[发明专利]一种异常检测方法、装置、存储介质及电子设备

说明书

本发明实施例公开了一种异常检测方法、装置、存储介质及电子设备。获取变电站中各设备的属性数据，并基于各属性的数据异常范围确定异常属性数据；基于确定各所述异常属性数据生成所述变电站的异常指数矩阵；基于预先训练的转换模型对所述异常指数矩阵进行转换处理，得到所述异常指数矩阵对应的自变量异常概率矩阵；基于所述自变量异常概率矩阵中各属性对应的自变量异常概率，以及对应的属性数据生成所述变电站的异常概率。将设备的属性数据使用价值得到充分有效的发挥，实现对电力运行中潜在风险进行更加精准地评估预判，从而主动提示预警，提高系统安全性，降低检测成本。

技术领域

本发明实施例涉及数据处理技术，尤其涉及一种异常检测方法、装置、存储介质及电子设备。

背景技术

电力生产技术日新月异，安全性始终是电力运行中的最重要因素，随着物联网技术的日益发展，基于电力物联网的多传感、图像视频等多模态大数据的应用越来越广泛，这些大数据对加强智能电网的安全性能监控起着重要作用。

目前，由于电力多模态大数据汇集了多种数据源，数据类型多样，具有多重“维度”，信息来源有不同的自由度且相互独立，使得数据处理起来较为困难，从而导致电力异常的检测存在检测准确率差、成本高的问题。

发明内容

本发明实施例提供一种异常检测方法、装置、存储介质及电子设备，以采用数据融合和特征提取的方法，提升异常检测准确率，降低检测成本。

第一方面，本发明实施例提供了一种异常检测方法，包括：

获取变电站中各设备的属性数据，并基于各属性的数据异常范围确定异常属性数据；

基于确定各所述异常属性数据生成所述变电站的异常指数矩阵；

基于预先训练的转换模型对所述异常指数矩阵进行转换处理，得到所述异常指数矩阵对应的自变量异常概率矩阵；

基于所述自变量异常概率矩阵中各属性对应的自变量异常概率，以及对应的属性数据生成所述变电站的异常概率。

第二方面，本发明实施例还提供了一种异常检测装置，包括：

属性数据获取模块，用于获取变电站中各设备的属性数据，并基于各属性的数据异常范围确定异常属性数据；

异常指数矩阵生成模块，用于基于确定各所述异常属性数据生成所述变电站的异常指数矩阵；

异常指数矩阵转换模块，用于基于预先训练的转换模型对所述异常指数矩阵进行转换处理，得到所述异常指数矩阵对应的自变量异常概率矩阵；

异常概率生成模块，用于基于所述自变量异常概率矩阵中各属性对应的自变量异常概率，以及对应的属性数据生成所述变电站的异常概率。

第三方面，本发明实施例还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例中任一所述的异常检测方法。

第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行本发明实施例中任一所述的异常检测方法。

本发明实施例公开了一种异常检测方法、装置、存储介质及电子设备。获取变电站中各设备的属性数据，并基于各属性的数据异常范围确定异常属性数据；基于确定各所述异常属性数据生成所述变电站的异常指数矩阵；基于预先训练的转换模型对所述异常指数矩阵进行转换处理，得到所述异常指数矩阵对应的自变量异常概率矩阵；基于所述自变量异常概率矩阵中各属性对应的自变量异常概率，以及对应的属性数据生成所述变电站的异常概率。将设备的属性数据使用价值得到充分有效的发挥，实现对电力运行中潜在风险进行更加精准地评估预判，从而主动提示预警，提高系统安全性，降低检测成本。

附图说明