[發明專利]基于季節模型時間序列的智能電表狀態異常檢測方法

在審

• 申請號: 201611211366.9
• 申請日: 2016-12-24
• 公開（公告）號: CN106850558A
• 公開（公告）日: 2017-06-13
• 發明（設計）人: 丁正陽;丁一新;夏飛;李萌
• 申請（專利權）人: 國網江蘇省電力公司信息通信分公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;G01R35/04
• 代理公司: 江蘇致邦律師事務所32230
• 代理人: 樊文紅

1.一種基于季節模型時間序列的智能電表狀態異常檢測方法，其特征在于，包括如下步驟：

（1）選定測度：基于電表系統監測數據選擇反映智能電表的運行狀態，區分智能電表是否在執行正常測量功能的信息，即為所選測度；

根據所選測度建立測度集合，測度集合包括測度名、測度單位、測度采集位置和測度計算方法；

（2）訓練集建立：根據選定的測度集合，從智能電表中獲取一段時間內的運行數據，并從中提取出測度集合數據，建立標準的訓練集；

（3）檢測模型建立：基于季節型 ARIMA 時間序列算法，對訓練集進行訓練，建立有周期性時間序列問題的季節型時間序列檢測模型，輸入源為每個電表的測度數據集合，輸出為異常或正常；

（4）數據獲取：在智能電表主機端安裝Agent程序，定時向數據管理中心發送主機運行數據，數據管理中心從主機運行數據中計算出測度數據；

（5）實時檢測：將步驟（4）獲取的測度數據作為輸入源發送至季節型時間序列檢測模型，根據時間序列檢測模型的輸出判斷輸入測度對應的智能電表數據屬于異常或是正常。

2.根據權利要求1所述的方法，其特征在于，所述步驟（1）中，測度基于電表系統監測數據進行選擇，選擇測度為主機的CPU利用率、進程數、開放端口數和網絡接口字節吞吐量；各字段均通過在智能電表主機端安裝的Agent程序進行采集。

3.根據權利要求1所述的方法，其特征在于，所述步驟（2）中，智能電表為實驗環境智能電表或可控的實際運行智能電表。

4.根據權利要求3所述的方法，其特征在于，從智能電表中獲取一段時間內的運行數據，所述一段時間的時間跨度為至少4周；采集運行數據的樣本點數在10K條以上。

5.根據權利要求1所述的方法，其特征在于，所述步驟（3）中，有周期性時間序列的季節型時間序列檢測模型建立方法具體如下：

首先將測度數據表示為宏觀非線性流量的時間序列X(t)，并將其分解為趨勢成分A(t)、周期成分P(t)、突變成分B(t)和隨機成分R(t)，組成宏觀流量時序表達式可分解如下：

X(t) = B(t) + A(t) + P(t) + R(t) （1）

其中趨勢成分A(t)反映的是測度行為因網絡用戶或環境因素而引起的長期變化趨勢，周期成分P(t)反映的是流量現象的周期性變化，突變成分B(t)是表示流量行為受到外部突變影響而形成的變化，趨勢成分，周期成分和突變成分反映了流量時間序列變化中的確定性成分，隨機成分R(t)進一步分解為平穩時間序列成分S(t)和噪聲N(t)；

R(t) = S(t) + N(t)（2）

在流量時間序列的五個組成成分中突變成分和噪聲屬于無記憶成分，而A(t)，P(t)和S(t)是有記憶的成分，它們分別反映X(t)的長期趨勢，周期和平穩過程等三方面的客觀行為規律三種記憶；分別建立數學模型a(t)，p(t)和s(t)，忽略影響建模的無記憶成分，則根據流量X(t)的分解模型可以合成模型x(t)；

x(t) = a(t)+p(t)+s(t)（3）

根據合成模型計算出新采集時間點的預測值m，如果實際測量值m'和m的差值大于閾值，則數據為異常，否則為正常。

6.根據權利要求1所述的方法，其特征在于，所述步驟（4）中，智能電表主機端的Agent程序將數據報文發送到數據管理中心的指定端口；并由數據管理中心對數據進行解析和測度集合的計算。