CN101213421B - 公用事业监视系统中数据的自动化集成 - Google Patents

Abstract

自动化集成监视(IM)算法通过在时间上将数据对准到公共基准点并通过标识层次结构中的每一个监视设备相对于其他设备的位置，将来自公用事业监视系统的数据置于上下文中。从所有计量表接收频率变化数据。使用互相关算法来确定数据最相关时的时间延迟，自动地将数据对准到公共基准点，如准确的零交叉点。一旦对准了数据，就从层次结构中的所有计量表接收功率数据，使用相关算法，自动学习监视系统布局，以基于它们的历史功率读数，判断哪两个计量表最有可能彼此相关联。一旦布局完成，就可以通过IM算法自动地作出有关硬件和软件配置的额外的判断。

Description

公用事业监视系统中数据的自动化集成

技术领域

一般而言，本发明涉及公用事业监视系统，具体来说，涉及数据的自动化精度对准、电力监视系统层次结构的自动化确定，以及公用事业监视系统中的数据的自动化集成。

背景技术

由于在19世纪后期产生了配电系统，一直需要监视它们的操作特征和电特征。如果能够收集、分析有关电力系统的信息并对它们作出响应，就可以提高安全性、最大限度地降低设备损耗、缩小报废，最终可以节省时间和资金。为此，开发了监视设备，用于测量并报告这样的信息。随着电子时代的到来，来自监视设备的数据的质量和数量大大地改善，并开发出了通信网络和软件，用于收集、显示和存储信息。令人遗憾的是，那些负责评估来自监视设备的数据的系统现在被来自它们的监视系统的信息所淹没。为了最大限度地提高监视系统的用途，监控设备制造商正在寻找以最有用的格式呈现信息的方法。

有效地监视当今的配电系统相当繁重、昂贵，并且效率低下。电力监视系统通常以层次结构的方式布置，诸如电度表之类的监视设备安装在层次结构的各个层次(请参见图2)。监视设备测量流过导体的电信号的各种特征(例如，电压、电流、波形畸变、功率等等)，由用户对来自每一个监视设备的数据进行分析，以评估潜在的性能或质量相关的问题。然而，当今的电气监视系统的组件(监视设备、软件等等)彼此独立地操作，要求用户成为配置硬件、收集和分析数据以及判断哪些数据重要或有用方面的专家。这里有两个问题：待分析的数据量和数据的上下文。这些是单独的但是相关的问题。可以使对数据的分析过程自动化，来解决数据量的问题。但是，为了可靠地做到这一点，数据必须放进上下文中。评估电力系统的每一个监视设备之间的数据的独立性基本上使得每一个监视设备忘记来自连接到正在被分析的系统的其他监视设备的数据。相应地，从每一个监视设备传输到系统计算机的数据经常不对准，因为来自系统上的每一个监视设备的数据不会同时到达监视系统的计算机。之所以监视设备之间的数据存在时间的偏差，有两个基本原因：通信时间延迟和监视设备时间记录与事件时间戳。然后，由用户来分析和解释此独立的数据，以便优化性能或评估电力系统上的潜在的质量相关的问题。

借助于数字监视设备中的先进的处理功能，可以从貌似简单的电信号中推导并累积大量的复杂的电气数据。由于数据的复杂性、数量，以及从一个监视设备到下一个监视设备的相对不相交的关系，对所有数据进行人工分析需要耗费巨大的精力，常常需要雇用专家来完成该任务。此过程繁琐、复杂，容易出错和疏忽，并且耗时。一个部分的解决方案是使用全球定位卫星(GPS)系统来对事件加盖时间戳，但是，此方法要求用户购买和安装额外的硬件和数据线来将监视设备链接在一起。而此解决方案仍需要评估大量数据，因为系统只是在时间上处于上下文中；而不是在空间上处于上下文中。使用GPS系统使数据同步也会由于与系统中的其他硬件关联的时间延迟而不利。此外，通过基于GPS的系统进行的任何数据对准的精确度只能由GPS信号的传播延迟决定，意思是说，当使用GPS系统时，数据仍可能不会最佳地对准。

在电力系统中添加补充的监视设备只不过是在电力系统中添加了计量表的点产生更多的有关电力系统的信息而已，增加了复杂性，而没有任何好处。数据的任何用途一般仅限于添加的监视设备的局部，尽管会积聚甚至更多的数据。

许多电力系统的复杂性通常需要复杂的对监视系统的配置过程，因为电力系统中的每一个测量的点都具有不同的特征，这是为什么多个监视设备安装在第一位置。由于从电气监视系统累积的大量的复杂数据，对数据进行彻底的分析通常是不可行的，因为资源、时间和/或经验有限。

将数据在时间上对准是理解和描述电力系统特征的一个重要方面。另一个重要方面是全面了解电力监视系统的布局(或层次结构)。功率监视设备测量电力系统的操作参数，而不会提供有关位于电力监视系统上的不同点的参数彼此之间的关系的信息。通过了解电力监视系统的层次结构，可以将多个监视设备的操作参数置于彼此的上下文中。

为确定电力监视系统的布局，用户必须检查电气单线图，或者，如果单线图不可用，在物理上对电力系统进行清点。用户人工地向监视系统软件中输入空间信息，以便进行分析。当在电力监视系统内添加新的设备或移动监视的负荷时，用户必须人工地更新监视系统软件以反映新的添加或变化。

数据对准和布局信息对了解和描述系统特征是必不可少的。利用这两种信息，可以将来自每一个计量表的数据集成起来，并与电力系统中的所有其他计量表一起放进上下文中。迄今为止，尚可的集成数据的唯一技术对于用户来说复杂、昂贵、耗费人力，并且耗时。这些技术也只能进行有限的数据集成，并且需要额外的硬件(如GPS硬件)、数据线，以及补充的监视设备附件。

因此，所需要的是，自动化数据集成技术，包括数据的自动精度对准，以及系统布局的自动层次分类。本发明旨在满足此需要及其他需要。

发明内容

简单来说，根据本发明的实施例，自动化集成监视(IM)算法向计量表发送收集频率数据的命令。在主机计算机上运行的包括IM算法的监视系统软件根据本发明上传来自计量表的数据，并自动地对准来自所有计量表的数据。主机计算机向计量表发送收集功率数据的命令，并上传来自计量表的功率数据。IM算法根据本发明确定电力系统布局。当电力系统布局完成时，IM算法退出。

