【技术实现步骤摘要】
本专利技术涉及电力负荷分析领域，尤其涉及一种基于大数据的电力负荷系统异常分析方法及系统。
技术介绍
1、随着社会经济不断发展，电力能源消耗数量也在不断上升，同时居民用电需求也变得多元化，随着工业自动化和智能电网的发展，电力负荷系统的监控变得越来越重要。
2、随着信息化、数字化程度的不断提高，大数据时代已然到来，从海量冗杂的价值较低的数据中挖掘出有价值的信息，并提炼出共性部分、构成一有效的数学模型，已经成为了各行各业密切关注的热点问题。对于电力行业而言，随着电力系统信息化程度的不断提高、配用电数据量的迅速增长，各类配套装置及系统都有着大量的数据需要处理，数据类型繁杂，数据规模庞大，数据内蕴含的事件信息众多，但现在仍面临着“数据众多，信息匮乏”的重要问题，需要一种行之有效的数据监测方式来解决此类问题。
3、传统的异常检测方法通常只适用简单的负荷数据，基于固定阈值比较和简单的统计分析，这在处理复杂和动态变化的电力数据时往往效果不佳。此外，随着数据量的增加，这些传统方法在处理大规模数据时表现出效率低下。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足，从而提供一种基于大数据的电力负荷系统异常分析方法及系统。
2、本专利技术的目的是通过以下技术方案来实现的：
3、一种基于大数据的电力负荷系统异常分析方法，包括以下步骤：
4、数据采集，采集用户数据a、费用数据b和电表数据c；
5、数据预处理，包括数据编码和数据标
6、异常检测，通过异常检测模型进行数据分析检测，判断电力负荷系统是否异常。
7、进一步的，所述费用数据b和电表数据c均为时间窗口数据。
8、进一步的，所述用户数据a以向量进行表示，信息类别包括用户类别、供电电压、用户负荷信息和行业分类。
9、进一步的，所述费用数据b为t-1到t时间段内的费用；所述电表数据c为t-1到t时间段内的电压、电流、负荷、无功和有功数据，以向量进行表示。
10、进一步的，所述数据标准化中对费用数据b和电表数据c中的各项数据分别标准化的公式为：（原数据-均值）/标准差。
11、进一步的，所述异常检测中，异常检测模型对最终数据特征向量进行计算，若返回正值，则为正常数据，若返回负值，则为异常数据；
12、所述异常检测模型的表达式为：
13、，
14、其中，表示权重向量，是转置，表示将特征向量影射到高维空间的函数，是决策边界的偏置项，所述异常检测模型通过机器学习进行训练得到，训练目标为在确保正常数据点满足的条件下，找到模型中的最大化的值。
15、进一步的，所述异常检测模型的训练过程为：
16、文本嵌入模型的训练：构造档案数据集，通过word2vec模型对档案数据集做无监督训练，得到词向量，从而对档案数据集数据进行向量化；
17、one class svm训练：确定时间窗口，按照时间窗口的划分，得到用户的特征数据，包括用户数据a、费用数据bt和电表数据ct，在对数据进行编码和标准化后得到最终数据特征，带入最终数据特征并根据序列最小优化算法得到函数。
18、一种基于大数据的电力负荷系统异常分析系统，包括数据采集模块、预处理模块、异常检测模块和模型训练模块；
19、所述数据采集模块采集用户数据、费用数据和电表数据；
20、所述预处理模块对采集的用户数据进行重新编码，并将费用数据和电表数据的各项数据分别标准化，从而得到最终数据特征向量；
21、所述异常检测模块通过异常检测模型进行数据分析检测，判断电力负荷系统是否异常；
22、所述模型训练模块通过机器学习训练得到异常检测模型。
23、本专利技术的有益效果：本专利技术通过融合多系统数据，采取先进编码技术，使用机器学习算法实现数据价值，降低人工成本，提高了电力负荷系统的检测效率。
本文档来自技高网...【技术保护点】
1.一种基于大数据的电力负荷系统异常分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大数据的电力负荷系统异常分析方法，其特征在于，所述费用数据B和电表数据C均为时间窗口数据。
3.根据权利要求1所述的一种基于大数据的电力负荷系统异常分析方法，其特征在于，所述用户数据A以向量进行表示，信息类别包括用户类别、供电电压、用户负荷信息和行业分类。
4.根据权利要求1所述的一种基于大数据的电力负荷系统异常分析方法，其特征在于，所述费用数据B为t-1到t时间段内的费用；所述电表数据C为t-1到t时间段内的电压、电流、负荷、无功和有功数据，以向量进行表示。
5.根据权利要求1所述的一种基于大数据的电力负荷系统异常分析方法，其特征在于，所述数据标准化中对费用数据B和电表数据C中的各项数据分别标准化的公式为：（原数据-均值）/标准差。
6.根据权利要求1所述的一种基于大数据的电力负荷系统异常分析方法，其特征在于，所述异常检测中，异常检测模型对最终数据特征向量进行计算，若返回正值，则为正常数据，若返回负值，则为异常数据
7.根据权利要求6所述的一种基于大数据的电力负荷系统异常分析方法，其特征在于，所述异常检测模型的训练过程为：
8.一种基于大数据的电力负荷系统异常分析系统，采用了如权利要求1~7任一所述的一种基于大数据的电力负荷系统异常分析方法，其特征在于，包括数据采集模块、预处理模块、异常检测模块和模型训练模块；
...【技术特征摘要】
1.一种基于大数据的电力负荷系统异常分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于大数据的电力负荷系统异常分析方法，其特征在于，所述费用数据b和电表数据c均为时间窗口数据。
3.根据权利要求1所述的一种基于大数据的电力负荷系统异常分析方法，其特征在于，所述用户数据a以向量进行表示，信息类别包括用户类别、供电电压、用户负荷信息和行业分类。
4.根据权利要求1所述的一种基于大数据的电力负荷系统异常分析方法，其特征在于，所述费用数据b为t-1到t时间段内的费用；所述电表数据c为t-1到t时间段内的电压、电流、负荷、无功和有功数据，以向量进行表示。
5.根据权利要求1所述的一种基于大数据的电...
【专利技术属性】
技术研发人员：邹仕昆，沈阳，罗西，陈杰，伍剑，岳天龙，何涛，杨国，
申请(专利权)人：成都太阳高科技有限责任公司，
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。