本发明专利技术涉及数据处理技术领域，更具体地，本发明专利技术涉及一种基于电力大数据的智能配电方法，所述方法包括：确定采集的各配电数据的正常范围，并确定配电数据中的正常数据与异常数据，计算每项配电数据与剩余项配电数据中的正常数据的相关性，以及异常数据的相关性，将正常数据的相关性以及异常数据的相关性的乘积作为最终相关性，对智能配电数据进行异常检测，得到初始异常程度，利用最终相关性修正初始异常程度，得到最终异常程度，将最终异常程度大于预设阈值的智能配电数据作为异常智能配电数据，以根据异常智能配电数据中的异常数据，制定最佳配电方法。本发明专利技术可以提高对异常数据检测的准确性，从而提高智能配电的准确性。
【技术实现步骤摘要】
本专利技术涉及数据处理。更具体地，本专利技术涉及一种基于电力大数据的智能配电方法。
技术介绍
1、随着电力行业的数字化转型和智能化发展，许多电力公司已经建立了配电网络的数据采集和监测系统，实现了对电力设备和负荷的实时监测和数据采集。通过大数据分析可以对配电网络的运行状态进行实时监测和分析，及时发现潜在的故障和异常情况，提前预警和处理，以提高配电网络的运行效率、安全性和可靠性。
2、相关技术中，如公开号为cn117633688a的专利申请文件中公开了一种基于岭回归-k均值聚类-lof-lstm融合算法的大规模电力数据异常检测方法，该方法包括：对原始电力数据划分为线性趋势型、平稳型、周期型和随机型四种类型，针对不同类型，构建岭回归、k-means、lof和lstm融合算法进行异常检测，该方法可以提高了大规模电力数据异常检测的精度和效率。
3、然而，由于电力大数据中各项数据之间往往存在一定的相关性，当其中一项数据出现异常时，其它项数据可能会受到异常数据的影响，也出现异常，该专利申请文件中即使采用了多种异常检测算法对电力大数据中的异常数据进行检测，但是没有考虑到电力大数据中每项数据之间的相关性对异常数据检测结果的影响，在一定程度上降低了对电力大数据中的异常数据的检测的准确性，从而导致基于电力大数据中的异常数据确定的配电方法的合理性较差。
技术实现思路
1、为解决对电力大数据中的异常数据检测的准确性较低的问题，本专利技术提出一种基于电力大数据的智能配电方法。
<
p>2、根据本专利技术实施例的一个方面，提供了一种基于电力大数据的智能配电方法，该方法包括以下步骤：3、获取电力大数据中的多个智能配电数据，各智能配电数据包括多项配电数据；
4、确定各配电数据的正常范围，将处于正常范围内的配电数据作为正常数据，处于正常范围外的配电数据作为异常数据，计算每项配电数据与剩余项配电数据中的正常数据的相关性，以及异常数据的相关性，将正常数据的相关性以及异常数据的相关性的乘积作为每项配电数据与剩余项配电数据的最终相关性；
5、对各智能配电数据进行异常检测，得到每个智能配电数据的初始异常程度，利用最终相关性对初始异常程度进行修正，得到智能配电数据的最终异常程度；
6、将最终异常程度大于预设阈值的智能配电数据作为异常智能配电数据，以根据异常智能配电数据中的异常数据，制定最佳配电方法。
7、有益效果：同时考量每项配电数据与剩余项配电数据的正常数据的相关性，以及异常数据的相关性，得到最终相关性，保证了确定的相关性的准确性，并且根据最终相关性对每个智能配电数据的初始异常程度进行修正，能够降低每项配电数据与剩余项配电数据之间的相关性，对异常程度的影响，从而保证了最终异常程度的准确性，使得能够准确的检测出智能配电数据中的异常数据。
8、在本专利技术的一种示例实施例中，确定各配电数据的正常范围，包括：
9、利用箱线图法对各配电数据中的所有数据进行划分，得到配电数据的限位线位置，将配电数据中处于限位线以内的数据的取值范围作为配电数据的正常范围。
10、有益效果：可以根据每项配电数据中所有数据的分布情况，确定每项配电数据的正常数据，保证了每项配电数据的正常范围的准确性。
11、在本专利技术的一种示例实施例中，每项配电数据与剩余项配电数据的最终相关性的获取方法，包括：
12、计算每项配电数据与剩余项配电数据之间的皮尔逊相关系数，将皮尔逊相关系数作为正常数据的相关性；
13、确定每项配电数据中任一采集时间的数据为异常数据时，剩余项配电数据中该采集时间采集的数据也为异常数据的条件异常概率，将条件异常概率作为异常数据的相关性；
14、对正常数据的相关性与异常数据的相关性进行乘法运算，得到最终相关性。
15、有益效果：综合考量每项配电数据与剩余项配电数据中的正常数据的相关性，以及异常数据的相关性，可以保证确定的配电数据与剩余项配电数据之间的相关性的准确性。
