[發(fā)明專利]基于LOF和驗(yàn)證過濾框架的電能量異常數(shù)據(jù)監(jiān)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201911097608.X
• 申請(qǐng)日: 2019-11-11
• 公開（公告）號(hào): CN111144435B
• 公開（公告）日: 2022-11-11
• 發(fā)明（設(shè)計(jì)）人: 黃福興;周廣山;丁宏;張羅平;武文廣;鄭寬昀;程樂政;楊學(xué)良;羅浩;許少哲;江周華
• 申請(qǐng)（專利權(quán)）人: 國(guó)電南瑞科技股份有限公司;國(guó)電南瑞南京控制系統(tǒng)有限公司;南瑞集團(tuán)有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06Q10/06;G06Q50/06
• 代理公司: 南京蘇高專利商標(biāo)事務(wù)所(普通合伙) 32204
• 代理人: 柏尚春

本發(fā)明公開了一種基于LOF和驗(yàn)證過濾框架的電能量異常數(shù)據(jù)監(jiān)測(cè)方法，該方法對(duì)獲取的大規(guī)模電能量數(shù)據(jù)集進(jìn)行預(yù)處理，降低所需的數(shù)據(jù)量和訓(xùn)練時(shí)間；然后使用LOF算法對(duì)大規(guī)模電能量數(shù)據(jù)集進(jìn)行異常檢測(cè)，得到帶有標(biāo)簽的電能量數(shù)據(jù)集；接著使用基于線性表的驗(yàn)證框架，判斷每個(gè)帶有異常標(biāo)簽的電能量數(shù)據(jù)的異常類型；最后根據(jù)驗(yàn)證框架的判斷結(jié)果修改電能量異常數(shù)據(jù)集中樣本的異常類型，得到最終的電能量異常數(shù)據(jù)集。本發(fā)明基于LOF和驗(yàn)證過濾框架，可以監(jiān)測(cè)大規(guī)模電能量數(shù)據(jù)發(fā)生異常的情況以及異常類型，保證了電能量數(shù)據(jù)的可靠性，也提高正向有功電量、反向有功電量等指標(biāo)的可靠性、及時(shí)性、有效性。

技術(shù)領(lǐng)域

本發(fā)明屬于電能量運(yùn)行數(shù)據(jù)監(jiān)測(cè)技術(shù)，具體涉及一種基于LOF和驗(yàn)證過濾框架的電能量異常數(shù)據(jù)監(jiān)測(cè)方法。

背景技術(shù)

在實(shí)際應(yīng)用中由于表計(jì)、終端通訊缺陷、輪換表計(jì)等因素的影響導(dǎo)致電能量計(jì)量系統(tǒng)采集到的電表表碼數(shù)據(jù)會(huì)經(jīng)常出現(xiàn)異常，如表碼突變、倒走、缺失等，嚴(yán)重影響系統(tǒng)高級(jí)應(yīng)用功能以及為公司電量統(tǒng)計(jì)、線損計(jì)算、交易結(jié)算等應(yīng)用提供數(shù)據(jù)的準(zhǔn)確性和可用性。單純依靠人工方式來完成對(duì)電能量異常數(shù)據(jù)的發(fā)現(xiàn)和校核需耗費(fèi)大量的時(shí)間和精力，在電能量數(shù)據(jù)眾多且復(fù)雜的情況下，人工效率尤為低下，且準(zhǔn)確率難以保證，無法滿足當(dāng)前實(shí)際業(yè)務(wù)需求，因而實(shí)現(xiàn)電能量采集數(shù)據(jù)的異常自動(dòng)檢測(cè)與處理顯得尤為重要。

現(xiàn)有技術(shù)對(duì)于電能量異常數(shù)據(jù)的檢測(cè)有基于孤立森林算法和隨機(jī)森林算法技術(shù)，但不能對(duì)大規(guī)模的電能量數(shù)據(jù)進(jìn)行異常檢測(cè)，檢測(cè)的效率較低，缺少對(duì)異常數(shù)據(jù)的驗(yàn)證和類型判別。

發(fā)明內(nèi)容

發(fā)明目的：針對(duì)上述現(xiàn)有技術(shù)對(duì)于大規(guī)模電能量數(shù)據(jù)下的識(shí)別和檢測(cè)精度不高問題，本發(fā)明提供一種基于LOF和驗(yàn)證過濾框架的電能量異常數(shù)據(jù)監(jiān)測(cè)方法。

技術(shù)方案：一種基于LOF和驗(yàn)證過濾框架的電能量異常數(shù)據(jù)監(jiān)測(cè)方法，包括如下步驟：

(1)獲取電能量歷史電能量數(shù)據(jù)集，并對(duì)電能量數(shù)據(jù)進(jìn)行預(yù)處理，所述的電能量數(shù)據(jù)包括正向有功總電量PAP和反向有功總電量RAP；

(2)基于LOF算法構(gòu)建電能量異常檢測(cè)模型對(duì)電能量數(shù)據(jù)集進(jìn)行異常檢測(cè)，包括分時(shí)段對(duì)電能量數(shù)據(jù)進(jìn)行類聚，得到帶有標(biāo)簽的電能量數(shù)據(jù)集；

(3)基于線性表對(duì)每個(gè)帶有異常標(biāo)簽的電能量數(shù)據(jù)進(jìn)行驗(yàn)證，通過計(jì)算電能數(shù)量數(shù)據(jù)在時(shí)間序列上的正向差值和反向差值來判斷異常類型。

進(jìn)一步的，步驟(1)所述的電能量數(shù)據(jù)預(yù)處理具體如下：

(11)根據(jù)時(shí)間序列，對(duì)相鄰兩個(gè)電能量數(shù)據(jù)樣本的PAP值和RAP值兩列作差，得到△_PAP和△_RAP；

(12)提取相同ID的電能量數(shù)據(jù)記錄中的時(shí)間列OCCUR TIME和檢測(cè)異常的數(shù)據(jù)列△_PAP和△_RAP；

(13)刪除空行，并填充缺失數(shù)據(jù)。

步驟(2)具體包括如下過程：

(22)輸入電能量數(shù)據(jù)集D，設(shè)定LOF算法中的鄰域K值；

(22)計(jì)算電能量數(shù)據(jù)集D中某個(gè)樣本數(shù)據(jù)點(diǎn)p和其第k鄰域中所有點(diǎn)的可達(dá)距離和局部可達(dá)密度；

(23)根據(jù)點(diǎn)p和鄰域中其他點(diǎn)的局部可達(dá)密度進(jìn)行比較，計(jì)算得到局部離群因子；

(24)將點(diǎn)p的局部離群因子和設(shè)定的閾值進(jìn)行比較，判斷該電能量數(shù)據(jù)點(diǎn)是否為異常點(diǎn)。

步驟(3)具體包括如下過程：

(31)對(duì)預(yù)處理后的數(shù)據(jù)集建立索引index，采用線性表的數(shù)據(jù)結(jié)構(gòu)，每個(gè)樣本數(shù)據(jù)抽象為元組T(i,△_PAP,△_RAP)表示其中i標(biāo)記該數(shù)據(jù)樣本在時(shí)序上的位置；