由于参考图形对各种实施例的详细描述，本发明的前面的以及额外的方面对那些精通本技术的普通人员来说是显而易见的，接下来还提供简要描述。

附图说明

在阅读下列详细描述并参考附图之后，本发明的前面的及其他优点将变得显而易见。

图1是根据本发明的自动化数据集成监视系统的功能方框图；

图2是简化的电力监视系统的功能方框图；

图3是根据本发明的实施例的监视设备的功能方框图；

图4是根据本发明的来自两个监视设备的已对准的示范性频率数据样本；

图5A是根据本发明的实施例的数据对准算法的流程图；

图5B是根据本发明的另一个实施例的数据对准算法的流程图；

图6是具有一个主输电线和两个馈电线的简化层次结构的功能方框图；

图7是单径向馈电系统的示范性图形；

图8是多径向馈电系统的示范性图形；

图9-11A是根据本发明的实施例的自动学习层次结构算法的流程图；

图11B是根据本发明的另一个实施例的自动学习层次结构算法的流程图；

图11C是根据本发明的再一个实施例的自动学习层次结构算法的流程图；以及

图12是根据本发明的实施例的自动化集成监视算法的流程图。

尽管本发明可以具有各种修改和替代形式，但是，这里将通过附图中的示例显示特定实施例，并进行详细描述。然而，应该理解，本发明不仅限于所说明的特定形式。相反地，本发明将涵盖如附权利要求所定义的本发明的精神和范围内的所有修改、等效内容和替代方案。

具体实施方式

现在请参看图1，该图一般性地显示自动化数据集成监视系统100。具有多个监视设备M的公用事业系统102从与自动化数据对准系统104和自动化层次结构分类系统106进行通信的每一个监视设备M提供数据。在根据本发明的自动化数据对准系统104中自动地对数据进行校准，并产生已校准的数据，以便它代表当电力监视系统102中的多个监视设备M同时实际看到它时的数据。层次结构分类系统106自动地了解存在于公用事业系统102中的监视设备的层次结构以及它们彼此之间的关系。

一旦校准了来自每一个监视设备M的数据并且每一个监视设备的位置是已知的，则可以说该数据位于上下文108中。上下文数据108可以供软件应用程序110用来，超出数据不在上下文中时通常可提供的范围，提供并诊断有关公用事业系统102的有用信息。公用事业系统102中被监视的公用事业可以是由缩写词WAGES表示的五个公用事业中的任何一种：水、空气、燃气、电或蒸汽。每一个监视设备都测量公用事业的特征，并将这些特征量化为可以供计算机进行分析的数据。

用户通过常规的用户界面112与软件应用程序110进行交互。软件应用程序110可以链接到其他系统114，如记帐系统，并使用上下文数据108在其他系统114和用户界面112之间传递消息。

数据对准系统104校准来自公用事业系统中的多个监视设备M的诸如电压、电流、时间、事件等等之类的数据，对于用户来说，是一个有用的工具。当将来自所有监视设备M的数据对准到产生该数据的同一个时间点时，可以将数据放进时间上下文中，根据时间上下文，可以自动地作出或建议有关硬件和软件配置的额外的判断。这里所使用的监视设备是指能够采样、收集或测量公用事业系统102的一个或多个操作特征或参数的任何系统元件或设备。当公用事业系统102是电力监视系统时，监视设备M可以是测量电力监视系统的电特征或参数的计量表。

根据本发明的各个方面的数据对准技术(下面将详细描述)实现了至少下列几项：

1)监视设备中的数据自动校准；

2)监视设备中的时间自动同步；

3)位于公用电力网上的不同点的监视设备的数据和时间的校准(其中，监视系统软件可以从因特网或另一个服务器获取时间数据)；以及

4)诊断整个电力系统中的相位的错误标识或贴错标签的情况。

所有现实世界中的电力系统中的电信号的频率和振幅随着时间的推移总会产生细微的变化。信号的频率和振幅的这种变化相对于时间既不确定，又独特。位于同一个公用电力网中的每一个监视设备都将会同时遇到相同的频率变化。通过对在层次结构中彼此直接链接在一起的监视设备的数据进行分析，将会发现它们的振幅变化的关联。然后使用对信号的频率和振幅变化的分析结果，在数据对准系统104中将一个监视设备的数据与另一个设备准确地校准(或将所有监视设备彼此校准)。下面将讨论数据对准系统104的细节。

本发明的数据对准技术可使公用电力系统层次结构中的所有监视设备M校准到所有三相电压的零交点，无需使用额外的硬件。本发明还可适用于例如由某些变压器配置所引起的各个监视设备之间的潜在的相位移动。一旦将监视设备的数据彼此校准，就会将系统数据基本上相对于产生数据的时间校准，使得进行比较复杂的数据分析变得可行。

图2显示电力监视系统120的简化配置。电力监视系统120包括主输电线122，该主输电线122通过第一馈电线连接到第一负荷124，通过第二馈电线连接到第二负荷126。监视设备128、130测量分别与第一和第二馈电线关联的电特征或参数。每一个监视设备128、130都连接到计算机132并与其进行通信。

第一监视设备128可以是功率表(或电度表)，如图3所示。监视设备128包括控制器134、固件136、存储器138、通信接口140，以及三相电压导体连接器142a，b，c，它们分别连接到V_A、V_B，以及V_C相电压导体，并连接到控制器134。分别连接到I_A、I_B，以及I_C相电流导体的三相电流导体连接器143a，b，c可选地连接到控制器134。固件136包括用于指示控制器执行监视设备的所需的操作的机器指令。存储器138由控制器134用来存储由监视设备128测量到的电参数数据。

监视设备128通过通信接口140从计算机132接收指令。根据本发明的实施例，这些指令包括，指示控制器134标记循环计数、开始存储电参数数据，或向监视系统软件132传输存储在存储器138中的电参数数据的指令。电参数数据可以包括由监视设备获得的任何数据，包括频率变化、振幅变化，以及相位变化的任何组合。

本发明提供了准确地、自动地，并且在时间上将来自多个监视设备的数据对准到相同电压零交点的算法。下面讨论的其他数据对准功能都基于此功能。本发明的数据对准功能由监视设备128和在计算机132上运行的监视系统软件两者的功能来实现，下面将分别讨论它们各自的要求。在监视设备128中进行数据的收集和局部分析。

从监视设备128被通电时起，对测量到的电压信号进行循环计数。与每一个正电压零交点(或，交替地，与每一个负电压零交点)连续地迭代循环计数。随着监视设备128一个循环一个循环地测量电压和电流的频率和振幅变化，与它们的相应的额定值进行比较。由设备固件136跟踪频率和振幅变化以及关联的循环计数。任何指定的循环计数中的关联的监视设备时间可以存储在存储器138中。

由计算机132执行的监视系统软件通过向电力监视系统120上的所有监视设备128、130发送全局命令，以标记它们的循环计数、时间，并缓冲预定量的每个循环的数据，启动与多个监视设备关联的数据的校准。

基于电力监视系统中的监视设备的数量、电力监视系统中的通信时间延迟和频率和振幅变化的幅度，建立此预定量的数据。当完成了缓冲过程时，监视设备128、130将它们的缓冲的数据传输到计算机132。

