本發(fā)明涉及電力數(shù)據(jù)檢測，尤其涉及一種檢測電力異常數(shù)據(jù)的方法及系統(tǒng)、設(shè)備、介質(zhì)，使用孤立森林算法和遺傳算法相結(jié)合的方法，確保了檢測電力異常數(shù)據(jù)的精確度。

背景技術(shù)：

1、在當(dāng)今數(shù)字化的電力系統(tǒng)中，異常數(shù)據(jù)檢測是確保系統(tǒng)安全和可靠性的關(guān)鍵任務(wù)之一。然而，電力系統(tǒng)的復(fù)雜性和多樣性帶來了許多挑戰(zhàn)，這也使異常數(shù)據(jù)檢測成為一項不斷需要提升的技術(shù)。

2、傳統(tǒng)的異常數(shù)據(jù)檢測方法通常依賴于統(tǒng)計學(xué)的技術(shù)和規(guī)則。然而，目前電力系統(tǒng)數(shù)據(jù)的復(fù)雜性和多樣性使得傳統(tǒng)方法難以應(yīng)對異常數(shù)據(jù)。電力系統(tǒng)數(shù)據(jù)通常具有多個維度和復(fù)雜的結(jié)構(gòu)，且來自不同類型的設(shè)備。這種多樣性使得傳統(tǒng)方法難以捕捉到所有設(shè)備的異常模式，并且可能需要手動調(diào)整和優(yōu)化規(guī)則，導(dǎo)致傳統(tǒng)的異常檢測算法的設(shè)計和實施變得困難。

3、基于機器學(xué)習(xí)的異常檢測方法在電力系統(tǒng)中已經(jīng)展現(xiàn)了其巨大的潛力。但是新型電力系統(tǒng)產(chǎn)生的數(shù)據(jù)通常具有大數(shù)據(jù)量和高維度的特點，涵蓋了大量的參數(shù)和變量。傳統(tǒng)的機器學(xué)習(xí)算法可能面臨維度災(zāi)難問題，難以處理大規(guī)模高維度的數(shù)據(jù)。此外，電力系統(tǒng)中的異常樣本與正常樣本之間存在嚴重的不平衡性，這使得基于機器學(xué)習(xí)的異常檢測方法會出現(xiàn)偏差，導(dǎo)致模型過度適應(yīng)于正常樣本，而對異常樣本的識別能力不足。

4、隨著計算能力的提升，深度學(xué)習(xí)也在異常檢測領(lǐng)域發(fā)揮著重大作用，但同樣存在著一些缺陷。深度學(xué)習(xí)模型能夠從數(shù)據(jù)中自動學(xué)習(xí)復(fù)雜的特征表示，具有更好的泛化能力和魯棒性，但是它需要大量的數(shù)據(jù)來訓(xùn)練復(fù)雜的模型，并且模型的復(fù)雜性和黑盒性使模型的解釋和理解變得困難。此外，電力系統(tǒng)中的異常數(shù)據(jù)通常是稀有事件，但深度學(xué)習(xí)模型可能需要更多的異常樣本來進行訓(xùn)練以提高對異常數(shù)據(jù)的檢測能力，這就導(dǎo)致在大量數(shù)據(jù)中存在有標(biāo)簽不足的問題。

5、因此，本發(fā)明提供了一種檢測電力異常數(shù)據(jù)的方法及系統(tǒng)、設(shè)備、介質(zhì)，使用孤立森林算法和遺傳算法相結(jié)合的方法，確保了檢測電力異常數(shù)據(jù)的精確度。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供了一種檢測電力異常數(shù)據(jù)的方法及系統(tǒng)、設(shè)備、介質(zhì)，使用孤立森林算法和遺傳算法相結(jié)合的方法，確保了檢測電力異常數(shù)據(jù)的精確度。

2、本發(fā)明通過下述技術(shù)方案實現(xiàn)。

3、第一方面，本發(fā)明提供了一種檢測電力異常數(shù)據(jù)的方法。

4、所述方法包括以下步驟：

5、步驟s1，基于短期電力負荷特征參數(shù)構(gòu)建電力數(shù)據(jù)采集模型，使用所述電力數(shù)據(jù)采集模型采集電力數(shù)據(jù)；

6、步驟s2，對所述電力數(shù)據(jù)進行預(yù)處理，生成數(shù)據(jù)集；

7、步驟s3，基于孤立森林算法獲取所述數(shù)據(jù)集中的電力異常數(shù)據(jù)；

8、步驟s4，使用遺傳算法檢測所述電力異常數(shù)據(jù)。

9、為了更好地實現(xiàn)本發(fā)明，進一步地，所述步驟s1包括：

10、根據(jù)負荷點預(yù)測殘差分位數(shù)、發(fā)電裝置的表后系統(tǒng)住宅用戶檢測值、用戶符合概率預(yù)測參數(shù)以及負荷特征參數(shù)獲取電力數(shù)據(jù)采集模型。

