(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210900978.8 (22)申请日 2022.07.28 (71)申请人 广东电网有限责任公司东莞供电局 地址 523000 广东省东莞 市东城街道东城 路东城段239号 (72)发明人 罗金满　邹钟璐　赵善龙　叶思琪　 余凌　袁咏诗　高承芳　冷颖雄　 董彩红　刘丽媛　刘飘　林浩钊　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 杜嘉伟 (51)Int.Cl. H04L 43/0888(2022.01) H04L 41/0604(2022.01) H04L 43/028(2022.01)H04L 67/10(2022.01) H04L 67/12(2022.01) G06F 16/25(2019.01) G06F 16/2455(2019.01) H02J 13/00(2006.01) (54)发明名称 一种面向电网大数据分析的模型算法选型 评价方法 (57)摘要 本发明公开了一种面向电网大数据分析的 模型算法选 型评价方法， 包括以下步骤： 步骤S1、 将Storm平台作为电网数据报警的前端框架、 Spark平台作为训练模型平台构成云平台框架， 电网分布式调度模块与所述云平台框架相结合； 步骤S2、 采用基于优先数事件队列的事件插入算 法对所述监测数据的优先级进行排序， 对所述报 警数据采用双阈值参数提取算法提取监测数据 流； 步骤S3、 通过在所述云平台框架中引入模型 标记语言以获取Storm平台和Spark平台的数据 互通； 步骤S4、 依据所述电力设备监测数据的优 先级对电网分布式调度模块的系统数据吞吐量 进行评价， 实现了Storm和Spark下模型的互通， 实现云平台下不同系统的跨平台共享提高了数 据处理的速度， 提高了数据接收的可靠性。 权利要求书3页 说明书7页 附图1页 CN 114978962 A 2022.08.30 CN 114978962 A 1.一种面向电网大 数据分析的模型算法选型评价方法， 其特 征在于， 包括以下步骤： 步骤S1、 将Storm平台作为电网数据报警的前端框架、 Spark平台作为训练模型平台一 起构成云平台框架， 电网分布式调度模块与所述云平台框架相结合， 分析电网数据流以监 测电网设备报警数据； 步骤S2、 采用基于优先数事件队列的事件插入算法对监测数据的优先级进行排序， 对 所述报警数据采用双阈值参数提取算法提取监测数据流， 获取电力设备监测数据 的优先 级； 步骤S3、 通过在所述云平台框架中引入模型标记语言， 获取Storm平台和Spark平台的 数据互通， 以快速处 理并监测报警数据； 步骤S4、 依据 所述电力设备监测数据的优先级对电网分布式调度模块的系统数据 吞吐 量进行评价， 实时监测数据处 理可靠性。 2.根据权利要求1所述的一种面向电网大数据分析的模型算法选型评价方法， 其特征 在于， 所述 步骤S1包括： 所述云平台框架采用分组模式对接所述电网分布式调度模块， 所述电网分布式调度模 块通过分布式调 度集群及时获取电网数据， 并在所述云平台框架的监测下进 行数据分布式 调度。 3.根据权利要求2所述的一种面向电网大数据分析的模型算法选型评价方法， 其特征 在于， 所述云平台框架采用主节 点和工作 节点两个JDK资源包实时通信， 所述主节点和工作 节点之间通过Pi ng语句实时通信， 所述工作节点的运行通过Spark平台的UI界面实时显示。 4.根据权利要求3所述的一种面向电网大数据分析的模型算法选型评价方法， 其特征 在于， 还包括： 所述云平台通过监测电网数据的时限性要求对监测数据进行排序； 所述云平台通过监测电网数据的时限性要求对监测数据进行排序， 包括： 根据电网报警数据的实时时限要求 ， 报警数据的接收和分发的时延 ， 实际处理报 警数据的时间 ， 在云平台上计算报警数据处理的时间裕度 ； 所述时间裕度 的表达式 为： 在任意时间段内， 根据优先队列性质对所述时间裕度 进行排序， 计算队列中任意时 刻 报警数据 的时间裕度 ， 其表达式为： 其中， 表示任意时刻 的实际处理时间， ， 表示报警数据 前面 共有的待处 理数据总和。 5.根据权利要求4所述的一种面向电网大数据分析的模型算法选型评价方法， 其特征 在于， 还包括： 依据所述任意时刻报警数据 的时间裕度 采用基于优先数事件队列的权　利　要　求　书 1/3 页 2 CN 114978962 A 2事件插入算法对报警事 件进行优先级排序； 所述事件插入算法包括： 根据所述报警数据 的时间裕度 确定事件的优先 数、 实时性以及插 入的队列； 通过预估实时的时间裕度 确定插入的位置， 检查报警数据 的时间在该位置的实 时性， 若报警数据 的时间满足实时性要求则直接插入预估位置， 若报警数据 的时间不 满足实时性要求则将其插入下一位， 若插入最后一位仍然不满足报警数据 时间的实时 性要求， 则停止插 入； 在事件插入结束后， 对插入事件位置以后的事件进行实时性检测， 若不满足后续事件 实时性则将待插 入事件放入不能插 入事件集合； 对插入事件队列进行最小时间裕度监测， 如果不符合条件， 则将要插入事件放入到不 能插入的事件集合内。 6.根据权利要求5所述的一种面向电网大数据分析的模型算法选型评价方法， 其特征 在于， 对所述报警事件的排序优 先级采用双阈值参数提取算法提取监测数据流， 采用St orm 平台框架下的放电模型， 实时模拟极端条件下众多高压电力设施电网报警数据涌入监测中 心的情况， 对电网数据中的局部放电数据进行处理分析， 并将局部放电数据参数与所述 Storm平台相结合以构造实时图谱分析。 7.根据权利要求6所述的一种面向电网大数据分析的模型算法选型评价方法， 其特征 在于， 所述双阈值 参数提取算法具体为： 首先， 利用所述Storm平台实时监测局部放电的源序号 以及监测源当前要绘制的图 谱序号 ， 根据所述图谱序号 的图谱分析要求设置信号个数 ； 其次， 计算提取第 个监测源时相对 个图谱周期的参数， 并根据图谱周期的参 数相位获取绘制图谱时对信号的计数 ， 判断提取监测源次数 是否大于总监测源； 最后， 根据信号计数 以及监测源 绘制第 个监测源的第 个谱图。 8.根据权利要求6所述的一种面向电网大数据分析的模型算法选型评价方法， 其特征 在于， 依据所述Storm平台的实时监测数据在所述云平台框架中引入模型标记语 言， 以获取 Storm平台和Spark平台的数据互通； 其中， 所述云平台框架中所引入的模型标记语言为基于PMML的分布式文件系统、 实时 接收和分发电网数据， 所述Spar k平台中所引入的模 型标记语 言为Alluxio模 型实时存储电 网数据。 9.根据权利要求8所述的一种面向电网大数据分析的模型算法选型评价方法， 其特征 在于， 还包括： 在所述云平台框架中根据所述电网报警数据的优先级对单位时间内云平台框架所能 处理的放电数据总量进行测试， 以评估报警数据处 理吞吐率； 所述在所述云平台框架中根据所述电网报警数据的优先级对单位时间内云平台框架 所能处理的放电数据总量进行测试， 以评估报警数据处 理吞吐率， 包括： 在所述Spark平台中引入模式构造模块与源 组件FileFromDirSpout以及数据处理组件权　利　要　求　书 2/3 页 3 CN 114978962 A 3