一旦监视设备128、130收集了数据，监视系统软件上传缓冲的数据以供分析。在每一个监视设备的缓冲的数据中都可能会有时间偏移，因为系统上的监视设备可能由于电力监视系统中的通信时间延迟和监视设备内的内部时间延迟而不会同时开始缓冲数据。由计算机132上的监视系统软件对缓冲的数据进行分析，以定位所有监视设备128、130之间的频率的最高关联。一般而言，通过使一个监视设备中的缓冲的频率数据相对于另一个监视设备中的缓冲的频率数据滑动，直到频率变化彼此对准，来定位最高关联，如图4所示。

监视设备128的频率数据360相对于监视设备130的频率数据362“滑动”，直到每一个设备的频率数据都对准。如此，与监视设备128的Δt₁关联的零交点与和监视设备130的Δt₁关联的零交点对准，与监视设备128的Δt₂关联的零交点与和监视设备130的Δt₂关联的零交点对准，依次类推。下面将参考图5A和5B详细地讨论使两个数据集相对于彼此“滑动”直到它们对准的互相关算法。

一旦对准了缓冲的数据，在计算机132上的软件中将第一监视设备128的循环计数与第二监视设备130的循环计数关联。也可以可选地将监视设备上的机载时间彼此对准或彼此关联。对于电力监视系统120中的每一个监视设备，重复此过程，直到所有设备的循环计数彼此关联。在数据对准过程中，计算机132上的监视系统软件构建每一个设备的循环计数和相对于彼此的时间和计算机132上的时间的矩阵。

虽然图2显示只有两个监视设备128、130的简化的电力监视系统120，但是，本发明的数据对准实施例也可以应用于具有多个层次级别的任何复杂性的任何电力监视系统120，如图7所示的单线图。为便于说明和讨论，只讨论了两个监视设备128、130。

一旦两个监视设备128、130的数据彼此对准，通常不需要再次重新校准数据，除非监视设备丢失其电压信号或复位其本身。在这些情况下，根据本发明，只有丢失它们的电压信号或复位的监视设备才需要重新校准。本发明的数据对准技术可以通过诸如电压不足或过电压状态、将负荷连接到电力监视系统或断开、电压、电流或负荷的特征的变化、监视设备复位或断电之类的事件启动。本发明的数据对准技术也可以由监视软件自动地或由用户人工地启动。

现在请参看图5A，显示用于执行本发明的实施例的可以作为由计算机132执行的数据对准算法180实现的流程图。数据对准算法180开始时向监视设备(如监视设备128、130)发送消息，以开始缓冲数据(200)，直到缓冲完成(202)。计算机132从每一个设备读取数据(204)。在一个实施例中，数据代表诸如(基本)频率的变化、振幅的变化以及相位的变化之类的电参数数据。优选情况下，数据代表基本频率的变化。基本频率是优选的标准尺度，因为它在整个电力监视系统中保持不变，即使在系统中存在变压器。当系统中存在变压器时，振幅和相位会移动；然而，本发明也可以使用振幅和相位信息作为标准尺度。

计算机132选择诸如监视设备128之类的基准监视设备(206)，然后选择诸如监视设备130之类的监视设备进行分析(208)。然后，根据本发明，将监视设备128、130的数据互相关(210)，并将每一个设备的循环计数和时间关系输入到矩阵中(212)。通过常规的互相关算法，优选情况下，如下面的公式1中所提供的算法，执行互相关。

$r\left(d\right)=\frac{\underset{i}{\mathrm{\Σ}}[(x\left(i\right)-\mathrm{mx})*(y(i-d)-\mathrm{my})]}{\sqrt{\underset{i}{\mathrm{\Σ}}{(x\left(i\right)-\mathrm{mx})}^2}\sqrt{\underset{i}{\mathrm{\Σ}}{(y(i-d)-\mathrm{my})}^2}}$ (公式1)

r(d)表示相关系数，d表示延迟(偏移或移动)，其中，两个系列x(i)和y(i)的-1＜＝r(d)＜＝1代表来自监视设备128、130的相应的数据；而mx和my是对应的系列x(i)和y(i)的平均值。根据一个实施例，相关算法是循环相关算法，其中，出界的索引被“折回”范围内。在另一个实施例中，相关算法是线性相关算法，其中，重复每一个系列。在其他实施例中，相关算法是模式匹配算法或文本搜索算法。

在互相关之后，计算机132检查是否已经对所有监视设备进行了分析(214)，如果是，则继续检查相位导体的线路。在许多情况下，在整个电力系统中，相位导体可能会被安装它们的承包商错误地标识。例如，在主开关设备中被标识为“A相位”的相位可能会在负荷中被标识为“B相位”。这种对相位导体的错误标识会导致混淆，甚至会带来安全隐患。

为降低这种隐患，计算机132通过对每一个监视设备上的基准通道的电压(或电流)零交点处的数据进行采样，对电压(或电流)数据进行分析(216)。计算机132通过判断采样的数据的值是零、负值还是正值，并基于这些值，为每一个基准通道分配相位符号(如A、B或C)，来判断线路是否正确(218)。如果准确地标识所有监视设备，则相位A的数据值应该大致为零。如果数据值是负值，那么，所讨论的相位是ABC相位表示法的“B相位”。如果数据值是正值，那么，所讨论的相位是ABC相位表示法的“C相位”。通知用户线路是否正确(220)。一旦为每一个监视设备确定了正确的相位符号(222)，那么，计算机132就可使用户校正任何或所有监视设备中的错误地标识的相位符号。根据本发明的相位诊断实施例可应用于电压输入以及电流输入。

图5B显示执行本发明的另一个实施例的流程图。与图5A相同，为便于讨论，将参考图2所示的电力监视系统120，但是，如上所述，本发明的数据对准技术适用于任何公用事业监视系统。

计算机132命令电力监视系统120中的每一个监视设备都存储预定数量(优选情况下，在大约1,000和大约10,000循环之间)的循环的每个循环的数据(250)。当由监视设备存储了足够的数据量时，计算机132从监视设备接收数据(252)，并选择基准监视设备(254)。通过使用诸如上面的公式1的常规互相关算法，计算机132计算基准监视设备的至少一部分数据(如大约400个循环)和第二监视设备的数据之间的相关系数r(d)(256)。存储计算出的相关系数，将第二监视设备的数据相对于基准设备移动一个循环(258)。

如上所述，根据循环相关算法，出界的索引可以被折回范围内，或者，根据线性相关算法，可以重复索引。使用移动的数据计算相关系数(260)，如果不需要进一步的移动(262)，则在计算出了最大相关系数的点或在相关系数超过阈值(如0.5)的点，将第二监视设备的数据与基准设备的数据对准(264)。应该指出的是，当相关系数r(d)接近于1.0时，该算法可以退出，无需进行任何进一步的移动。

