本发明属于电力技术领域，尤其涉及一种电容型设备在线监测数据处理方法及终端设备。
背景技术：
电容型设备常用于敞开式变电站，实际在线监测环境比较复杂。现有技术中，对介质损耗因数tanδ的在线监测很容易受到电压波动、温湿度变化以及设备绝缘外表面污秽等因素影响而出现偏离实际值的波动，导致对介质损耗因数tanδ的在线监测结果不准确，使在线监测装置发出错误告警信息，出现误判、漏判等现象。
技术实现要素：
有鉴于此，本发明实施例提供了一种电容型设备在线监测数据处理方法及终端设备，以解决现有技术对介质损耗因数tanδ的在线监测结果不准确的问题。
本发明实施例的第一方面提供了一种电容型设备在线监测数据处理方法，包括：
获取训练样本集，并根据训练样本集构建回归函数；
获取测试输入样本和测试输出样本，并将测试输入样本输入回归函数得到介质损耗因数tanδ的预测值；其中，测试输出样本包括测试tanδ；
根据介质损耗因数tanδ的预测值和测试tanδ，得到去除环境因素影响的tanδ的变化量。
本发明实施例的第二方面提供了一种终端设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如第一方面所述电容型设备在线监测数据处理方法的步骤。
本发明实施例的第三方面提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被一个或多个处理器执行时实现如第一方面所述电容型设备在线监测数据处理方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：本发明实施例通过根据训练样本集构建回归函数，根据回归函数得到tanδ的预测值，并根据tanδ的预测值和测试tanδ，得到去除环境因素影响的tanδ的变化量，能够得到在复杂环境条件下的tanδ的实际变化量，可以剔除环境因素的影响，有效去除因环境影响导致在线监测数据的偏差，提高在线监测数据的准确性，使处理后的在线监测数据具有更好的稳定性和实用价值，便于工作人员根据在线监测数据对设备运行状况进行识别。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的电容型设备在线监测数据处理方法的实现流程示意图；
图2是本发明一实施例提供的电容型设备在线监测数据处理系统的示意框图；
图3是本发明一实施例提供的终端设备的示意框图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
图1是本发明一实施例提供的电容型设备在线监测数据处理方法的实现流程示意图，为了便于说明，仅示出了与本发明实施例相关的部分。本发明实施例的执行主体可以是终端设备。如图1所示，该方法可以包括以下步骤：
s101：获取训练样本集，并根据训练样本集构建回归函数。
在本发明的一个实施例中，上述s101中的“根据训练样本集构建回归函数”，可以包括：
基于拉格朗日函数，根据训练样本集构建回归函数。
在本发明的一个实施例中，训练样本集包括训练输入样本子集和训练输出样本子集；
上述基于拉格朗日函数，根据训练样本集构建回归函数，包括：
对预先构建的拉格朗日函数
将方程组代入拉格朗日函数得到处理后的拉格朗日函数
根据处理后的拉格朗日函数构建目标函数，并对目标函数求解得到变量ω的表达式和变量b的表达式；
将变量ω的表达式和变量b的表达式代入预先构建的拉格朗日函数，得到回归函数。
在本发明的一个实施例中，上述目标函数为：
αi≥0。
在本发明的一个实施例中，变量ω的表达式为
变量b的表达式为
在本发明实施例中，在线监测数据可以包括环境温度、环境湿度、母线电压和介质损耗因数tanδ。训练样本集为历史在线监测数据，可以为过去一段时间内连续采集的电容型设备的在线监测数据，可以包括训练输入样本子集和训练输出样本子集。训练输入样本子集可以包括多个训练输入样本，训练输入样本可以包括训练环境温度、训练环境湿度和训练母线电压。训练输出样本子集可以包括多个训练输出样本，训练输出样本可以包括训练tanδ。训练输入样本和训练输出样本是一一对应的。也就是说，在线监测数据中，环境温度、环境湿度和母线电压为输入数据，tanδ为输出数据。训练输入样本和对应的训练输出样本组成训练样本，训练样本集包括多个训练样本。训练输入样本的数量和训练输出样本的数量相同，均为n。
具体地，获取训练样本集可以包括：获取过去一段时间内连续采集的电容型设备的在线监测数据，作为初始样本集，去除初始样本集中包括空白值、“-”值和汉字的初始样本，得到训练样本集。
其中，分别令所述变量ω的偏导数和所述变量b的偏导数为0，即
在本发明的一个实施例中，在根据训练样本集构建回归函数之前，电容型设备在线监测数据处理方法还包括：
对训练样本集进行归一化处理，得到归一化后的训练样本集；
相应的，根据训练样本集构建回归函数，包括：
根据归一化后的训练样本集构建回归函数。
具体地，将训练样本集中的数据通过归一化操作均变为(0,1)之间的小数，可以保证后续步骤执行时收敛加快。
s102：获取测试输入样本和测试输出样本，并将测试输入样本输入回归函数得到介质损耗因数tanδ的预测值；其中，测试输出样本包括测试tanδ。
在本发明的一个实施例中，测试输入样本和测试输出样本对应的在线监测数据与训练样本集中的在线监测数据为不同年的同一时间段的在线监测数据。
在本发明实施例中，一个测试样本可以包括测试输入样本和测试输出样本，测试样本可以是一个或多个，测试样本可以为近期连续采集的电容型设备在线监测数据，且已剔除包括空白值、“-”值和汉字的数据。