11、為了更好地實現(xiàn)本發(fā)明，進一步地，所述步驟s2包括：

12、先對所述電力數(shù)據(jù)進行電力數(shù)據(jù)融合處理，再進行缺失數(shù)據(jù)處理；

13、將預(yù)處理后的電力數(shù)據(jù)進行整合生成數(shù)據(jù)集。

14、為了更好地實現(xiàn)本發(fā)明，進一步地，所述步驟s3包括：

15、將所述數(shù)據(jù)集中的所有電力數(shù)據(jù)通過孤立森林劃分為多個孤立樹；

16、輸出各個電力數(shù)據(jù)特征的異常分值，根據(jù)所述異常分值獲取所述數(shù)據(jù)集中的電力異常數(shù)據(jù)。

17、為了更好地實現(xiàn)本發(fā)明，進一步地，輸出各個電力數(shù)據(jù)特征的異常分值的方法包括：

18、獲取電力數(shù)據(jù)集o'中的一個電力數(shù)據(jù)樣本y，每個電力數(shù)據(jù)樣本y的孤立森林異常分值表示為：其中，d(η)是量化數(shù)值；η是歐拉常數(shù)，、k(y)是y的路徑長度，f[k(y)]是孤立樹中平均路徑長度。

19、為了更好地實現(xiàn)本發(fā)明，進一步地，所述步驟s4包括：

20、根據(jù)遺傳算法獲取所述電力異常數(shù)據(jù)的傳輸密度指標(biāo)，將所述傳輸密度指標(biāo)定為一個定值，根據(jù)所述傳輸密度指標(biāo)設(shè)置所述電力異常數(shù)據(jù)的相關(guān)性檢測閾值，根據(jù)所述相關(guān)性檢測閾值檢測電力異常數(shù)據(jù)。

21、為了更好地實現(xiàn)本發(fā)明，進一步地，所述電力異常數(shù)據(jù)的傳輸密度指標(biāo)的表達式為：

22、

23、其中，表示檢測指令的初始執(zhí)行頻率，w表示遺傳網(wǎng)絡(luò)中電力異常數(shù)據(jù)的傳輸定義系數(shù)，uw表示在w條件下的數(shù)據(jù)信息檢測標(biāo)量，umax表示數(shù)據(jù)信息檢測標(biāo)量的最大值，η表示網(wǎng)絡(luò)主機對于傳輸電力異常數(shù)據(jù)的感應(yīng)系數(shù)；

24、所述電力異常數(shù)據(jù)的相關(guān)性檢測閾值的表達式為：

25、

26、式中，r表示既定檢測向量；表示遺傳應(yīng)用網(wǎng)絡(luò)對于傳輸電力異常數(shù)據(jù)的干預(yù)向量；表示遺傳應(yīng)用網(wǎng)絡(luò)對于傳輸電力異常數(shù)據(jù)的檢測向量。

27、第二方面，本發(fā)明提供了一種檢測電力異常數(shù)據(jù)的系統(tǒng)，包括采集單元、預(yù)處理單元、異常數(shù)據(jù)獲取單元和檢測單元，其中：

28、采集單元，用于基于短期電力負荷特征參數(shù)構(gòu)建電力數(shù)據(jù)采集模型，使用所述電力數(shù)據(jù)采集模型采集電力數(shù)據(jù)；

29、預(yù)處理單元，用于對所述電力數(shù)據(jù)進行預(yù)處理，生成數(shù)據(jù)集；

30、異常數(shù)據(jù)獲取單元，用于基于孤立森林算法獲取所述數(shù)據(jù)集中的電力異常數(shù)據(jù)；

31、檢測單元，用于使用遺傳算法檢測所述電力異常數(shù)據(jù)。

32、第三方面，本發(fā)明提供了一種電子設(shè)備，該電子設(shè)備包括處理器和存儲器；處理器中包括上述第二方面所記載的檢測電力異常數(shù)據(jù)的系統(tǒng)。

33、第四方面，本發(fā)明提供了一種計算機可讀存儲介質(zhì)，該計算機可讀存儲介質(zhì)包括指令；當(dāng)指令在上述第三方面所記載的電子設(shè)備上運行時，使得電子設(shè)備執(zhí)行上述第一方面所記載的方法。

34、本發(fā)明與現(xiàn)有技術(shù)相比，具有以下優(yōu)點及有益效果：

35、(1)本發(fā)明提供一種檢測電力異常數(shù)據(jù)的方法，通過孤立森林算法和遺傳算法的雙重結(jié)合，不僅能夠快速準(zhǔn)確地識別出電力系統(tǒng)中的異常數(shù)據(jù)，還能夠適應(yīng)各種復(fù)雜多變的電力環(huán)境，確保電力系統(tǒng)的穩(wěn)定運行，顯著提高了檢測電力異常數(shù)據(jù)的精確度和可靠性。