计算机132在对准的点使第二监视设备和基准设备的时钟同步(266)。计算机132读取每一个监视设备中的循环计数和关联的监视设备的机载时钟时间。由于机载时钟的限制，监视设备的机载时钟时间和循环计数可能相对于彼此存在漂移。一旦数据对准，循环计数可被视为监视设备的绝对基准。由于时钟漂移，可能需要周期地重新读取与设备的循环计数关联的时间，以重建设备的时间。然后，计算机132上的软件将更新包含监视设备的时间信息的矩阵。

此特征的另一个功能将允许所有机载监视设备的时钟周期地复位到同一个值，以为整个电力监视系统提供标准时间。优选情况下，根据某个绝对时间基准，设置(在计算机132上运行的)监视系统软件内的时间。一旦设置了计算机时间，监视系统软件就会相应地复位所有监视设备上的时间。在此实施例中，每一个监视设备和软件的数据和时间将更加准确地与绝对时间基准校准。

当没有其他监视设备需要校准时(268)，过程结束。在备选的实施例中，在时钟被同步之前，所有监视设备的数据都对准(266)。

本发明的数据对准技术的另一个优点是能够将公用电力网的不同点的数据和时间对准。如果监视设备位于同一个公用电力网的两个不同点，也可以将这些监视设备一起对准。在此实施例中，根据本发明，首先将位于每一个地理位置的监视设备彼此对准。然后，使用管理所有系统的软件作为所有系统的绝对时间基准，给它们都提供一个公共的基准点。

请回头参看图1，集成监视系统100包括层次结构分类系统106。具有关于电力系统的布局的全面的知识对了解和描述系统特征是必不可少的。功率表通常只提供电力系统的操作参数，而不会给出有关位于电力系统上的不同监视点的参数彼此之间的关系的信息。通过了解电力系统的层次结构，可以将多个监视设备的操作参数置于彼此的空间上下文中。此空间上下文给用户提供了解决系统的问题、提高系统效率、预测故障和性能下降、定位干扰源或模型化系统响应的功能更加强大的工具。

本发明的层次结构分类系统106可使监视系统软件从公用事业系统102上的监视设备中收集数据，并自动地确定公用事业系统102的层次结构，很少或不需要用户输入。由层次结构分类系统106给出的细节的程度直接与公用事业系统102中的监视设备的数量和范围相互关联。如果添加补充监视设备，则根据本发明的自动学习分层算法会使它们能自动地并入确定的层次结构中。

节点的层次结构是基于这样的关系建立的：当将节点关联时，判断一个节点始终大于另一个节点。层次结构的关系可以以下列三种方式之一链接元素或使元素相互关联：直接地、间接地，或根本没有关联。图6显示Load₂310和Feeder₂306之间的直接链接或相互关系的例图。相比之下，在Load₂310和Main₁302之间存在间接链接。最后，在Load₁308和Load₂310之间和在Feeder₁304和Feeder₂306之间实际上没有链接。

在电力系统层次结构的情况下，目标是对电力系统中元素进行排序，以便表示出电力系统的正确的连接布局。通过确定电力系统的层次结构，可以提供可以用来解决问题、提高设备和系统性能、提高安全性并节省资金的重要信息。电力系统层次结构中包含的细节的程度将取决于正在被监视的元素或节点的数量和节点向在计算机132上运行的监视系统软件中的自动学习层次结构算法提供反馈的能力。

一般而言，根据本发明的层次结构分类系统106利用监视系统软件中的自动学习层次结构算法，该算法基于规则和统计方法。监视系统软件周期地轮询公用事业系统102中的每一个监视设备，以确定公用事业系统102在该节点上的(由监视设备M代表)某些特征或参数。在相同的给定时间点，从系统中的每一个计量表获取指定的参数的多个样本。一旦从公用事业系统102中的每一个节点M收集了参数数据，自动学习层次结构算法就对数据进行分析，并跟踪监视设备相对于取得数据样本的时间以及数据样本的关联的值之间的关系或链接。可以周期地进行这种分析，以提高保证层次结构准确的概率，或弄清层次结构中的任何变化。一旦这种迭代过程达到“公用事业系统102的确定的布局是正确的”某种预定的统计置信度，自动学习层次结构算法就可以结束。然后，将公用事业系统102的最终的布局呈现给用户审查。通过使用自动学习层次结构算法，计算每一个监视设备的在某个时间(学习时段)内的相对于所有其他监视设备的数据，基于可用的监视点，确定公用事业系统102的层次结构的基本布局。在这一方面，根据本发明的算法使用来自每一个监视设备的数据的历史趋势，并比较这些趋势，以判断在监视设备之间是否存在任何相互关系(链接)。利用更多的可用于分析的监视点，可以确定更加详细的层次结构。

本发明的自动学习层次结构算法的一个优点是自动地提供正在被监视的公用事业系统的基本层次结构，用户基本上不需要输入任何内容，或很少。然后，该层次结构可以供其他系统114作为进行评估的工具。另一个优点是，本发明提高了监视设备和监视系统软件之间的时间同步的精确度。

在公用事业系统102是电力监视系统的实施例中，同时从电力监视系统中的每一个监视设备获取特定电参数(如功率、电压、电流等等)的样本。存储此参数数据，并相对于取得样本的时间、数据点的关联的值，以及提供该数据的监视设备，对此参数数据进行分析。

将从电力监视系统中的每一个监视设备获取的数据彼此进行比较，以判断监视设备之间是否存在任何关联。根据本发明，对数据进行分析，以了解在预定的时间段内的统计趋势和关联，以及相似和不同之处。

根据一个实施例，使用一个或多个规则或假设来确定电力系统的分层顺序。可能必须作出关于公用事业系统的某些假设，以便自动学习公用事业系统的层次结构。这些假设基于欧姆定律、能量守恒定律，以及具有典型的电力分配和电力监视系统的工作经历。

涉及电力系统和电力监视系统的自动学习层次结构算法可以作出的一般规则包括：

1.正在被分析的电力系统位于单径向馈电配置320(图7)或多径向馈电配置330(图8)中。

2.假设测量最高能量使用情况的计量表位于层次结构的顶部(例如，图7所示的主输电线322)。

3.计量表的采样数据的速率至少大于任何负荷的最短的负载循环。

4.在参数数据收集过程中在电力系统上消耗能量(不产生能量)。

5.在数据被从监视设备推向在计算机132上运行的监视系统软件的情况下，由于电力监视系统上的所有计量表中的时间的偏移而导致的错误最小。

可以有下列补充参数供自动学习层次结构算法使用：

1.不从安装在电力系统的同一个点的两个监视设备收集用于分层目的的数据。

2.忽略没有负荷的计量表，或只使用电压信息来确定它们在层次结构中的位置。

3.电力系统中可以存在多个主输电线(Main1、Main2、Main3等等)

