培訓(xùn)用的電能計(jì)量裝置異常數(shù)據(jù)的模擬方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及電力培訓(xùn)領(lǐng)域，具體一種培訓(xùn)用的電能計(jì)量裝置異常數(shù)據(jù)的模擬方 法。
【背景技術(shù)】
[0002] 在企業(yè)競(jìng)爭(zhēng)日益表現(xiàn)為人才競(jìng)爭(zhēng)的今天，培訓(xùn)無(wú)疑是企業(yè)提高員工素質(zhì)并增強(qiáng)企 業(yè)核心競(jìng)爭(zhēng)力的重要手段。通過(guò)計(jì)量異常培訓(xùn)給電力員工進(jìn)行計(jì)量設(shè)備的深化培訓(xùn)，進(jìn)一 步豐富供電企業(yè)對(duì)于員工培訓(xùn)的渠道，提升供電服務(wù)水平，將是一項(xiàng)迫切且有益的事情。
[0003] 日常工作中的計(jì)量裝置異常有分類(lèi)多（有計(jì)量異常、設(shè)備異常、用電異常、通信信 道異常等分類(lèi)）、情況復(fù)雜(包括失壓、失流、逆相序異常、接線錯(cuò)誤、電能表飛走、電壓越限、 電流越限、電能表開(kāi)蓋與編程、計(jì)量門(mén)開(kāi)閉、強(qiáng)磁場(chǎng)干擾、導(dǎo)致傳統(tǒng)電壓互感器易損壞的鐵 磁諧振及偏磁導(dǎo)致互感器飽和等，很多異常有近似的表象，但性質(zhì)和嚴(yán)重性截然不同）等特 點(diǎn)，迫切需要有一套能夠系統(tǒng)性地分析各類(lèi)異常事件，并及時(shí)更新，定期為現(xiàn)場(chǎng)工作人員進(jìn) 行培訓(xùn)的系統(tǒng)。
[0004] 在培訓(xùn)時(shí)需要使用異常數(shù)據(jù)來(lái)展示，數(shù)據(jù)來(lái)源一般來(lái)自現(xiàn)有的電力公司的數(shù)據(jù)， 但是此數(shù)據(jù)也只有一部分，或者教師編造一些典型數(shù)據(jù)，編造的話不符合實(shí)際情況，不利于 教學(xué)成果，培訓(xùn)內(nèi)容應(yīng)盡量豐富、多元化，提升教學(xué)質(zhì)量，因此需要更加貼近實(shí)際的異常數(shù) 據(jù)。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提供一種培訓(xùn)用的電能計(jì)量裝置異常數(shù)據(jù)的模擬方法，模擬出貼 近實(shí)際的異常數(shù)據(jù)用于培訓(xùn)員工，提高培訓(xùn)質(zhì)量。
[0006] 本發(fā)明的目的是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的：
[0007]培訓(xùn)用的電能計(jì)量裝置異常數(shù)據(jù)的模擬方法，包括以下步驟：
[0008] 步驟一:收集現(xiàn)場(chǎng)的各類(lèi)計(jì)量信息，并從中抽取具有代表性的數(shù)據(jù)作為樣本信息， 作為異常數(shù)據(jù)的基礎(chǔ)及參照；
[0009] 步驟二:參考樣本信息，按正態(tài)分布規(guī)則模擬"正向有功總電量"、"正向有功尖電 量"、"正向有功峰電量"、"正向有功平電量"、"正向有功谷電量"數(shù)據(jù)，根據(jù)中心極限定理， 從正態(tài)總體Ν(μ，σ 2)中，隨機(jī)抽取例數(shù)為η的樣本，樣本均數(shù)也服從正態(tài)分布，即使是從偏態(tài) 總體中抽樣，當(dāng)η足夠大時(shí)，樣本均數(shù)的分布仍然服從正態(tài)分布五(無(wú)):= //，正態(tài)分布規(guī)則算 法如下：
[0010] 1)獲取上月樣本數(shù)據(jù)X^Xs. . . .Χη，計(jì)算樣本均值，樣本標(biāo)準(zhǔn)差
[0011 ] 2)估算整體均值料=X,估算整體標(biāo)準(zhǔn)差為％ = + :
[0012]3)根據(jù)估算正態(tài)分布參數(shù)內(nèi)￥，生成模擬數(shù)據(jù)樣本父'（父/1，父/2....匕），其中￥為 需要模擬的數(shù)據(jù)總數(shù)；
[0013] 4)根據(jù)線性轉(zhuǎn)換Xi~N(0，1)，則Yi = oXi+μ~Ν(μ，〇2)，計(jì)算獲得Yi，Yi共Y條，即為正 態(tài)化模擬數(shù)據(jù)；
