[發明專利]一種基于Hadoop的輸電網絡節點數據分析系統及方法

在審

• 申請號: 202011537577.8
• 申請日: 2020-12-23
• 公開（公告）號: CN112395335A
• 公開（公告）日: 2021-02-23
• 發明（設計）人: 吳華芹;謝妞妞;柳靜;呂潁潁;周少珂;郅忠強;張瑛;崔琳;張丹丹
• 申請（專利權）人: 河南應用技術職業學院
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/28;G06Q50/06;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 西安合創非凡知識產權代理事務所(普通合伙) 61248
• 代理人: 楊蕾

本發明公開了一種基于Hadoop的輸電網絡節點數據分析系統及方法，該系統包括：節點數據采集模塊，用于實現輸電網絡節點數據的采集，并利用信源編碼為每一個輸電網節點數據配置獨立的數據標識；數據預處理模塊，用于基于Hadoop運行預設的異常數據濾除模型實現節點數據的預處理；數據集生成模塊，用于基于Hadoop運行預設的節點數據分類模型實現節點數據的分類，獲取節點數據集；數據分析模塊，用于基于Hadoop運行預設的節點數據分析模型實現節點數據集的分析，并輸出對應的分析結果。本發明基于Hadoop實現了輸電網節點數據的分布式計算分析，可以及時發現輸電電網運行過程中存在的異常情況，實時性好、準確率高。

技術領域

本發明涉及輸電網監測領域，具體涉及一種基于Hadoop的輸電網絡節點數據分析系統及方法。

背景技術

電力系統中各種電壓的變電所及輸配線路組成的整體，稱為電力網，簡稱電網，包含變電、輸電、配電三個單元。輸電電網的運行狀態直接影響用戶的用電體驗及用電滿意度。如何實現輸電電網運行狀態的有效監測和分析，從而及時發現輸電電網運行過程中存在的異常，是目前迫切需要解決的問題。

目前，在輸電電網大數據分析中所使用的深度學習方法是基于基本為前饋神經網絡的深度學習方法，而前饋神經網絡的特點是同層神經元之間沒有反饋連接，沒有“時間參數”屬性，所以因此，基于前饋神經網絡的深度學習方法只擅長處理靜態數據，卻無法處理動態數據(即與時間相關的數據)，實時性較差，同時，由于輸電電網運行過程中會產生大量的電力數據，因此，一般的分析系統在運行過程中很容易發生負載過大、數據冗余、容易死機、數據處理速度降低的情況。

發明內容

為解決上述問題，本發明提供了一種實時性好、準確率高的基于Hadoop的輸電網絡節點數據分析系統及方法，實現了輸電網節點數據的分布式計算分析。

為實現上述目的，本發明采取的技術方案為：

一種基于Hadoop的輸電網絡節點數據分析系統，包括：

節點數據采集模塊，用于實現輸電網絡節點數據的采集，并利用信源編碼為每一個輸電網節點數據配置獨立的數據標識；

數據預處理模塊，用于基于Hadoop運行預設的異常數據濾除模型實現節點數據的預處理；

數據集生成模塊，用于基于Hadoop運行預設的節點數據分類模型實現節點數據的分類，獲取節點數據集；

數據分析模塊，用于基于Hadoop運行預設的節點數據分析模型實現節點數據集的分析，并輸出對應的分析結果。

進一步地，所述異常數據濾除模型采用無限深度神經網絡模型，所述異常數據為亢余數據、沖突數據；節點數據分類模型采用Bi-LSTM+Attention模型。

進一步地，還包括：

分析報告生成模塊，用于基于Hadoop運行預設的分析報告編制算法生成對應的分析報告。

進一步地，還包括：

異常工況識別模塊，用于基于Hadoop運行預設的異常工況識別模型實現節點數據的處理，從而識別處于異常工況的節點數據采集模塊。

本發明還提供了一種基于Hadoop的輸電網絡節點數據分析方法，包括如下步驟：

S1、實現輸電網絡節點數據的采集，并利用信源編碼為每一個輸電網節點數據配置獨立的數據標識；

S2、基于Hadoop運行預設的異常數據濾除模型實現節點數據的預處理；

S3、基于Hadoop運行預設的節點數據分類模型實現節點數據的分類，獲取節點數據集；