4.由系统中的每一个监视设备向监视系统软件提供数据。

5.启动或停止的负荷会影响与该负荷具有直接或间接链接的任何对应的上游测量的数据的负荷曲线。

6.对于位于同一个母线上的所有监视设备，电压特征(基本、谐振、对称分量)相对来说比较一致。

7.电力系统上的变压器损耗相对于变压器的下游的负荷最小。

8.监视设备之间的负荷的一般关联(随着时间的推移)表示直接或者间接的链接。

9.电力系统中一个点的多个未计量的负荷合计为单一的未知负荷。

对于径向馈电的电力系统，前面的假设和参数中的任何都可以组合起来。例如，在特定实施例中，也可以使用下列基于规则的假设和参数：

1.电压和电流越高，监视设备就越靠上游(与层次结构的顶部越近)。

2.一般而言，谐振值越小，监视设备就越靠上游。

3.变压器可以改变电压和电流。

4.上游的总的功率通量比下游高。

5.电力系统是径向馈电系统。

6.两个监视设备将不会安装同一个点。

7.具有相同电压畸变的监视设备相邻地连接。

8.在一个特定层次测量的总负荷(损耗除外)等于直接链接到该层次的所有已测量的和未测量的负荷的总和。

如果多个监视设备直接链接到同一个基准设备，则它们被视为位于同一个层次。例如，请参看图7，显示具有由323a，b，c，d，e表示的五个不同的层次的公用事业监视系统320的简化的单线图。在电力监视系统的特定情况下，每一个层次都表示多个监视设备可以直接链接到的馈电线。直接链接到一个馈电线的所有监视设备都被视为位于同一个馈电线层次。如此，主输电线322直接链接到馈电线323a，如此，存在于层次结构中的其自己的层次上。馈电线323b直接链接到三个监视设备，因此，构成了另一个不同的层次。馈电线323c构成了另一个不同于馈电线323a和323b的层次，因为直接链接到馈电线323c的监视设备不直接链接到馈电线323a或323b。在水、空气、燃气，以及蒸汽系统的情况下，每一个层次都可以通过集管表示，代替馈电线。

图9-11A以流程图的方式显示根据本发明的实施例的自动学习层次结构算法400的具体内容。算法400首先检查系统中是否有一个以上的监视设备(402)，如果没有，则算法结束。如果存在一个以上的监视设备，则从每一个监视设备(M₁，M₂，...，M_k)获取电气数据，并汇编为一个数据表(404)。该数据表列出了在给定时间段内每隔一定的时间间隔(T₁，T₂，...，T_n)获取的原始数据(如功率、电压大小、电压畸变、电流大小、电流畸变或对称分量数据)。样本之间的时间长度取决于电力监视系统中的任何负荷的最短的负载循环。基于电力监视系统中的每一个监视设备的负荷的变化程度，确定最大时间长度(T_n)。假设具有数据表中的最大功率的监视设备为主输电线(即，电力层次结构中的最高层次)(408)。然而，本发明也可适用于多个层次结构(即，多个主输电线)。下面的表1显示数据表的示例。

表1：数据表示例

时间	计量表1	计量表2	计量表3	计量表4		计量表k
							T<sub>1</sub>	D<sub>11</sub>	D<sub>21</sub>	D<sub>31</sub>	D<sub>41</sub>		D<sub>k1</sub>
T<sub>2</sub>	D<sub>12</sub>	D<sub>22</sub>	D<sub>32</sub>	D<sub>42</sub>		D<sub>k2</sub>
							T<sub>3</sub>	D<sub>13</sub>	D<sub>23</sub>	D<sub>33</sub>	D<sub>43</sub>		D<sub>k3</sub>
T<sub>4</sub>	D<sub>14</sub>	D<sub>24</sub>	D<sub>34</sub>	D<sub>44</sub>
T<sub>n</sub>	D<sub>1n</sub>	D<sub>2n</sub>	D<sub>3n</sub>	D<sub>4n</sub>		D<sub>kn</sub>

一旦累加了数据表的数据，就制作一个校验矩阵。校验矩阵是基于数据表的逻辑连接的矩阵。零(0)表示在任意两个监视设备之间不存在直接链接，而(1)表示在两个监视设备之间可能存在关系。下面的表2显示一个示范性校验矩阵。在表2中，假设在计量表1和计量表2之间不存在链接。这是因为，在数据表的一个条目中计量表1测量的功率超过计量表2，在数据表的另一个条目计量表2测量的功率超过计量表1。计量表1始终与其本身相互关联，因此，在校验矩阵的该单元格中放置了“不适用”。由于信息冗余，只需要校验矩阵的一半。

表2：校验矩阵示例

	计量表1	计量表2	计量表3	计量表4		计量表k
							计量表1	不适用	0	1	1		0
计量表2	0	不适用	1	0		1
							计量表3	1	1	不适用	0		1
计量表4	1	0	0	不适用		0
												....
计量表k	0		1	0		不适用

一旦确定了校验矩阵，就可以使用数据表中的每一个监视设备的数据制作下面的表3所显示的相关系数矩阵(CCM)。在CCM中，进行统计评估，以确定电力系统中的每一个监视设备相对于矩阵中的其他监视设备的线性关系。确定任意两个监视设备之间的相关系数，并将其置于CCM中的适当的单元格中。在下面的示范性表3中，C₁₂是计量表1相对于计量表2的相关系数。相关系数值越高，这两个监视设备直接或者间接地链接的概率就越高。相反，此数字越低，这两个监视设备直接或者间接地链接的概率就越低。使用下面的公式2来确定任意两个给定监视设备之间的相关系数：

${\mathrm{\ρ}}_{x,y}=\frac{\mathrm{Cov}(x,y)}{{\mathrm{\σ}}_x{\mathrm{\σ}}_y}$ (公式2)

其中：ρ_x，y是相关系数，并位于-1≤ρ_x，y≤1范围内；Cov(x，y)是x和y的协方差；而σ_x和σ_y分别是x和y的标准偏差。

$\mathrm{Cov}(x,y)=\frac{1}{n}\underset{j=1}{\overset{n}{\mathrm{\Σ}}}(x_j-{\mathrm{\μ}}_y)(y_j-{\mathrm{\μ}}_y)$ (公式3)

