[發(fā)明專利]傳感器數(shù)據(jù)鏈路異常檢測方法、裝置和計(jì)算機(jī)設(shè)備

有效

• 申請(qǐng)?zhí)枺?/td>: 202110640983.5
• 申請(qǐng)日: 2021-06-09
• 公開（公告）號(hào): CN113093985B
• 公開（公告）日: 2021-09-10
• 發(fā)明（設(shè)計(jì)）人: 石延輝;楊洋;張海鳳;袁海;洪樂洲;楊陽;吳夢凡;吳桐;張朝斌;張博;黃家豪;李凱協(xié);賴皓;廖名洋;張卓杰;林軒如;姚言超;夏杰;李金安;秦金鋒;許浩強(qiáng);王蒙;葉志良;袁振峰;黃兆;嚴(yán)偉;蔡斌;關(guān)就;廖聰;李莉;趙曉杰;孔瑋琦;王越章
• 申請(qǐng)（專利權(quán)）人: 中國南方電網(wǎng)有限責(zé)任公司超高壓輸電公司廣州局
• 主分類號(hào): G06F3/05
• 分類號(hào): G06F3/05;G06K9/62;G01D18/00
• 代理公司: 廣州華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 聶榕

1.一種傳感器數(shù)據(jù)鏈路異常檢測方法，所述方法包括：

獲取傳感器采集的對(duì)換流變的監(jiān)測數(shù)據(jù)；

對(duì)所述監(jiān)測數(shù)據(jù)進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)；

將單位時(shí)間段內(nèi)的所述標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)分別利用各預(yù)先訓(xùn)練的鏈路異常檢測模型，確定單一鏈路異常檢測模型對(duì)應(yīng)的異常數(shù)據(jù)占比；其中，利用預(yù)先訓(xùn)練的多個(gè)鏈路異常檢測模型并行檢測；

根據(jù)各鏈路異常檢測模型預(yù)測的異常數(shù)據(jù)占比確定傳感器數(shù)據(jù)鏈路是否異常；

當(dāng)確定所述傳感器數(shù)據(jù)鏈路異常時(shí)，確定異常節(jié)點(diǎn)；所述異常節(jié)點(diǎn)包括：傳感器、A/D數(shù)模轉(zhuǎn)換、信號(hào)轉(zhuǎn)換板卡、推送接口和數(shù)據(jù)庫；

其中，訓(xùn)練所述鏈路異常檢測模型的方式，包括：

獲取傳感器采集的對(duì)換流變的歷史監(jiān)測數(shù)據(jù)；

獲取對(duì)歷史監(jiān)測數(shù)據(jù)進(jìn)行預(yù)處理所得到的歷史標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)，以及各歷史標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)對(duì)應(yīng)的狀態(tài)標(biāo)簽；所述狀態(tài)標(biāo)簽包括：傳感器異常、A/D數(shù)模轉(zhuǎn)換異常、信號(hào)轉(zhuǎn)換板卡異常、推送接口異常、數(shù)據(jù)庫異常、正常以及未知異常；

分別采用多種算法，基于所述歷史監(jiān)測數(shù)據(jù)和狀態(tài)標(biāo)簽進(jìn)行訓(xùn)練，得到各算法對(duì)應(yīng)的鏈路異常檢測模型；所述多種算法包括LSPB方法、K最近鄰分類算法、主成分分析方法、ABOD方法、基于聚類的局部異常因子算法和獨(dú)立森林算法中的至少兩種。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，對(duì)所述監(jiān)測數(shù)據(jù)進(jìn)行預(yù)處理，得到標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)，包括：

根據(jù)預(yù)先設(shè)置的區(qū)間范圍，剔除超過或低于對(duì)應(yīng)區(qū)間范圍的監(jiān)測數(shù)據(jù)，得到標(biāo)準(zhǔn)區(qū)間數(shù)據(jù)；

對(duì)所述標(biāo)準(zhǔn)區(qū)間數(shù)據(jù)中的缺失數(shù)據(jù)進(jìn)行補(bǔ)充，得到標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對(duì)所述標(biāo)準(zhǔn)區(qū)間數(shù)據(jù)中的缺失數(shù)據(jù)進(jìn)行補(bǔ)充，得到標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)，包括：

確定所述標(biāo)準(zhǔn)區(qū)間數(shù)據(jù)的缺失數(shù)據(jù)范圍；

若所述標(biāo)準(zhǔn)區(qū)間數(shù)據(jù)的缺失數(shù)據(jù)范圍在第一預(yù)設(shè)范圍時(shí)，采用插值填補(bǔ)方法對(duì)所述缺失數(shù)據(jù)進(jìn)行補(bǔ)充，得到標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)；

若所述標(biāo)準(zhǔn)區(qū)間數(shù)據(jù)的缺失數(shù)據(jù)范圍在第二預(yù)設(shè)范圍時(shí)，采用隨機(jī)森林算法或KNN算法對(duì)所述缺失數(shù)據(jù)進(jìn)行補(bǔ)充，得到標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)；

若所述標(biāo)準(zhǔn)區(qū)間數(shù)據(jù)的缺失數(shù)據(jù)范圍在第三預(yù)設(shè)范圍時(shí)，采用多重填補(bǔ)方法對(duì)所述缺失數(shù)據(jù)進(jìn)行補(bǔ)充，得到標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)；其中，所述第一預(yù)設(shè)范圍、第二預(yù)設(shè)范圍和第三預(yù)設(shè)范圍依次增大。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將單位時(shí)間段內(nèi)的所述標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)分別利用各預(yù)先訓(xùn)練的鏈路異常檢測模型，確定單一鏈路異常檢測模型對(duì)應(yīng)的異常數(shù)據(jù)占比，包括：

將單位時(shí)間段內(nèi)的所述標(biāo)準(zhǔn)狀態(tài)數(shù)據(jù)分別利用各預(yù)先訓(xùn)練的鏈路異常檢測模型，確定鏈路異常檢測模型檢測的單位時(shí)間段的異常數(shù)據(jù)量；

根據(jù)所述異常數(shù)據(jù)量以及單位時(shí)間段內(nèi)的全部數(shù)據(jù)量，得到單一鏈路異常檢測模型對(duì)應(yīng)的異常數(shù)據(jù)占比。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)各鏈路異常檢測模型預(yù)測的異常數(shù)據(jù)占比確定傳感器數(shù)據(jù)鏈路是否異常，包括：

獲取單一鏈路異常檢測模型對(duì)應(yīng)的異常數(shù)據(jù)占比的平均值；

當(dāng)所述平均值大于預(yù)設(shè)閾值時(shí)，確定傳感器數(shù)據(jù)鏈路異常。