测试样本与训练样本为不同年的同一时间段的同一电容型设备的在线监测数据，以保证环境影响条件前后一致，回归函数具有同一性。示例性地，测试样本为今年7月份的电容型设备的在线监测数据，训练样本为去年7月份的电容型设备的在线监测数据，等等。
在本发明的一个实施例中，测试输入样本包括测试环境温度、测试环境湿度和测试母线电压。
在本发明的一个实施例中，在将测试输入样本输入回归函数得到介质损耗因数tanδ的预测值之前，电容型设备在线监测数据处理方法还包括：
对测试输入样本进行归一化处理，得到归一化后的测试输入样本；
对测试输出样本进行归一化处理，得到归一化后的测试输出样本；
相应的，将测试输入样本输入回归函数得到介质损耗因数tanδ的预测值，包括：
将归一化后的测试输入样本输入回归函数得到介质损耗因数tanδ的预测值。
在本发明实施例中，将各个测试样本分别输入回归函数可以得到每个测试样本分别对应的tanδ的预测值。
s103：根据介质损耗因数tanδ的预测值和测试tanδ，得到去除环境因素影响的tanδ的变化量。
具体地，对介质损耗因数tanδ的预测值和测试tanδ作差，得到去除环境因素影响的tanδ的变化量。
可选地，将tanδ的变化量与预设变化阈值进行比较，确定tanδ的变化量是否超过预设变化阈值；
若tanδ的变化量超过预设变化阈值，则进行报警。
其中，预设变化阈值可以根据规程要求等确定。
由上述描述可知，本发明实施例通过根据训练样本集构建回归函数，根据回归函数得到tanδ的预测值，并根据tanδ的预测值和测试tanδ，得到去除环境因素影响的tanδ的变化量，能够得到在复杂环境条件下的tanδ的实际变化量，可以剔除环境因素的影响，有效去除因环境影响导致在线监测数据的偏差，提高在线监测数据的准确性，使处理后的在线监测数据具有更好的稳定性和实用价值，便于工作人员根据在线监测数据对设备运行状况进行识别。
另外，通过将tanδ的变化量与预设变化阈值进行比较，确定tanδ的变化量是否超过预设变化阈值；若tanδ的变化量超过预设变化阈值，则进行报警，可以避免误报、漏报现象发生。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
图2是本发明一实施例提供的电容型设备在线监测数据处理系统的示意框图，为了便于说明，仅示出与本发明实施例相关的部分。
在本发明实施例中，电容型设备在线监测数据处理系统30可以包括回归函数构建模块301、预测值确定模块302和变化量确定模块303。
其中，回归函数构建模块301，用于获取训练样本集，并根据所述训练样本集构建回归函数；
预测值确定模块302，用于获取测试输入样本和测试输出样本，并将测试输入样本输入回归函数得到介质损耗因数tanδ的预测值；其中，测试输出样本包括测试tanδ；
变化量确定模块303，用于根据介质损耗因数tanδ的预测值和测试tanδ，得到去除环境因素影响的tanδ的变化量。
可选地，回归函数构建模块301，还用于：
基于拉格朗日函数，根据训练样本集构建回归函数。
可选地，训练样本集包括训练输入样本子集和训练输出样本子集；
回归函数构建模块301，还用于：
对预先构建的拉格朗日函数
将方程组代入拉格朗日函数得到处理后的拉格朗日函数
根据处理后的拉格朗日函数构建目标函数，并对目标函数求解得到变量ω的表达式和变量b的表达式；
将变量ω的表达式和变量b的表达式代入预先构建的拉格朗日函数，得到回归函数。
可选地，目标函数为：
αi≥0。
可选地，变量ω的表达式为
变量b的表达式为
可选地，测试输入样本和测试输出样本对应的在线监测数据与训练样本集中的在线监测数据为不同年的同一时间段的在线监测数据。
可选地，电容型设备在线监测数据处理系统30还可以包括第一归一化模块和第二归一化模块；
第一归一化模块，用于对训练样本集进行归一化处理，得到归一化后的训练样本集；
相应的，回归函数构建模块301还用于：
根据归一化后的训练样本集构建回归函数；
第二归一化模块，用于对测试输入样本进行归一化处理，得到归一化后的测试输入样本；
对测试输出样本进行归一化处理，得到归一化后的测试输出样本；
相应的，预测值确定模块302还用于：
将归一化后的测试输入样本输入回归函数得到介质损耗因数tanδ的预测值。
可选地，测试输入样本包括测试环境温度、测试环境湿度和测试母线电压。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述电容型设备在线监测数据处理系统的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述装置中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
图3是本发明一实施例提供的终端设备的示意框图。如图3所示，该实施例的终端设备40包括：一个或多个处理器401、存储器402以及存储在所述存储器402中并可在所述处理器401上运行的计算机程序403。所述处理器401执行所述计算机程序403时实现上述各个电容型设备在线监测数据处理方法实施例中的步骤，例如图1所示的步骤s101至s104。或者，所述处理器401执行所述计算机程序403时实现上述电容型设备在线监测数据处理系统实施例中各模块/单元的功能，例如图2所示模块301至304的功能。