其中：n是x和y中的数据元素的数量，而μ_x和μ_y分别是x和y的平均值。

相关矩阵的对角线单元始终都是1，因为每一个计量表都与其本身具有100％的相关。再者，由于数据冗余性(例如，C12＝C21)，只需要相关矩阵的一半。

表3：相关系数矩阵(CCM)示例

返回到图9，为考虑中的层次结构的每一个层次绘制了计量表列表。假设最顶部的层次为具有最大的功率读数的计量表，并假设为主输电线。一旦在数据表中查找到该计量表(408)，算法400将主输电线放在层次结构的馈电线层次列表，并清除层次结构中的当前馈电线层次的监视设备的列表(410)。在MAIN LOOP的随后的迭代中，算法400将基准计量表放在层次结构的前一馈电线层次列表中。应该理解，在第一迭代中，没有前一层次列表。算法400清除相关基准阵列(CRA)(412)，并将主输电线指定为基准监视设备(414)。下面的表4中显示示范性CRA，对于给定馈电线层次，有n个迭代。C₅₁对应于计量表5(基准计量表)和计量表1之间的相关系数，C₅₂对应于计量表5和计量表2之间的相关系数，等等。最初，对于每一个馈电线层次，CRA被清除，算法400通过用当前馈电线层次的所有计量表的相关系数填充每一个迭代列，为每一个馈电线层次制作新的CRA。参考下面的表5说明一个具体示例。

基于功率数据，计算相关系数矩阵(CCM)(416)。在第一迭代中，层次结构中的唯一已知的元素是主输电线，根据上面列出的某些或所有假设或参数，从最顶部的馈电线层次向下，自动学习层次结构。

表4  相关基准阵列(CRA)示例

迭代1	迭代2	迭代3	迭代4	迭代5		迭代n
							C<sub>51</sub>C<sub>52</sub>C<sub>53</sub>C<sub>54</sub>C<sub>5m</sub>	C<sub>51</sub>C<sub>52</sub>C<sub>53</sub>C<sub>54</sub>C<sub>5m</sub>	C<sub>51</sub>C<sub>52</sub>C<sub>53</sub>C<sub>54</sub>C<sub>5m</sub>	C<sub>51</sub>C<sub>52</sub>C<sub>53</sub>C<sub>54</sub>C<sub>5m</sub>	C<sub>51</sub>C<sub>52</sub>C<sub>53</sub>C<sub>54</sub>C<sub>5m</sub>		C<sub>51</sub>C<sub>52</sub>C<sub>53</sub>C<sub>54</sub>C<sub>5m</sub>

继续参考图10，算法400使CCM中的在校验矩阵中具有零的计量表和已经被发现已连接的计量表的相关系数置零(418)。将基准监视设备的列从CCM复制到CRA(420)。将下面的表5说明一个具体示例。假设CCM中的计量表5被指定为基准计量表(414)。算法400基于数据表计算CCM(416)，并使CCM中的在校验矩阵中具有零的计量表和已经被发现已连接的计量表的相关系数置零(418)。将CCM中的对应于计量表5的列复制到CRA的列“迭代1”。请参看表5，计量表11与计量表5具有最高相关0.649，而计量表11被标记为与当前馈电线层次的计量表5相连接。

在迭代2中，从数据表中的计量表5的功率中减去计量表11的功率，在迭代2中，计量表5-11相关系数下降到-0.048，提供了计量表11与计量表5相互关联的较高置信度。还值得注意的是，随着迭代前进，某个计量表的相关系数越来越高。例如，计量表18相对于计量表5的相关系数从迭代1中的0.296到迭代2中的0.417到迭代3中的0.436到迭代4中的0.525，最后再到迭代5中的0.671(在所有计量表中最高的相关系数)逐渐地提高，(与其本身关联的计量表5始终是1.0，因此忽略其相关系数)。此提高的趋势还提供了计量表18也直接与计量表5链接的高置信度，此链接最后在迭代5中被确认。例如，对于计量表12和15，也可以观察到相同的提高趋势。在迭代7中，没有一个相关系数超过阈值，算法400继续分析下一个馈电线层次。通过迭代7，算法400判断，计量表11、12、14、15、18，以及20与计量表5直接链接。

表5：具有示范性相关系数的CRA示例

迭代2       迭代3      迭代4     迭代5      迭代6    迭代7

5-1    0.020   -0.029  0.010   0.016   -0.037  -0.004  0.007

5-2    0.043   -0.020  -0.037  -0.009  -0.095  -0.091  -0.099

5-3    0.067   0.079   0.017   0.024   -0.052  -0.046  -0.009

5-4    0.018   -0.024  -0.038  -0.018  0.037   0.015   0.037

5-5    1.000   1.000   1.000   1.000   1.000   1.000   1.000

5-6    0.058   0.022   -0.016  -0.015  -0.035  -0.010  0.029

5-7    -0.042  -0.005  0.001   0.054   0.033   0.026   0.031

5-8    -0.034  -0.016  -0.057  -0.058  0.005   -0.034  -0.049

5-9    0.418   0.386   0.308   0.292   0-189   0.099   0.136

5-10   0.022   0.077   0.016   0.014   -0.016  -0.018  0.022

5-11   0.649   -0.048  -0.090  -0.095  -0.076  -0-077  -0.014

5-12   0.344   0.506   0.628   0.725   0.047   -0.007  0.016

5-13   -0.038  -0.036  0.038   0.017   -0.046  -0.023  -0.010

5-14   0.483   0.591   0.072   0.044   0.066   -0.006  0.004

5-15   0.043   0.161   0.210   0.263   0.417   0.587   0.031

5-16   0.024   0.045   0.055   0.044   -0.017  -0,010  0.022

5-17   -0.057  -0.063  -0.101  -0.090  -0.061  -0.048  -0.049

5-18   0.296   0.417   0.436   0.525   0.671   0.113   0.165

5-19   -0.046  -0.053  -0.057  -0.047  -0.046  -0.050  -0.034

5-20   0.398   0.549   0.633   0.128   0.069   0.054   0.061

5-21   -0.060  -0.017  0.028   0.080   -0.013  0.010   0.005

仍请参看图10，算法400查找CRA中的与基准监视设备具有最高相关的监视设备(馈电线)(422)。如果相关不超过阈值(在优选实施例中为0.5)，则算法400转到图11A(OP3)，如在上面显示的表5中的迭代7的情况下。

否则，算法400判断当前迭代是否是基准监视设备的第一迭代(426)，如果不是，判断馈电线相关是否越来越高(428)。如果馈电线相关没有变得越来越高，则算法400转到图11A(OP3)。变得越来越高的趋势是监视设备可能位于层次结构的考虑中的当前层次的迹象。

如果当前迭代是基准监视设备的第一迭代，则将馈电线添加到层次结构的当前层次的监视设备列表中(430)，算法400转到图11A(OP2)。在连接表中基准监视设备和馈电线被表示为直接链接(或相互关联)(446)，在数据表中从基准监视设备中减去与馈电线关联的功率(448)。连接表维护了设备列表以及它们的相互关系(例如，它们是否直接链接)。通过减去与相对于基准监视设备的最高相关系数关联的馈电线的功率，连接到基准监视设备的其他馈电线(监视设备)将看见它们的相关系数提高。算法400返回到图9的FEEDERLOOP，下一迭代对于剩余的监视设备继续进行。