[0014]步驟三:參考樣本信息，按均勻分布規(guī)則模擬"通訊方式"、"用戶類(lèi)別"、"電能表費(fèi) 率"、"電能表接線方式"、"變壓器容量"、"功率因數(shù)"數(shù)據(jù)，均勻分布規(guī)則算法為：
[0015] 根據(jù)隨機(jī)數(shù)函數(shù)生成N個(gè)[0，1]區(qū)間對(duì)應(yīng)，按要求轉(zhuǎn)換成需求的區(qū)間隨機(jī)數(shù)；
[0016] 步驟四：步驟二和步驟三的結(jié)果與樣本信息總和產(chǎn)生標(biāo)準(zhǔn)數(shù)據(jù)，讀取教學(xué)培訓(xùn)用 的異常點(diǎn)；
[0017]步驟五:關(guān)聯(lián)計(jì)量異常專家?guī)炫袛鄻?biāo)準(zhǔn)數(shù)據(jù)中需模擬哪些異常數(shù)據(jù)，計(jì)量異常專 家?guī)焓怯涗浟擞?jì)量異常判斷依據(jù)及表現(xiàn)特點(diǎn)的數(shù)據(jù)倉(cāng)庫(kù)；
[0018] 步驟六:結(jié)合計(jì)量異常專家?guī)煨薷臄?shù)據(jù)，修改數(shù)據(jù)后結(jié)合計(jì)量異常專家?guī)祢?yàn)證數(shù) 據(jù)正確性；
[0019] 步驟七:判斷數(shù)據(jù)的正確性，若正確，則得到培訓(xùn)用的電能計(jì)量裝置異常數(shù)據(jù);若 錯(cuò)誤，判斷計(jì)量異常專家?guī)焓欠裾_，若計(jì)量異常專家?guī)煺_，返回步驟六，若計(jì)量異常專 家?guī)戾e(cuò)誤，返回步驟五。
[0020] 優(yōu)選的，樣本信息包含用戶信息、計(jì)量點(diǎn)信息、電量信息、計(jì)量信息發(fā)生的時(shí)間段、 計(jì)量信息發(fā)生區(qū)域。
[0021 ]進(jìn)一步的，需要模擬的數(shù)據(jù)總數(shù)Y通過(guò)以下方法得到：
[0022] (1)生成原理:利用李德伯格-萊維中心極限定理，如果隨機(jī)變量序列XiA... .Xn獨(dú)立同 分布，并具有有限的數(shù)學(xué)期望和方差，則對(duì)一切X e R有
、一 % ησ ·?=ι …νπ
[0023] 貝樹(shù)服從均勻分布的隨機(jī)變量Xi，只要η足夠大，則隨機(jī)變量
[0024] (2)根據(jù)隨機(jī)函數(shù)生成No個(gè)[0，1]區(qū)間的隨機(jī)數(shù)&
按要求生成Y個(gè)，SY月艮 從 Ν(Ν〇μ，Ν〇σ2)，其中 Ν〇 = 200，μ = 0·5，σ2 = 1/12;
[0025] (3)利用公式
計(jì)算獲得Χ1;
[0026] (4)根據(jù)線性轉(zhuǎn)換 Xi ~N(0，l)，Yi = 〇Xi+y ~Ν(μ，σ2)，計(jì)算獲得 Yi。
[0027] 有益效果：
[0028] (1)本發(fā)明對(duì)各用電現(xiàn)場(chǎng)雜亂、無(wú)序、模糊的計(jì)量事件進(jìn)行判斷、篩選，用科學(xué)的算 法模擬出典型的計(jì)量異常、設(shè)備異常、用電異常、通信信道異常等異常事件，并模擬出用于 培訓(xùn)的異常數(shù)據(jù)，使上述各類(lèi)異常事件能夠更加系統(tǒng)化、直觀化地進(jìn)行展示。
[0029] (2)模擬出計(jì)量異常信息，提供給省級(jí)用電信息采集平臺(tái)異常數(shù)據(jù)聚類(lèi)分析及培 訓(xùn)平臺(tái)，本發(fā)明模擬的數(shù)據(jù)更符合實(shí)際情況，相比于選取的部分?jǐn)?shù)據(jù)以及編造的數(shù)據(jù)，能夠 給電力員工進(jìn)行更好的計(jì)量設(shè)備的深化培訓(xùn)，進(jìn)一步從計(jì)量設(shè)備出現(xiàn)問(wèn)題的根本原因著 手，針對(duì)異常的表現(xiàn)，加深學(xué)員的印象，使學(xué)員工獲得了實(shí)質(zhì)性的學(xué)習(xí)。
【附圖說(shuō)明】
[0030]圖1是本發(fā)明流程圖。
[0031]圖2為本發(fā)明正態(tài)分布規(guī)則算法流程圖。
【具體實(shí)施方式】
[0032]以下結(jié)合附圖對(duì)本發(fā)明的實(shí)施例進(jìn)行詳細(xì)說(shuō)明，但是本發(fā)明可以由權(quán)利要求限定 和覆蓋的多種不同方式實(shí)施。
