[发明专利]面向变电站核心工控业务的流量基线模型构造方法

说明书

本发明公开了一种面向变电站核心工控业务的流量基线模型构造方法，包括解析变电站的数据流获得业务基本特征并得到表示业务流交互的高阶特征；进行同类业务聚类；生成最终的原始输入特征矩阵；构造基于卷积神经网络自编码器并学习得到高维中间层特征；对高维中间层特征降维并得到表示业务交互流程的低维关键特征；针对每一维度计算若干周期内的正态分布参数；构造各业务内多维关键特征联合高斯分布函数并得到业务基线模型。本发明利用深度学习网络提取业务交互流的关键特征，基于关键特征进行数学建模，从而构造业务基线模型；本发明从实际应用角度出发，对于变电站内业务监控和异常检测提供了有效的建模方案，而且可靠性高、效率较高且简单易行。

技术领域

本发明属于电气自动化领域，具体涉及一种面向变电站核心工控业务的流量基线模型构造方法。

背景技术

工业控制系统作为工业体系的中枢，控制着工业体系中信息的传输和交互，其涵盖了多种类型的控制系统，由各种自动化组件以及用于采集和监控的控制组件共同构成，保障工业基础设施自动化运行。工业控制系统具有结构稳定性，业务有限性和交互周期性特征。工业互联网的发展使得传统工业控制系统与互联网技术实现深度融合，高效共享工业系统中各类生产要素资源，从而通过自动化、智能化的生产方式降低成本、增加效率。

电网智能化发展，使得信息技术被广泛应用到发电、输电、变电、配电、用电和调度的各个环节，使得电网具有网络更广、用户更泛、交互更多、技术更新的特点。变电站作为电力骨干通信网的向下延伸，承载着分布式能源/储能站遥感、遥信、遥测等业务，具有终端设备复杂，分布广泛、业务连续性要求、业务实时性要求、专用协议传输等特点。变电站内核心业务通过TCP/IP方式按电网专用规约通信，其通信流量数据中“三遥”数据为主要业务，从而周期性获取终端设备状态并返回操作指令；具体表现为大量由时间驱动的状态检测和信息采集业务。通过构造基线模型，并用于描述变电站内各业务轮廓，一方面可为运维人员提供业务实时运行状态；另一方面，面对开放的工业互联网环境，可将基线模型扩展应用于异常行为检测，提供主动防御手段，丰富异常检测方式。

但是，目前的基线模型的构造方法，不仅费时费力，而且可靠性不高。

发明内容

本发明的目的在于提供一种可靠性高、效率较高且简单易行的面向变电站核心工控业务的流量基线模型构造方法。

本发明提供的这种面向变电站核心工控业务的流量基线模型构造方法，包括如下步骤：

S1.解析变电站的数据流，获得业务基本特征，并根据获取的业务基本特征计算得到表示业务流交互的高阶特征；

S2.进行同类业务的聚类；

S3.根据获取的基本特征和高阶特征，生成最终的原始输入特征矩阵；

S4.构造基于卷积神经网络自编码器，并学习步骤S3得到的原始输入特征矩阵的关联关系，从而得到高维中间层特征；

S5.对步骤S4得到的高维中间层特征进行降维，并计算得到表示业务交互流程的低维关键特征；

S6.针对每一维度，计算若干周期内的正态分布参数；

S7.构造各业务内多维关键特征联合高斯分布函数，最终得到业务基线模型。

步骤S1所述的解析变电站的数据流，获得业务基本特征，并根据获取的业务基本特征计算得到表示业务流交互的高阶特征，具体为特征提取包括创建流特征、更新流特征和输出流特征；循环读取并解析原始数据流内的基本特征，根据数据流类型初始化流信息，将流信息添加至特征栈中；最后基于基本特征计算高阶特征、更新栈中流特征并输出；