[發明專利]基于電力數據的異常檢測算法

在審

• 申請號: 202110190741.0
• 申請日: 2021-02-20
• 公開（公告）號: CN112819088A
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 虞海;張添良;陳旻昕;吳晨健;陳景潤
• 申請（專利權）人: 蘇州安極能新能源發展有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/06
• 代理公司: 蘇州高專知識產權代理事務所(特殊普通合伙) 32474
• 代理人: 冷泠

本發明公開了一種基于電力數據的異常檢測算法，分析功率的差值，采用當前時刻減去前面第四個時刻的值，并且連續4個值都低于閾值則判斷為異常；畫出其當前時刻功率差值的直方圖，采用核密度估計算法，設其概率密度函數為f，公式如下：本發明通過對所采集的功率數據進行差值計算，畫出其當前時刻的歷史數據的直方圖，由于異常數據較少，可將其近似為高斯模型，根據歷史數據的分布，來計算當前時刻該功率值出現的概率，低于某個閾值則為異常。

技術領域

本發明屬于電力數據異常檢測技術領域，特別是涉及一種基于電力數據的異常檢測算法。

背景技術

在電力數據異常檢測中大多使用k-means算法和孤立森林算法，其中k-means算法對初始中心敏感，容易陷入局部最優并且需要事先確定聚類的數量等問題，而使用孤立森林算法時由于電力數據波動較大，會將正常數據檢測為異常。

發明內容

本發明的目的在于提供一種基于電力數據的異常檢測算法，通過對所采集的功率數據進行差值計算，畫出其當前時刻的歷史數據的直方圖，由于異常數據較少，可將其近似為高斯模型，根據歷史數據的分布，來計算當前時刻該功率值出現的概率，低于某個閾值則為異常。

為達上述目的，本發明是通過以下技術方案實現的：

基于電力數據的異常檢測算法，分析功率的差值，采用當前時刻減去前面第四個時刻的值，并且連續4個值都低于閾值則判斷為異常；畫出其當前時刻功率差值的直方圖，采用核密度估計算法，設其概率密度函數為f，公式如下：

進一步的，用平均積分平方誤差來衡量帶寬h的優劣，公式如下：

在弱假設下，其中AMISE為漸進的MISE，而AMISE有，

其中，

R(g)＝∫g(x)²dx

m₂(K)＝∫x²K(x)dx

為了使MISE(h)最小，則轉化為求極點問題，

進一步的，K的公式為：

進一步的，取值范圍為0～100。

進一步的，交叉驗證方法采用留一法。

本發明的實施例具有以下有益效果：通過對所采集的功率數據進行差值計算，畫出其當前時刻的歷史數據的直方圖，由于異常數據較少，可將其近似為高斯模型，根據歷史數據的分布，來計算當前時刻該功率值出現的概率，低于某個閾值則為異常。

附圖說明

構成本申請的一部分的說明書附圖用來提供對本發明的進一步理解，本發明的示意性實施例及其說明用于解釋本發明，并不構成對本發明的不當限定。在附圖中：

圖1為功率差值直方分布圖。

圖2為實施例1中去除周日數據的異常數據。

圖3為實施例1中去除周日數據的檢測結果。

圖4為實施例1中周日異常數據。

圖5為實施例1中周日異常數據的檢測結果。

具體實施方式

下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅是本發明一部分實施例，而不是全部的實施例。以下對至少一個示例性實施例的描述實際上僅僅是說明性的，決不作為對本發明及其應用或使用的任何限制。