16、在本专利技术的一种示例实施例中，每项配电数据与剩余项配电数据的最终相关性，满足如下关系式：
17、；
18、其中，表示第项配电数据和第项配电数据之间的最终相关性；表示第项配电数据出现异常时，第项配电数据也出现异常的条件异常概率；表示第项配电数据和第项配电数据之间的皮尔逊相关系数。
19、在本专利技术的一种示例实施例中，条件异常概率的获取方法，包括：
20、统计任一项配电数据中的异常数据的采集时间，与剩余项配电数据中的异常数据采集时间相同的对数，得到该项配电数据与剩余项配电数据同时出现异常的次数；
21、统计该项配电数据中异常数据的数量，并计算该项配电数据与剩余项配电数据同时出现异常的次数，与该项配电数据中异常数据的数量的比值，得到条件异常概率。
22、有益效果：利用条件概率公式计算配电数据与剩余项配电数据中的异常数据的相关性，可以考虑配电数据中所有的异常数据对异常相关性计算结果的影响，保证了确定的异常数据的相关性的准确性。
23、在本专利技术的一种示例实施例中，条件异常概率，满足如下关系式：
24、；
25、其中，表示第项配电数据出现异常时，第项配电数据也出现异常的条件异常概率；表示第项配电数据与第项配电数据同时出现异常的次数；表示第项配电数据中异常数据的数量。
26、在本专利技术的一种示例实施例中，最终异常程度的获取方法，包括：
27、计算每项配电数据与剩余项配电数据的最终相关性的均值，将均值与1的差值作为每项配电数据的修正指数；
28、其中，每项配电数据的修正指数，满足如下关系式：
29、；
30、其中，表示第项配电数据的修正指数，表示配电数据的项数；表示第项配电数据和第项配电数据之间的最终相关性；
31、确定智能配电数据中的异常数据，计算异常数据的修正指数的平均值与初始异常程度的乘积，得到最终异常程度。
32、有益效果：由于配电数据与剩余项配电数据的最终相关性为大于零小于1的数，因此在计算修正指数时，先对最终相关性进行开方再取均值，可以体现出修正指数的影响的有效性。
33、在本专利技术的一种示例实施例中，最终异常程度，满足如下关系式：
34、；
35、其中，表示第个智能配电数据的最终异常程度；表示第个智能配电数据的初始异常程度；表示第个智能配电数据中的异常数据的数量；表示第个智能配电数据中，第个异常数据的修正指数。
36、本专利技术具有以下有益效果：
37、通过本专利技术的实施例，可以根据配电数据与剩余配电数据中的正常数据的相关性以及异常数据的相关性，计算配电数据与剩余配电数据的最终相关性，保证了配电数据之间的相关性的准确性，使得能够对智能配电数据的初始异常程度进行准确的修正，从而在对智能配电数据进行异常检测时本文档来自技高网
...
【技术保护点】
1.一种基于电力大数据的智能配电方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于电力大数据的智能配电方法，其特征在于，所述确定各所述配电数据的正常范围，包括：
3.根据权利要求1所述的一种基于电力大数据的智能配电方法，其特征在于，所述每项配电数据与剩余项配电数据的最终相关性的获取方法，包括：
4.根据权利要求3所述的一种基于电力大数据的智能配电方法，其特征在于，所述每项配电数据与剩余项配电数据的最终相关性，满足如下关系式：
5.根据权利要求3所述的一种基于电力大数据的智能配电方法，其特征在于，所述条件异常概率的获取方法，包括：
6.根据权利要求5所述的一种基于电力大数据的智能配电方法，其特征在于，所述条件异常概率，满足如下关系式：
7.根据权利要求1所述的一种基于电力大数据的智能配电方法，其特征在于，所述最终异常程度的获取方法，包括：
8.根据权利要求7所述的一种基于电力大数据的智能配电方法，其特征在于，所述最终异常程度，满足如下关系式：
【技术特征摘要】
1.一种基于电力大数据的智能配电方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于电力大数据的智能配电方法，其特征在于，所述确定各所述配电数据的正常范围，包括：
3.根据权利要求1所述的一种基于电力大数据的智能配电方法，其特征在于，所述每项配电数据与剩余项配电数据的最终相关性的获取方法，包括：
4.根据权利要求3所述的一种基于电力大数据的智能配电方法，其特征在于，所述每项配电数据与剩余项配电数据的最终相关性，满足如下关系...
【专利技术属性】
技术研发人员：黄波，钟童庆，王毅，雷民，李韫，徐韬，田爱华，
申请(专利权)人：湖北华中电力科技开发有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。