[發明專利]一種智能電網實時安全預警方法和裝置

有效

• 申請號: 201710115815.8
• 申請日: 2017-03-01
• 公開（公告）號: CN108537394B
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 周愛華;李敏;梁良;萬鋼勇;馬勇;朱力鵬;胡斌;饒瑋;楊佩;潘森;鄧松;張利平
• 申請（專利權）人: 全球能源互聯網研究院;國網江西省電力公司;國家電網公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06K9/62
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

1.一種智能電網實時安全預警方法，其特征在于，所述方法包括：將預處理后的歷史用電數據作為訓練數據，進行分類器模型的訓練；根據用戶的實時用電數據，用訓練后的分類器模型預測用電安全狀態；根據用電安全狀態發出電網預警；

所述進行分類器模型的訓練包括：

將訓練數據Datas輸入MapReduce計算框架，針對類別N分別發射Mapper端讀到的樣本數據；所述發射的格式包括：ClassID，True/False，SampleFeatures，其中，True和False：分別表示屬于或不屬于ClassID類別；SampleFeatures：樣本數據特征屬性；將Reducer的數量設置為N，并行訓練N個二分類器；

所述方法還包括：

采集歷史用電數據，所述歷史用電數據為智能終端設備向數據中心發送的特征數據；

所述歷史用電數據用以下三元組表示：

Data::＝DataId，Size，[Pair]

其中，DataId:全局唯一的智能終端編號；Size：Pair的個數；[Pair]：一個或多個特征屬性和特征屬性權重Pair；Pair用以下二元組表示：Pair::＝FeatureId，FeatureWeight

式中，FeatureId：特征屬性的標號；FeatureWeight：特征屬性權重；所述預處理包括：

將所述歷史用電數據進行類標標記，并將不正常指標數據刪除后的數據統一為SVM數據格式；歸一化處理格式化的數據；類標標記Class如下式所示：

Class::＝Danger，Warn，Safe，Unknown；

所述Danger表示用戶用電危險狀態，Warn表示用戶用電狀態超出正常范圍，Safe表示用戶用電狀態正常，Unknown表示無法判斷用戶用電狀態；

所述根據用戶的實時用電數據預測用電安全狀態包括：

Mapper端讀入的N個二分類器模型對每個待預測樣本數據Sample評分，并將評分結果以SampleID，ClassID，Score格式輸出；

Reducer函數從同一個樣本數據Sample的N個ClassID對應分數Score中選擇最大值，將最大分數Score及其相對的分類ClassID標記為ResultClass，且ResultClass∈Class；

若所述ResultClass給出的置信度分數高于最低閾值，則將樣本數據Sample判定為ResultClass類，否則將樣本數據Sample判為異類；

所述用電安全狀態為Danger，或者，所述用電安全狀態為Warn，或者，所述用電安全狀態為Safe，或者，所述用電安全狀態為Unknown；所述根據用電安全狀態發出電網預警包括：

(1)所述用電安全狀態為Danger則發出的電網預警為：對該用電狀態采取電話通知或工作人員核實狀態的緊急處理方式；記錄并保存此用電狀態的數據，在核查后補入數據狀態的真實類標并存入歷史數據庫；

(2)所述用電安全狀態為Warn，則發出的電網預警為：電話或郵件提醒用戶；

(3)所述用電安全狀態為Safe，則發出的電網預警為：用戶用電狀態正常；

(4)所述用電安全狀態為Unknown，則發出的電網預警為：保存當前記錄，在核查后標記數據并存入歷史數據庫；

完成一條實時數據預測和/或重新構建分類器模型的定時器超時，則重新構建分類器模型。

2.一種權利要求1所述方法的預警裝置，其特征在于，所述裝置包括：

建模單元，用于將預處理后的歷史用電數據作為訓練數據，進行分類器模型的訓練；

預測單元，用于根據用戶的實時用電數據，用訓練后的分類器模型預測用電安全狀態；

預警單元，根據用電安全狀態發出電網預警；

所述建模單元包括：

預處理子單元，用于類標標記智能終端向數據中心發送的特征數據，將不正常指標數據刪除后的數據統一為SVM數據格式；歸一化處理格式化的數據；

訓練子單元，用于訓練分類器模型，訓練過程包括：將訓練數據Datas輸入MapReduce計算框架，針對類別N分別發射Mapper端讀到的樣本數據；

將Reducer的數量設置為N，并行訓練N個二分類器；

所述預測單元包括：

數據處理子單元，用于根據采集的實時用電數據待預測樣本，用MapReduce框架實現預測；

判定子單元，根據設定的最低閾值判斷樣本數據Sample是否為ResultClass類；

預測結果處理子單元，用于根據得到的Danger、Warn、Safe和Unknown的用電安全狀態標記并存儲用電數據。