[發(fā)明專利]一種基于密度空間聚類的信息流異常數(shù)據(jù)監(jiān)測方法及裝置

有效

• 申請?zhí)枺?/td>: 202011418335.7
• 申請日: 2020-12-07
• 公開（公告）號: CN112464848B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計）人: 王韜;劉麗娜;申杰;李方碩;李銳超;羅銀康;吳勇;王姝
• 申請（專利權(quán)）人: 國網(wǎng)四川省電力公司電力科學研究院
• 主分類號: G06F18/2415
• 分類號: G06F18/2415;G06F18/2321;G06F18/213;G06N3/0442;G06N3/045;G01R19/165;G01R25/00
• 代理公司: 成都行之專利代理事務(wù)所(普通合伙) 51220
• 代理人: 李朝虎

本發(fā)明公開了一種基于密度空間聚類的信息流異常數(shù)據(jù)監(jiān)測方法及裝置，包括：S1、實時采集電能信息交互設(shè)備上傳主站電能量測數(shù)據(jù)，將電能測量數(shù)據(jù)分組為幅值量測數(shù)據(jù)和相角量測數(shù)據(jù)；S2、利用長短期記憶LSTM方法計算電能信息交互測量數(shù)據(jù)幅值特征分量；S3、利用斜率特征量計算電能信息數(shù)據(jù)相角特征分量；S4、采用基于密度空間聚類DBSC監(jiān)測模型，將所述幅值特征分量、相角特征分量分別輸入基于密度空間聚類DBSC監(jiān)測模型，并進行聚類分析以監(jiān)測電能信息交互設(shè)備量測值中的幅值或相角異常數(shù)據(jù)，并輸出監(jiān)測結(jié)果。本發(fā)明大大提高了動態(tài)條件下監(jiān)測和篩選異常數(shù)據(jù)的精度，滿足現(xiàn)場實際應(yīng)用的大部分需求。

技術(shù)領(lǐng)域

本發(fā)明涉及電力系統(tǒng)技術(shù)領(lǐng)域，具體涉及一種基于密度空間聚類的信息流異常數(shù)據(jù)監(jiān)測方法及裝置。

背景技術(shù)

隨著國家電網(wǎng)公司不斷提高供電可靠性、減少停電時間，提升電能服務(wù)能力的要求，勢必要實現(xiàn)電力系統(tǒng)電能信息全覆蓋、多維度的實時采集。新型電能信息交互設(shè)備由于其快速、實時、準確的特點而廣泛用于電力系統(tǒng)的動態(tài)監(jiān)測、自適應(yīng)保護等領(lǐng)域。然而，隨著電能信息交互設(shè)備的推廣應(yīng)用，因互感器誤差，設(shè)備故障、時間同步偏差、通信系統(tǒng)中斷等諸多因素，現(xiàn)場部分實測電能信息流數(shù)據(jù)容易出現(xiàn)丟失、跳變、偏差等數(shù)據(jù)異常問題。另外，隨著現(xiàn)代電力系統(tǒng)交互信息不斷融合，系統(tǒng)調(diào)控中心對實時量測數(shù)據(jù)的依賴程度越來越高，導致電能信息監(jiān)測數(shù)據(jù)面臨著較高的潛在網(wǎng)絡(luò)攻擊風險。同時，因信息交互主站利用衛(wèi)星信號授時，容易受到許多內(nèi)外因素的影響，例如信道干擾，衛(wèi)星定位系統(tǒng)(GPS或北斗導航系統(tǒng))信號丟失和設(shè)備錯誤，都將大大降低系統(tǒng)的可觀性，甚至影響電力系統(tǒng)的安全性和穩(wěn)定性。

針對監(jiān)測電力系統(tǒng)電能信息交互設(shè)備可能存在的信息流異常數(shù)據(jù)，目前業(yè)內(nèi)存在很多方法，目前大致可以劃分為基于系統(tǒng)拓撲狀態(tài)估計和基于數(shù)據(jù)驅(qū)動的兩類方法。其中，基于系統(tǒng)拓撲狀態(tài)估計的方法需要預先掌握電力系統(tǒng)拓撲及狀態(tài)參數(shù)，盡管其異常數(shù)據(jù)監(jiān)測精度很高，但是當發(fā)生系統(tǒng)拓撲錯誤時，很容易引起誤判。而隨著數(shù)據(jù)挖掘技術(shù)的興起，引申出一系列基于神經(jīng)網(wǎng)絡(luò)和深度學習的異常數(shù)據(jù)監(jiān)測方法。這些方法在靜態(tài)情況下取得了良好的異常數(shù)據(jù)監(jiān)測效果。但是在動態(tài)條件(低頻振蕩、次同步振蕩等)下，由于電能信息交互數(shù)據(jù)本身也在隨時間發(fā)生振蕩波動，導致其中某些不良數(shù)據(jù)與系統(tǒng)正常數(shù)據(jù)間僅存在細微差別。因此，在此類動態(tài)工況下，傳統(tǒng)數(shù)據(jù)學習方法的在動態(tài)條件下誤檢率很高，難以大面積推廣應(yīng)用。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是現(xiàn)有技術(shù)下傳統(tǒng)的信息流異常數(shù)據(jù)監(jiān)測方法普遍存在動態(tài)條件下無法放大并辨識異常數(shù)據(jù)細微特征，最終導致誤檢率大幅增高的問題。

基于此，本發(fā)明基于密度空間聚類(density-based?spatial?clustering,DBSC)方法，提出了一種基于密度空間聚類的信息流異常數(shù)據(jù)監(jiān)測方法及裝置，該方法通過長短期記憶(long?short-term?memory,LSTM)神經(jīng)網(wǎng)絡(luò)有選擇地使用電能信息采集數(shù)據(jù)，從相角斜率特征出發(fā)，通過計算殘差值放大了異常數(shù)據(jù)的特征信息，最后通過DBSC對電能信息流數(shù)據(jù)幅值/相角特征進行聚類分析，有效解決動態(tài)條件下電能信息流數(shù)據(jù)幅值和相位角數(shù)據(jù)監(jiān)測異常的問題。該方法通過長短期記憶LSTM神經(jīng)網(wǎng)絡(luò)有選擇地使用電能信息流數(shù)據(jù)，從電能信息測量值相角數(shù)據(jù)的斜率特征出發(fā)，通過計算殘差值放大了異常數(shù)據(jù)的特征信息，最后通過基于密度空間聚類DBSC對電能信息幅值/相角特征進行聚類分析，有效解決動態(tài)條件下電能信息流數(shù)據(jù)幅值和相位角數(shù)據(jù)監(jiān)測異常的問題。根據(jù)實施例結(jié)果表明，本發(fā)明方法能夠抑制外界干擾因素對異常數(shù)據(jù)監(jiān)測的影響，大大提高了動態(tài)條件下監(jiān)測和篩選異常數(shù)據(jù)的精度，滿足現(xiàn)場實際應(yīng)用的大部分需求。

本發(fā)明通過下述技術(shù)方案實現(xiàn)：

一方面，本發(fā)明提供了一種基于密度空間聚類的信息流異常數(shù)據(jù)監(jiān)測方法，該方法包括以下步驟：

S1、實時采集電能信息交互設(shè)備上傳主站電能量測數(shù)據(jù)，將電能測量數(shù)據(jù)分組為幅值量測數(shù)據(jù)和相角量測數(shù)據(jù)；