[0033] 如圖1所示，本發(fā)明公開(kāi)一種培訓(xùn)用的電能計(jì)量裝置異常數(shù)據(jù)的模擬方法，包括以 下步驟：
[0034] 步驟一:收集現(xiàn)場(chǎng)的各類(lèi)計(jì)量信息，并從中抽取具有代表性的數(shù)據(jù)作為樣本信息， 樣本信息包含用戶信息、計(jì)量點(diǎn)信息、電量信息、計(jì)量信息發(fā)生的時(shí)間段、計(jì)量信息發(fā)生區(qū) 域，樣本信息作為異常數(shù)據(jù)的基礎(chǔ)及參照；
[0035]步驟二:參考樣本信息，按正態(tài)分布規(guī)則模擬"正向有功總電量"、"正向有功尖電 量"、"正向有功峰電量"、"正向有功平電量"、"正向有功谷電量"等數(shù)據(jù)。如圖2所示，對(duì)樣本 信息按正態(tài)分布規(guī)則模擬數(shù)據(jù)，根據(jù)中心極限定理，從正態(tài)總體Ν(μ， 〇2)中，隨機(jī)抽取例數(shù) 為η的樣本，樣本均數(shù)也服從正態(tài)分布，即使是從偏態(tài)總體中抽樣，當(dāng)η足夠大時(shí)，樣本均數(shù) 的分布仍然服從正態(tài)分布五(f)=盧，正態(tài)分布規(guī)則算法如下：
[0036] 1)獲取上月樣本數(shù)據(jù)Χι,Χ2--Xn，計(jì)算樣本均值
樣本標(biāo)準(zhǔn)差1,.=
[0037] 2)估算整體均值= I,估算整體標(biāo)準(zhǔn)差為;
[0038] 3)根據(jù)數(shù)據(jù)服從正態(tài)總體Ν(μ，〇2)分布，生成模擬數(shù)據(jù)樣本X' 其中Y為需要模擬的數(shù)據(jù)總數(shù)；
[0039] 4)根據(jù)線性轉(zhuǎn)換Xi~N(0，1)，則Yi = 〇Xi+y~Ν(μ，σ2)，計(jì)算獲得Yi(共Y條），即為正 態(tài)化模擬數(shù)據(jù)；
[0040] 步驟三:對(duì)樣本信息按均勻分布規(guī)則模擬數(shù)據(jù)，均勻分布規(guī)則算法為：
[0041] 根據(jù)隨機(jī)數(shù)函數(shù)生成N個(gè)[0，1]區(qū)間對(duì)應(yīng)，按要求轉(zhuǎn)換成需求的區(qū)間隨機(jī)數(shù)；
[0042]步驟四：根據(jù)步驟二和步驟三的結(jié)果產(chǎn)生標(biāo)準(zhǔn)數(shù)據(jù)并讀取教學(xué)培訓(xùn)用的異常點(diǎn)； [0043]步驟五:關(guān)聯(lián)計(jì)量異常專家?guī)炫袛鄻?biāo)準(zhǔn)數(shù)據(jù)中需模擬哪些異常數(shù)據(jù)；
[0044]步驟六:結(jié)合計(jì)量異常專家?guī)煨薷臄?shù)據(jù)，修改數(shù)據(jù)后結(jié)合計(jì)量異常專家?guī)祢?yàn)證數(shù) 據(jù)正確性；
[0045]步驟七:判斷數(shù)據(jù)的正確性，若正確，則得到培訓(xùn)用的電能計(jì)量裝置異常數(shù)據(jù);若 錯(cuò)誤，判斷計(jì)量異常專家?guī)焓欠裾_，若計(jì)量異常專家?guī)煺_，返回步驟六，若計(jì)量異常專 家?guī)戾e(cuò)誤，返回步驟五。
[0046]需要模擬的數(shù)據(jù)總數(shù)Y通過(guò)以下方法得到：
[0047] (1)生成原理:利用李德伯格-萊維中心極限定理，如果隨機(jī)變量序列.. .Xn 獨(dú)立同分布，并具有有限的數(shù)學(xué)期望和方差，則對(duì)一切x￡R有
[0048]
[0049] 則對(duì)服從均勻分布的隨機(jī)變量&，只要η足夠大，則隨機(jī)變量
艮從 N(0，1);
[0050] (2)根據(jù)隨機(jī)函數(shù)生成No個(gè)[0，1]區(qū)間的隨機(jī)數(shù)Xl: 按要求生成Y個(gè)，SY服 從 Ν(Ν〇μ，Ν〇σ2)，其中 Νο = 200,μ = 0·5,σ2 = 1/12:
[0051] (3)利用公式
汁算獲得χ1;
[0052] (4)根據(jù)線性轉(zhuǎn)換Xi~以0，1)上=故邱~1^，。2)，計(jì)算獲得丫土。
[0053] 實(shí)施例：
[0054]以下以"電能表飛走和突變"舉例，生成合肥市2015年12月份電能表飛走異常記 錄：
[0055] 1、根據(jù)安徽省2015年11月份的電能表飛走和突變異常記錄，查看合肥電能表飛走 和突變異常記錄為79條，如下圖，