[发明专利]异常数据检测方法、装置、计算机设备和可读存储介质

说明书

本申请涉及一种异常数据检测方法、装置、计算机设备和可读存储介质，该方法通过获取配电房的运行数据集，根据运行数据集中的运行数据以及运行数据对应的时刻对运行数据集进行转换处理，得到运行数据集的表征图像；将表征图像输入表征图像识别模型，根据表征图像识别模型的输出结果确定运行数据集是否异常。本申请提供的异常数据检测方法将运行数据集转换为表征图像进行检测，可以提高检测的准确性。

技术领域

本申请涉及电力系统的技术领域，特别是涉及一种异常数据检测方法、装置、计算机设备和可读存储介质。

背景技术

随着我国电力系统技术的不断发展，以及电力系统的规模的不断扩大，电力系统的安全性成为电力系统中最为重要的指标之一。配电房作为电力系统中电量供给至关重要的一环，对配电房的异常数据的检测是能够保证电力系统整体安全的关键。

传统技术中，通过人工神经网络构建的预测模型，对配电房的运行数据是否存在异常进行检测。然而，通常情况下，获取的配电房的运行数据都是时间序列的数据，在针对时间序列的数据，通过人工神经网络构建预测模型时非常难，从而使得使用该预测模型对配电房的运行数据进行检测时的准确性较低。

发明内容

基于此，有必要针对上述技术问题，提供一种异常数据检测方法、装置、计算机设备和可读存储介质。

第一方面，本申请一个实施例提供一种异常数据检测方法，包括：

获取配电房的运行数据集，其中，运行数据集包括配电房在不同时刻的运行数据；

根据运行数据以及运行数据对应的时刻对运行数据集进行转换处理，得到运行数据集的表征图像，其中，表征图像的像素值与运行数据相关；

将表征图像输入表征图像识别模型，根据表征图像识别模型的输出结果确定运行数据集是否异常，其中，表征图像识别模型是根据多个历史表征图像对初始神经网络模型进行训练得到的。

在其中一个实施例中，根据运行数据以及运行数据对应的时刻对运行数据集进行转换，得到运行数据集的表征图像，包括：

基于格拉姆角场转换方法，根据运行数据以及运行数据对应的时刻对运行数据集进行转换，得到表征图像。

在其中一个实施例中，基于格拉姆角场转换方法，根据运行数据以及运行数据对应的时刻对运行数据集进行转换，得到表征图像，包括：

对运行数据集进行归一化处理，得到归一化运行数据集；

将归一化运行数据集转换到极坐标系下，得到多个极坐标；

根据多个极坐标，确定表征图像。

在其中一个实施例中，将归一化运行数据集转换到极坐标系下，得到多个极坐标，包括：

根据归一化运行数据集中的时刻，确定极坐标的极径；

根据归一化运行数据集中的时刻对应的归一化运行数据，确定极坐标的极角。

在其中一个实施例中，根据多个极坐标，确定表征图像，包括：

对多个极坐标的极角进行余弦运算，得到多个余弦值；

根据多个余弦值确定格拉姆矩阵的元素；

根据格拉姆矩阵中的元素，确定元素在所述表征图像中对应的像素的值，以获得表征图像。

在其中一个实施例中，还包括：

获取配电房的多个历史运行数据集，其中，多个历史运行数据集中包括异常运行数据集和正常运行数据集；

根据历史运行数据集中的运行数据以及运行数据对应的时刻对历史运行数据集进行转换处理，得到历史运行数据集对应的历史表征图像。