[發明專利]基于不平衡數據集的電壓監測異常數據識別方法及系統

有效

• 申請號: 202011598875.8
• 申請日: 2020-12-29
• 公開（公告）號: CN112651849B
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 徐思堯;李妍;楊強;陳揚;范穎;陳曉科;周剛
• 申請（專利權）人: 廣東電網有限責任公司電力科學研究院
• 主分類號: G06Q50/06
• 分類號: G06Q50/06
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 賈小慧

本申請公開了一種基于不平衡數據集的電壓監測異常數據識別方法及系統，通過對高維度的電壓歷史數據進行降維后，減少了后續算法的計算量，再建立基于FL?Logistic算法的異常數據識別模型，從而提高異常數據識別的回召率，同時，通過對異常數據識別模型進行異常數據識別靈敏度測試，獲得高靈敏度的最優異常數據識別模型，提高異常數據識別靈敏度，從而提高異常數據識別準確性。

技術領域

本申請涉及電壓狀態監測技術領域，尤其涉及一種基于不平衡數據集的電壓監測異常數據識別方法及系統。

背景技術

隨著我國電網行業的快速發展，如何改善電能質量及提供優質的用電服務一直是電網領域關注的問題。為此，業內出現了電壓監測系統來對電壓狀態進行監測，但是，對于電壓監測系統所監測到的數據，需要對其進行識別是否出現異常，現在普遍的異常識別方法大多是識別數據的不平衡性方面，而由于高維度的數據相對于低維度數據在空間分布上會更加稀疏，從而更難以識別，從而忽略了數據的高維度也是影響離群點識別的因素。進而使得電壓監測系統異常數據識別不夠準確且靈敏度不高。

因此，對于電壓監測系統異常數據識別方法的設計要解決數據的不平衡性和高維度問題。

發明內容

本申請提供了一種基于不平衡數據集的電壓監測異常數據識別方法及系統，用于解決現有技術中對于電壓監測系統異常數據識別不夠準確且靈敏度不高的技術問題。

有鑒于此，本申請第一方面提供了一種基于不平衡數據集的電壓監測異常數據識別方法，包括以下步驟：

將預先獲取的帶有分類標注的電壓監測歷史數據集分為訓練數據集和測試數據集，所述電壓監測歷史數據集包括電壓歷史數據；

通過PCA算法對所述訓練數據集和所述測試數據集的特征進行降維處理；

通過FL-Logistic算法對降維處理后的訓練數據集進行訓練，建立異常數據識別模型；

通過所述測試數據集代入所述異常數據識別模型中進行異常數據識別靈敏度測試，根據所述異常數據識別靈敏度調整所述異常數據識別模型，以獲得所述異常數據識別靈敏度滿足預設靈敏度的最優異常數據識別模型。

優選地，所述通過PCA算法對所述訓練數據集和所述測試數據集的特征進行降維處理的步驟之前包括：對所述訓練數據集和所述測試數據集進行歸一化預處理。

優選地，所述通過FL-Logistic算法對降維處理后的訓練數據集進行訓練，建立異常數據識別模型的步驟具體為：

將所述訓練數據集劃分為正樣本集和負樣本集，所述正樣本集包括電壓平衡歷史數據，其代表正樣本，表示電壓平衡；所述負樣本集包括電壓不平衡歷史數據，其代表負樣本，表示電壓不平衡；

根據所述訓練數據集的特征組成的特征向量，確定異常數據識別模型的目標函數為：

y'＝z＝g(x)＝b+w^Tx

式中，y'、z和g(x)為目標函數的預測樣本為正樣本的預測值，b為偏置向量，b＝0，w為權重向量，T為權重向量的轉置矩陣，x為特征向量；

選擇Sigmoid函數將預測值y'映射至[0,1]區間內，Sigmoid函數具體如下：

式中，h(y')為y'在Sigmoid函數作用下的映射；

設定預測樣本為y，則(x,y)發生的概率為：

p(y)＝z^y(1-z)^1-y

式中，p(y)為預測樣本y發生的概率；