现在请看OP3功能，算法400判断是否已经分析完前一层次的所有监视设备(432)，如果没有，则获取前一层次的下一监视设备(馈电线)，算法400返回到图9的FEEDER LOOP。如果已经分析完前一层次的所有监视设备，算法400检查是否为层次结构中的所有监视设备找到了连接(434)。如果是，则算法400退出。如果没有，算法400检查CCM中的最高相关系数是否超过阈值(436)。如果没有，则算法400退出。如果是，则算法400判断是否为当前层次再找到更多监视设备(438)。如果没有，则算法400返回到图9中的MAIN LOOP。如果是，算法将当前层次的监视设备移动到前一层次(440)并清除CRA(442)。该算法返回到图9的FEEDERLOOP以确定当前层次的剩余监视设备之间的关系。

图11B显示根据本发明的另一个实施例的自动学习层次结构算法500。算法500开始时从每一个监视设备接收与每一个监视设备关联的标准尺度(502)。标准尺度可以是诸如功率、电压、电流、电流畸变、电压畸变或能量之类的电参数，或与任何WAGES公用事业关联的参数，如单位时间的容量(BTU、MBTU、加仑、立方英尺)。监视设备可以是功率监视设备。例如，当标准尺度是电压畸变时，位于层次结构的同一个层次的监视设备大致具有相同的电压畸变。作为补充或作为替代，该算法也可以使用谐波畸变值来基于功率标准尺度验证通过相关确定的层次结构。谐波畸变也可以被该算法用来以较大的准确性较好地预测未知的候选。例如，监视设备可能临界地与基准设备关联，以致于该算法不能判断是否存在直接链接。通过谐波畸变，可以根据与所讨论的监视设备位于同一个层次的相邻设备的谐波畸变值来确定或排除潜在的相互关系。例如，为所讨论的监视设备返回的不同的谐波畸变可以排除它与前一层次上的设备直接链接的情况。

算法500计算基准监视设备和层次结构中的待相互关联的所有其他监视设备之间的相关系数(504)。算法500确定最高相关系数(506)并将与最高相关系数关联的监视设备和基准监视设备相互关联(508)。算法500检查是否有更多监视设备需要相互关联(510)，如果没有，则算法500结束。如果是，则算法500检查是否使用同一个基准监视设备(512)，如果是，则重新计算相关系数(504)。否则，则算法500选择新的基准监视设备(514)，并重新计算相关系数(504)。

图11C显示根据本发明的再一个实施例的自动学习层次结构算法550。算法550开始时每隔周期性的间隔从每一个监视设备接收电参数数据(552)。算法550将电参数数据编入列出每个时间间隔的参数数据的数据表中(554)。形成包括监视设备组合对之间的相关系数的相关矩阵(556)。算法550识别组合对之间的相互关系(558)，并从数据表中删除与为其标识了相互关系的监视设备关联的功率(560)。如果没有更多相互关系需要识别(562)，则算法550结束。否则，它重新计算剩余的组合对之间的相关系数(564)，识别剩余组合对之间的另一个相互关系(558)。重复此过程，直到识别完监视设备之间的所有相互关系。

根据本发明的各个实施例的自动学习层次结构算法可适用于单径向馈电系统和多径向馈电系统中。在多径向馈电系统中，该算法首先确定具有最高功率的主计量表，然后在继续具有较低的额定功率的下一系统之前首先确定该系统的层次结构。

已经在从最顶部的层次到最底层的层次形成层次结构的各个实施例中讨论了自动学习层次结构算法。在备选实施例中，自动学习层次结构算法基于每一个层次本地的事件从最底层的层次形成层次结构。例如，在远离事件的监视设备将看见事件之前，邻近于事件的监视设备将“看见”事件，如负荷打开或关闭。算法基于事件的发生和与每一个监视设备关联的关于它何时察觉事件的时间戳，识别出监视设备之间的相互关系。通过标出系统中的每一个监视设备察觉到事件的时间的时间顺序，可以基于监视设备觉察到该事件的时间顺序，自动地作出哪些计量表相互关联(直接链接)的结论。

请回头参看图1，自动化数据集成监视系统100从数据对准系统104和层次结构分类系统106产生上下文数据108。上下文数据108包含来自每一个监视设备的在所有其他监视设备的上下文中的数据，如此对用户更有价值。可以对测量的数据进行上下文分析，涉及对数据进行评估，以便来自每一个监视设备的特定外部参数对准或公开。有关的主要外部参数包括：

公用事业系统102中的每一个监视设备的数据相对于公用事业系统102中的所有其他监视设备的数据的时间位置；以及

公用事业系统102中的每一个监视设备M相对于公用事业系统102中的所有其他监视设备M的空间位置。

通过评估上下文中的从公用事业系统102累积的所有监视数据，将提供迄今为止不可用的有关公用事业系统102的某些知识。因为来自整个系统(软件和监视设备)的信息通过一致的上下文集成在一起，这种监视公用事业系统的方法简称为“集成监视”(IM)。

与根据本发明的IM方法的有用的类比是人体的中枢神经系统。大脑(软件)知道相对于时间和位置在整个身体(监视设备)上正发生什么事。如果脚趾被磕碰，大脑给身体发送信号，以便以某种方式作出反应。类似地，如果发生了涉及电的事件，则由监视系统软件执行的IM算法向用户提供有关整个监视系统的症状、潜在的问题源，以及可能的解决方案或建议的有用信息。

本发明涉及使用监视系统软件中的特殊算法(例如，数据对准算法、自动学习层次结构算法)，基于对来自每一个监视点的数据的分析，将数据集成在一起。在数据对准系统104中，根据所有数据源，分析数据的频率和振幅中的细微的但是可测量的变化。这些变化可被用来确定所有数据源的公共数据对准点，数据源在电力系统中相对于其他数据源的位置。因为集成系统数据的过程是通过监视系统软件中的算法自动地执行的，因此，省去了用户的许多精力和成本。正在被分析的参数的比较任意的和实质性的变化使得系统数据集成更快。

有多个超出目前可用的与IM关联的优点，包括：

自动化IM方法大大地降低了现有的用户人工地提供有关电力系统布局的详细信息以便将系统数据置于上下文中的要求。IM算法分析来自电力系统中的每一个监视点的数据，以自动地确定系统布局，几乎不需要或很少需要用户参与，节省了用户的时间和资源。

自动化IM方法消除了使用特殊硬件、另外的数据线，在某些情况下，监视附件的必要性。IM算法分析来自电力系统中的每一个监视点的数据，以自动地确定系统数据的时间对准，节省了用户设备和劳力成本。