示例性地，所述计算机程序403可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器402中，并由所述处理器401执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序403在所述终端设备40中的执行过程。例如，所述计算机程序403可以被分割成回归函数构建模块、预测值确定模块和变化量确定模块，各模块具体功能如下：
回归函数构建模块，用于获取训练样本集，并根据训练样本集构建回归函数；
预测值确定模块，用于获取测试输入样本和测试输出样本，并将测试输入样本输入回归函数得到介质损耗因数tanδ的预测值；其中，测试输出样本包括测试tanδ；
变化量确定模块，用于根据介质损耗因数tanδ的预测值和测试tanδ，得到去除环境因素影响的tanδ的变化量。
其它模块或者单元可参照图2所示的实施例中的描述，在此不再赘述。
所述终端设备40可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备40包括但不仅限于处理器401、存储器402。本领域技术人员可以理解，图3仅仅是终端设备40的一个示例，并不构成对终端设备40的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端设备40还可以包括输入设备、输出设备、网络接入设备、总线等。
所述处理器401可以是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器402可以是所述终端设备40的内部存储单元，例如终端设备40的硬盘或内存。所述存储器402也可以是所述终端设备40的外部存储设备，例如所述终端设备40上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，所述存储器402还可以既包括终端设备40的内部存储单元也包括外部存储设备。所述存储器402用于存储所述计算机程序403以及所述终端设备40所需的其他程序和数据。所述存储器402还可以用于暂时地存储已经输出或者将要输出的数据。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的电容型设备在线监测数据处理系统和方法，可以通过其它的方式实现。例如，以上所描述的电容型设备在线监测数据处理系统实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
1.一种电容型设备在线监测数据处理方法，其特征在于，包括：
获取训练样本集，并根据所述训练样本集构建回归函数；
获取测试输入样本和测试输出样本，并将所述测试输入样本输入所述回归函数得到介质损耗因数tanδ的预测值；其中，所述测试输出样本包括测试tanδ；
根据所述介质损耗因数tanδ的预测值和所述测试tanδ，得到去除环境因素影响的tanδ的变化量。
2.根据权利要求1所述的电容型设备在线监测数据处理方法，其特征在于，所述根据所述训练样本集构建回归函数，包括：
基于拉格朗日函数，根据所述训练样本集构建回归函数。
3.根据权利要求2所述的电容型设备在线监测数据处理方法，其特征在于，所述训练样本集包括训练输入样本子集和训练输出样本子集；
所述基于拉格朗日函数，根据所述训练样本集构建回归函数，包括：
对预先构建的拉格朗日函数
将所述方程组代入所述拉格朗日函数得到处理后的拉格朗日函数
根据所述处理后的拉格朗日函数构建目标函数，并对所述目标函数求解得到所述变量ω的表达式和所述变量b的表达式；
将所述变量ω的表达式和所述变量b的表达式代入所述预先构建的拉格朗日函数，得到回归函数。
4.根据权利要求3所述的电容型设备在线监测数据处理方法，其特征在于，所述目标函数为：
αi≥0。
5.根据权利要求3所述的电容型设备在线监测数据处理方法，其特征在于，所述变量ω的表达式为
所述变量b的表达式为
6.根据权利要求1至5任一项所述的电容型设备在线监测数据处理方法，其特征在于，所述测试输入样本和所述测试输出样本对应的在线监测数据与所述训练样本集中的在线监测数据为不同年的同一时间段的在线监测数据。
7.根据权利要求1至5任一项所述的电容型设备在线监测数据处理方法，其特征在于，在所述根据所述训练样本集构建回归函数之前，所述电容型设备在线监测数据处理方法还包括：
对所述训练样本集进行归一化处理，得到归一化后的训练样本集；
相应的，所述根据所述训练样本集构建回归函数，包括：
根据所述归一化后的训练样本集构建回归函数；
在所述将所述测试输入样本输入所述回归函数得到介质损耗因数tanδ的预测值之前，所述电容型设备在线监测数据处理方法还包括：
对所述测试输入样本进行归一化处理，得到归一化后的测试输入样本；
对所述测试输出样本进行归一化处理，得到归一化后的测试输出样本；
相应的，所述将所述测试输入样本输入所述回归函数得到介质损耗因数tanδ的预测值，包括：
将所述归一化后的测试输入样本输入所述回归函数得到介质损耗因数tanδ的预测值。
8.根据权利要求1至5任一项所述的电容型设备在线监测数据处理方法，其特征在于，所述测试输入样本包括测试环境温度、测试环境湿度和测试母线电压。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述电容型设备在线监测数据处理方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被一个或多个处理器执行时实现如权利要求1至8任一项所述电容型设备在线监测数据处理方法的步骤。
技术总结