36、(2)本發(fā)明提供一種檢測電力異常數(shù)據(jù)的方法，能夠確保電力數(shù)據(jù)的質(zhì)量和完整性，為后續(xù)的數(shù)據(jù)分析和決策提供堅實的基礎(chǔ)。

技術(shù)特征：

1.一種檢測電力異常數(shù)據(jù)的方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種檢測電力異常數(shù)據(jù)的方法，其特征在于，所述步驟s1包括：根據(jù)負荷點預(yù)測殘差分位數(shù)、發(fā)電裝置的表后系統(tǒng)住宅用戶檢測值、用戶符合概率預(yù)測參數(shù)以及負荷特征參數(shù)獲取電力數(shù)據(jù)采集模型。

3.根據(jù)權(quán)利要求1所述的一種檢測電力異常數(shù)據(jù)的方法，其特征在于，所述步驟s2包括：先對所述電力數(shù)據(jù)進行電力數(shù)據(jù)融合處理，再進行缺失數(shù)據(jù)處理；

4.根據(jù)權(quán)利要求1所述的一種檢測電力異常數(shù)據(jù)的方法，其特征在于，所述步驟s3包括：將所述數(shù)據(jù)集中的所有電力數(shù)據(jù)通過孤立森林劃分為多個孤立樹；

5.根據(jù)權(quán)利要求4所述的一種檢測電力異常數(shù)據(jù)的方法，其特征在于，輸出各個電力數(shù)據(jù)特征的異常分值的方法包括：獲取電力數(shù)據(jù)集o'中的一個電力數(shù)據(jù)樣本y，每個電力數(shù)據(jù)樣本y的孤立森林異常分值表示為：

6.根據(jù)權(quán)利要求1所述的一種檢測電力異常數(shù)據(jù)的方法，其特征在于，所述步驟s4包括：根據(jù)遺傳算法獲取所述電力異常數(shù)據(jù)的傳輸密度指標(biāo)，將所述傳輸密度指標(biāo)定為一個定值，根據(jù)所述傳輸密度指標(biāo)設(shè)置所述電力異常數(shù)據(jù)的相關(guān)性檢測閾值，根據(jù)所述相關(guān)性檢測閾值檢測電力異常數(shù)據(jù)。

7.根據(jù)權(quán)利要求6所述的一種檢測電力異常數(shù)據(jù)的方法，其特征在于，所述電力異常數(shù)據(jù)的傳輸密度指標(biāo)的表達式為：

8.一種檢測電力異常數(shù)據(jù)的系統(tǒng)，其特征在于，包括采集單元、預(yù)處理單元、異常數(shù)據(jù)獲取單元和檢測單元，其中：

9.一種電子設(shè)備，其特征在于，包括處理器和存儲器；所述處理器中包括如權(quán)利要求8所述的檢測電力異常數(shù)據(jù)的系統(tǒng)。

10.一種計算機可讀存儲介質(zhì)，其特征在于，所述計算機可讀存儲介質(zhì)包括指令；當(dāng)指令在如權(quán)利要求9所述的電子設(shè)備上運行時，使得所述電子設(shè)備執(zhí)行如權(quán)利要求1-7任一項所述的方法。

技術(shù)總結(jié)
本發(fā)明涉及電力數(shù)據(jù)檢測技術(shù)領(lǐng)域，公開了一種檢測電力異常數(shù)據(jù)的方法及系統(tǒng)、設(shè)備、介質(zhì)。方法包括：步驟S1，基于短期電力負荷特征參數(shù)構(gòu)建電力數(shù)據(jù)采集模型，使用電力數(shù)據(jù)采集模型采集電力數(shù)據(jù)；步驟S2，對電力數(shù)據(jù)進行預(yù)處理，生成數(shù)據(jù)集；步驟S3，基于孤立森林算法獲取數(shù)據(jù)集中的電力異常數(shù)據(jù)；步驟S4，使用遺傳算法檢測電力異常數(shù)據(jù)。系統(tǒng)包括采集單元、預(yù)處理單元、異常數(shù)據(jù)獲取單元和檢測單元。本發(fā)明通過使用孤立森林算法和遺傳算法相結(jié)合的方法，確保電力系統(tǒng)的穩(wěn)定運行，顯著提高了檢測電力異常數(shù)據(jù)的精確度和可靠性。

技術(shù)研發(fā)人員：徐凱,楊智,周小波,陳淋,黃玉蓮
受保護的技術(shù)使用者：四川中電啟明星信息技術(shù)有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9