[发明专利]一种基于对数区间隔离的电力调度数据异常检测方法

说明书

本发明实施例提出了一种基于对数区间隔离的电力调度数据异常检测方法，包括：通过Bagging技术生成大量训练数据集的子集；计算每个子集空间下每个子样本对于该空间的马氏距离，根据样本马氏距离对子集空间中每个样本进行对数区间隔离；根据区间内样本的数据分布对样本进行二叉划分，在左右子树节点的子集上重复上面的过程，直至达到终止条件；构建多个对数区间隔离子树，并将其组成对数区间隔离森林异常检测器，求出每个样本在每个子树下的路径长度，集成每个子树中对应数据的路径并取平均值求得异常分数，根据异常率阈值筛选出数据集中的异常样本；通过构建的对数区间隔离森林异常检测器判断电力数据的异常情况，提高数据异常检测准确率。

【技术领域】

本发明涉及电力调度数据异常检测方法，涉及一种自的基于对数区间隔离的电力调度数据异常检测方法。

【背景技术】

统一坚强智能电网是以物理电网为基础，将现代先进的传感测量技术、通讯技术、信息技术、计算机技术和控制技术与物理电网高度集成而形成的新型电网，其包含发电、输电、变电、配电、用电和调度环节。在电力系统实际工作中，调度承担指挥、监督和管理电力生产运行的职能，是电力系统安全运行的重要保障。随着电网规模日益扩大，对电网安全稳定运行的要求也越来越高，调度电网数据的异常检测也愈显重要。当前调度数据的分析模式以静态离线数据分析为主，利用离线缓存数据搭建异常检测模型对电网调度数据的健康度评价体系有着重大意义，这种方式是生产运行系统不可缺少的一部分，是数据异常检测体系里面的模型离线构建环节。而且，如今的调度信息数据采集量增多且随着时间推移数据不断到来，具有顺序、大量、快速、连续到达的特点。因此，如何在保证离线异常检测模型构建效率的同时，提高异常检测模型的检测性能，对实时到达的调度数据进行同步处理并检测其是否存在异常，对于加强对电网状态监测、保障电网安全有重要意义。

【发明内容】

有鉴于此，本发明提出了一种基于对数区间隔离的电力调度数据异常检测方法，以提高电力调度数据异常检测的性能。

本发明提出一种基于对数区间隔离的电力调度数据异常检测方法，具体包括：

通过Bagging技术获得正常样本数据的多个子集；

计算每个子集空间下每个子样本对于该子样本所属子集空间的马氏距离，然后根据样本马氏距离对子集空间中每个子样本进行对数区间隔离；

根据区间内样本数量对样本进行二叉划分，根据样本马氏距离所在区间均匀划分为log₂N个子区间，把含有样本量最少的区间内的样本集划分到右子树节点，其余样本集划分至左子树节点，在左右子树节点的数据集上重复上面的过程，直接达到终止条件；

构建多个对数区间隔离子树，组成对数区间隔离森林异常检测器，求出每个样本在每个子树下的路径长度，集成每个子树中对应数据的路径长度并取平均值求得异常分数，根据异常率阈值筛选出数据集中的异常样本；

通过构建好的对数区间隔离森林异常检测器离线模型判断数据的异常情况。

上述方法中，通过Bagging技术对数据集进行训练，运用训练得到的对数区间隔离子树构建多个子异常检测器，将多个子异常检测器组成对数区间隔离森林异常检测器的方法为：采集N条电力调度数据样本，组成原始电力调度数据集；构建一个对数区间隔离子树时，从N条数据中均匀抽样(一般是有放回抽样)出ψ条数据样本，作为这个隔离树的训练样本；在训练样本中，我们计算出样本的数据中心点和样本整体的协方差矩阵，在每个隔离树样本中，计算出样本对于样本集的马氏距离，并根据所得出的马氏距离对样本进行对数区间隔离操作，对样本进行二叉划分，在这些区间集中，将区间内样本数量最少的区间里的样本集合划分到节点的右边，其余样本集统一归到左子节点，得到了一个分裂条件和左、右两边的数据集；分别在左右两边的数据集上重复上面的过程，直接达到终止条件，终止条件有两个：数据集身不可再分(只包括一个样本，或者全部样本相同)；或者树的高度达到log₂(ψ)；