做第二标记数据包；C13、以每个第一标记数据包为基准，以数据段中所有数据与作为基准的第一标记数据包的相关度作为对象，对数据段的所有数据包进行正态分布拟合，直至所有第一标记数据包均作为基准进行了拟合操作，记录每个数据包在不同拟合曲线中的位置；C14、若数据包在任意一个拟合曲线中的位置超出了μ±3δ的范围，则将此数据包进行暂存，然后将其他第一标记数据包和第二标记数据包进行删除，μ为拟合曲线的均值，δ为拟合曲线的方差；步骤C12中，计算不同第二标记数据包之间相关度的标准差，若标准差大于阈值，则对第二标记数据包进行删除，保证不同第二标记数据包之间相关度的标准差小于或等于阈值；步骤C中，对经过数据清洗的数据进行数据合并包括以下步骤，C21、对数据包的数据格式进行变换统一，统一后的数据格式为，头段，用于记录数据包原始格式；地址段，用于记录数据包发送地址；数据段，用于记录数据内容；标记段，用于记录数据的优先级和标记信息；校验段，用于记录数据包的校验信息；C22、根据数据段记录的数据内容进行特征向量提取；C23、当两个数据包的特征向量线性相关，且数据包的优先级相同，则将两个数据包进行合并，合并时头段、地址段和校验段进行直接复制合并，数据段根据特征向量的线性关系进行加权相加；合并后的数据中至多包括一个步骤C14暂存的数据包。
2.根据权利要求1所述的基于数据流分析的电力运营实时监测和拟合方法，其特征在于：步骤C21中，校验信息与地址段和数据段的数据信息相关联。
3.根据权利要求2所述的基于数据流分析的电力运营实时监测和拟合方法，其特征在于：步骤C22中，对数据内容进行特征向量提取包括以下步骤，C221、对数据内容进行归一化处理；C222、设定滑动窗口，对归一化处理后的数据内容进行遍历，采集滑动窗口内数据内容相同的部分，若采集的数量不足最低阈值，则扩大滑动窗口的长度，重新进行遍历采集，直至采集的数量满足最低阈值；C223、使用采集到的数据以及数据在数据内容中的位置组成特征向量。
4.根据权利要求3所述的基于数据流分析的电力运营实时监测和拟合方法，其特征在于：滑动窗口的初始长度为待处理数据段长度的2.5%。
5.根据权利要求4所述的基于数据流分析的电力运营实时监测和拟合方法，其特征在于：步骤C23中，将未进行合并的步骤C14中暂存的数据包的特征向量与合并后的数据包的特征向量进行对比，若对比结果的线性相关度高于设定阈值，则将此合并后的数据包删除，完成全部对比后，将未进行合并的步骤C14中暂存的数据包进行删除。
6.根据权利要求5所述的基于数据流分析的电力运营实时监测和拟合方法，其特征在于：步骤D中，对电力运营中心的运营状态进行实时监测包括以下步骤，D11、使用校验信息对数据包进行校验；若校验通过则转至步骤D12，否则转至步骤D13；D12、使用地址段内容和数据段内容还原数据信息，根据还原的数据信息得到电力运营中心的实时运营状态；优先使用优先级高的数据包；D13、使用头段内容对数据包进行反变换，得到原始格式的数据包。
7.根据权利要求6所述的基于数据流分析的电力运营实时监测和拟合方法，其特征在于：步骤D11中，优先使用校验信息中与地址段相关联的内容进行校验。
8.根据权利要求7所述的基于数据流分析的电力运营实时监测和拟合方法，其特征在于：步骤D中，对未来运营状态进行实时模拟包括以下步骤，D21、根据步骤D12中得到的电力运营中心的实时运营状态绘制运营状态图谱；D22、根据运营状态图谱的变化趋势对未来运营状态进行实时模拟；D23、使用步骤D13得到的原始格式的数据包进行拟合，然后与步骤D22得到的未来运营状态图谱进行对比，对步骤D22得到的未来运营状态图谱进行修正。
转果果小程序
转果果公众号