利用自动化IM方法，可以更加容易地配置监视硬件和软件。这是因为，IM算法自动地将监视信息置于整个系统的上下文中。一旦监视设备处于上下文中，则可以通过IM算法自动地作出有关硬件和软件配置的额外的判断。一个示例是根据监视设备在电力系统内位置设置该监视设备的欠压阈值。再者，自动化IM方法还能节省用户的时间和资源。

图12显示根据本发明的实施例的自动化IM算法600。算法600开始时向监视设备发送收集频率数据的命令(602)。将来自监视设备的数据上传到主机计算机(604)，根据本发明，对准来自所有监视设备的数据(606)。当对准了所有数据时，算法600判断电力系统布局是否完成(610)。如果是，则算法600结束，可以在其他的软件应用程序中使用上下文数据。

如果电力系统布局还没有完成，则算法600向监视设备发送收集功率数据的命令(612)。运行算法600的主机计算机上传来自监视设备的功率数据(614)，并根据本发明确定电力系统布局(616)。重复此过程，直到电力系统布局完成(618)，此时，算法结束。

尽管显示和描述了本发明的特定实施例和应用，但是，应该理解，本发明不仅限于这里所说明的准确的结构和组合，在不偏离如所附的权利要求所定义的本发明的精神或范围的情况下，根据前面的描述，可以显而易见地看出可以进行各种修改、更改以及变化。

Claims (17)

1.一种自动化集成监视方法，包括：

命令径向馈电层次结构中的多个监视设备缓冲表示预定时间段内的第一参数的数据；

接收表示所述多个监视设备中的每一个监视设备的所述第一参数的所述数据；

通过将与所述多个监视设备中的基准监视设备关联的数据和与所述多个监视设备中的第二监视设备关联的数据互相关，使得与所述第二监视设备关联的所述数据在通过所述互相关产生的互相关系数超过阈值的点相对于与所述基准监视设备关联的所述数据移动，自动地将与所述基准监视设备关联的数据和与所述第二监视设备关联的数据对准；

命令所述多个监视设备每隔周期性的时间间隔缓冲表示第二参数的数据；

接收表示所述多个监视设备中的每一个监视设备的所述第二参数的所述数据；以及

自动地确定包括所述多个监视设备的层次结构、它们相对于彼此的位置以及它们的彼此之间的相互关系。

2.一种自动化集成监视设备，包括：

用于命令径向馈电层次结构中的多个监视设备缓冲表示预定时间段内的第一参数的数据的装置；

用于接收表示所述多个监视设备中的每一个监视设备的所述第一参数的所述数据的装置；

用于通过将与所述多个监视设备中的基准监视设备关联的数据和与所述多个监视设备中的第二监视设备关联的数据互相关，使得与所述第二监视设备关联的所述数据在通过所述互相关产生的互相关系数超过阈值的点相对于与所述基准监视设备关联的所述数据移动，自动地将与所述基准监视设备关联的数据和与所述第二监视设备关联的数据对准的装置；

用于命令所述多个监视设备每隔周期性的时间间隔缓冲表示第二参数的数据的装置；

用于接收表示所述多个监视设备中的每一个监视设备的所述第二参数的所述数据的装置；以及

用于自动地确定包括所述多个监视设备的层次结构、它们相对于彼此的位置以及它们的彼此之间的相互关系的装置。

3.根据权利要求1所述的方法，其中，所述第一参数是从包括基本频率变化、谐振频率变化以及振幅变化的组中选择的至少一个参数。

4.根据权利要求1所述的方法，其中，所述第二参数是从包括功率、电压、电流、以及失真的组中选择的至少一个参数。

5.根据权利要求1所述的方法，其中，所述监视设备包括功率表。

6.根据权利要求1所述的方法，其中，所述自动地确定过程包括计算相关系数。

7.一种自动地将数据置于上下文中的方法，包括：

在预定时间段内从径向馈电电力监视系统中的多个计量表接收每个循环的频率变化数据；

通过将与基准计量表和第二计量表关联的频率变化数据互相关，并在最大相关的点相对于所述基准计量表移动与所述第二计量表关联的数据，自动地对准所述频率变化数据；

每隔周期性的时间间隔从所述多个计量表接收功率数据；以及

通过计算与所述多个计量表对关联的相应的功率数据之间的相关系数，自动地学习所述径向馈电电力监视系统中的所述多个计量表的层次结构。

8.根据权利要求7所述的方法，进一步包括显示所述层次结构。

9.根据权利要求7所述的方法，进一步包括基于所述自动地对准和所述自动地学习，自动地设置所述多个计量表中的一个计量表的欠压阈值。

10.根据权利要求7所述的方法，进一步包括在所述最大相关的点使所述基准计量表和所述第二计量表同步。

11.一种自动地集成公用事业监视系统中的数据的方法，包括：

在预定数量的循环内每个循环地向所述公用事业监视系统的至少两个监视设备传递存储表示频率变化的信号数据的指令；

响应所述传递，从所述至少两个监视设备中的基准监视设备接收对应于由所述基准监视设备存储的所述信号数据的基准信号数据；

响应所述传递，从所述至少两个监视设备中的第二监视设备接收对应于由所述第二监视设备存储的所述信号数据的第二信号数据；

通过以循环增量方式相对于所述基准信号数据移动所述第二信号数据，直到通过互相关函数计算出最大互相关系数，来将所述基准信号数据与所述第二信号数据对准，所述互相关函数按每个所述循环增量计算互相关系数；

在预定的时间段内每隔周期性的时间间隔从所述至少两个监视设备接收参数数据；

将所述参数数据编入数据表中，所述数据表列出每一个所述周期性的时间间隔内所述至少两个监视设备的所述参数数据；

形成包括所述至少两个监视设备之间的相关系数的相关矩阵的至少一部分，所述相关系数是根据相关算法计算出的；以及

分析所述相关矩阵，以确定所述至少两个监视设备之间的相互关系。

12.根据权利要求11所述的方法，进一步包括向所述至少两个监视设备传递标记它们的相应的循环计数的指令。

13.根据权利要求11所述的方法，进一步包括：

响应所述对准操作，使所述至少两个监视设备同步，以便在对准点所述至少两个监视设备在时间上对准。

14.根据权利要求11所述的方法，进一步包括：

提供基准时钟；以及

响应所述对准操作，将所述基准监视设备或所述第二监视设备中的时钟复位到所述基准时钟。

15.根据权利要求11所述的方法，进一步包括对于所述至少两个监视设备，指出在所述至少两个监视设备之间是否存在相互关系。

16.根据权利要求11所述的方法，其中，所述分析过程包括判断相关系数是否超过所述至少两个监视设备的相关性阈值，如果是，则将所述至少两个监视设备标识为相互关联。

17.根据权利要求11所述的方法，进一步包括呈现显示所述至少两个监视设备之间的所述相互关系的层次结构。

Images