[发明专利]一种面向电力监控系统安全态势评估指标选取方法及系统有效
申请号: | 202010370523.0 | 申请日: | 2020-05-06 |
公开(公告)号: | CN111614491B | 公开(公告)日: | 2022-10-04 |
发明(设计)人: | 王梓;杨维永;朱世顺;黄益彬;刘苇;黄天明;朱江;韩勇;程长春;郑卫波;祁龙云;魏兴慎;李牧野;景娜;张林霞 | 申请(专利权)人: | 国网电力科学研究院有限公司;南京南瑞信息通信科技有限公司;国网福建省电力有限公司;国家电网有限公司 |
主分类号: | H04L41/14 | 分类号: | H04L41/14;H04L9/40;G06K9/62 |
代理公司: | 南京纵横知识产权代理有限公司 32224 | 代理人: | 张赏 |
地址: | 210003 *** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 面向 电力 监控 系统安全 态势 评估 指标 选取 方法 系统 | ||
1.一种面向电力监控系统安全态势评估指标选取方法,其特征在于,包括:
获取用于电力监控系统安全评估的候选特征指标;
基于所述候选特征指标构建训练样本数据集;
基于所述训练样本数据集计算所述候选特征指标用于评估电力监控系统安全状态的相关性,得到候选特征指标相关性排序集合,包括:采用训练样本数据集训练支持向量机模型,得到候选特征指标的权重;根据候选特征指标的权重计算候选特征指标和电力监控系统安全评估的相关性评价分数;使用序列后向选择启发式搜索算法对候选特征指标集进行循环处理,每次从候选特征指标集中剔除一个相关性评价分数最小的候选特征指标,依次放入候选特征指标相关性排序集合中,最终得到候选特征指标相关性从大到小的排序集合;
剔除所述候选特征指标相关性排序集合中的冗余指标,构成剔除了冗余指标的候选特征指标相关性排序集合;
从所述剔除了冗余指标的候选特征指标相关性排序集合中,选取电力监控系统安全态势评估的最优指标集,包括:
设计最优指标集选择的目标函数如下:
其中,S是剔除了冗余指标的候选特征指标相关性排序集合Q的子集,P(S)为根据指标集S构造的支持向量机分类器的分类准确率,|S|为指标集S的指标个数,|Q|为指标集Q的指标个数,μ是用来权衡分类准确率和指标个数的权重因子;
求解所述目标函数得到最优指标集。
2.根据权利要求1所述的一种面向电力监控系统安全态势评估指标选取方法,其特征在于,所述获取用于电力监控系统安全评估的候选特征指标,包括:
从流量特征、设备运行状态和告警日志中选取若干个能够反映电力监控系统安全状态的候选特征指标。
3.根据权利要求1所述的一种面向电力监控系统安全态势评估指标选取方法,其特征在于,所述基于所述候选特征指标构建训练样本数据集,包括:
采集用于电力监控系统安全评估的候选特征指标历史数据,形成原始样本数据集D:
其中,Xi,i∈[1,m],为第i条反映电力监控系统安全状态的历史数据记录,m为采集的历史数据记录条数,xij表示第i条历史数据记录中第j个候选特征指标对应的数值,j∈[1,n],n为候选特征指标个数;
对原始样本数据集D进行标准化处理,生成标准化的样本数据集D':
其中:X'i为Xi标准化的样本数据记录,x'ij为xij标准化的数值;
x'ij计算如下:
对标准化的原始样本数据集D'进行人工标注,生成训练样本数据集T:
其中,Ti,i∈[1,m],为第i条训练样本记录,xi ,yi∈{0,1},表示第i条训练样本记录对应的电力监控系统安全状态,取值1表示安全状态,取值0表示危险状态。
4.根据权利要求1所述的一种面向电力监控系统安全态势评估指标选取方法,其特征在于,所述采用训练样本数据集训练支持向量机模型,得到候选特征指标的权重,包括:
支持向量机的分类函数为:
其中,自变量X表示标准化的反映电力监控系统安全状态的待测数据记录,f(X)表示根据自变量X得到的分类结果,αi是拉格朗日乘子,sgn(·)是符号函数,b为阈值,αi和b经过模型训练得到,X'i为标准化的训练样本数据记录,yi表示第i条训练样本记录对应的电力监控系统安全状态;
使用训练样本数据集训练支持向量机模型,得到自变量X的系数ω:
则向量ω的第j个元素对应的表示第j个候选特征指标的权重ωj,x'ij为标准化的第i条训练数据记录中第j个候选特征指标对应的数值,m为训练数据记录条数,n为候选特征指标个数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国网电力科学研究院有限公司;南京南瑞信息通信科技有限公司;国网福建省电力有限公司;国家电网有限公司,未经国网电力科学研究院有限公司;南京南瑞信息通信科技有限公司;国网福建省电力有限公司;国家电网有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010370523.0/1.html,转载请声明来源钻瓜专利网。