[發明專利]基于k-Means算法的電網數據值異常檢測方法及系統

在審

• 申請號: 202310278784.3
• 申請日: 2023-03-21
• 公開（公告）號: CN116304776A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 翁東雷;趙鐵林;王露民;莫建國;盧俊;林維修;邱云;唐金祥;李開文;鄔霄雷;沈一鵬;張貴中;方凱倫;周行;周冬升
• 申請（專利權）人: 寧波送變電建設有限公司運維分公司;國網浙江省電力有限公司寧波供電公司
• 主分類號: G06F18/23213
• 分類號: G06F18/23213;G06Q50/06
• 代理公司: 上海大為知衛知識產權代理事務所(普通合伙) 31390
• 代理人: 尤瑩

本公開涉及智能電網領域，具體涉及基于k?Means算法的電網數據值異常檢測方法及系統。在進行簇中心標記時即判斷硬件監測是否存在異常或者數據偏移，這樣能夠在分類時即去除異常的簇中心，在硬件發生問題但是經過糾偏能夠正常使用的數據則進行糾偏后再予以進行簇中心的形成，在形成新的簇中心之后也需要對偏離新的簇中心的樣本點是否落入置信閾值進行判斷，置信閾值也是通過概率統計分析獲得，在配合硬件糾偏以及期望值的設置，能夠獲得相對于現有K?means算法更準確的異常值檢測。

技術領域

本公開涉及智能電網領域，具體涉及基于k-Means算法的電網數據值異常檢測方法及系統。

背景技術

k-Means聚類算法進行異常值檢測的原理是：不斷計算各樣本與中心點之間的距離，將各樣本點歸屬于距離最近的簇中，并更新簇中心點，重復上述步驟直到中心點穩定收斂；其次計算簇內每個點到簇中心的距離，將距離與閾值進行比較，大于閾值則認為是異常，否則為正常。

在基于K-means算法實現異常數據辨識、數據治理方法研究方面，國家電網公司在2015年就提出了一種基于聚類的電網運行監控信息辨識分類方法。該方法將聚類分析引入到電網監控的研究中，在對歷史存檔的電網監控告警信號進行預處理的前提下，將其轉化為有效的告警信號文檔集合。并采用聚類分析的方法建立對應的空間特征向量，結合K-means算法計算得出典型的告警信號空間特征向量。有新的告警信患出現時可通過計算新增告警信息與典型告警信號空間特征向量的相似度對新增告警信號進行分類。從而實現電網監控信息自動分類，達到提高電網設備告警信號的辨識效率，防止信號的漏看和錯誤辨識的現象，保障電網安全穩定運行的目的。華北電力大學開展融合稀疏降噪自編碼與聚類算法的配電網臺區分類研究電力信息與通信技術研究，利用K-means算法對特征序列聚類分析，得到臺區類型.該模型能夠很好地提取高維無標簽數據特征，降低數據維度，提高聚類效率.實驗結果表明，該模型在配電網臺區分類應用中效果明顯，且具有良好的抗噪性和泛化能力。

然而，如果在硬件(如傳感器漂移，在糾偏后可正常工作的情況下，實際上不應當被認定為另外一簇)或者正常數據的部分時段的正常偏移如突發事件導致的停工停產或區域電壓超負荷的情況發生時，正常的負荷數據發生了超出常規的變化會導致在使用常規的K-means算法計算時，會發生僅僅針對數據本身進行聚類分析，會產生聚類不準、簇中心計算錯誤進而導致異常信息認定錯誤等問題。

發明內容

本公開提供基于k-Means算法的電網數據值異常檢測方法及系統，能夠解決在使用常規的K-means算法計算時，會發生僅僅針對數據本身進行聚類分析，會產生聚類不準、簇中心計算錯誤進而導致異常信息認定錯誤等問題。為解決上述技術問題，本公開提供基于k-Means算法的電網數據值異常檢測方法及系統。

作為本公開實施例的一個方面，提供基于k-Means算法的電網數據值異常檢測方法，包括：

S10、獲取至少一種類型的電網數據值；

S20、計算歷史電網數據值的統計規律下的期望值，將所述期望值作為初試簇中心；

S30、獲取電網設備的運行狀況，并根據所述運行狀況判斷電網設備是否屬于硬件故障或監測數據偏移；如果為硬件故障則直接認定為異常數據，如果為監測數據偏移則對這種類型的電網數據值的簇中心進行偏移量糾偏得到糾偏后的初始簇中心；

S40、將所述電網數據值中的樣本點與簇中心的距離標記為新的簇中心數據；

S50、根據被標記的簇中心數據確定新的簇中心，重復步驟S20-S50，直到簇中心變化穩定以確定最終簇中心；

S60、將電網數據值與所述最終簇中心的距離與置信閾值相比較以確定數據是否異常。