【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种电网资产监测分析方法、系统及设备。
技术介绍
1、随着电网建设的不断发展以及电力行业的快速发展，电网资产监测也成为电力企业的关键环节。电网资产是指电力企业所拥有的用于输送和分配电能的各类设备和设施，包括输配电设备、变压器、开关设备、继电保护设备、线路设施、变电设施等。电网资产是电力企业的重要生产资料和基础设施，通过对电网资产的运行数据进行监测，规范电网设备的运行和维护，降低电网运行风险，提高电网的安全性和稳定性。
2、在处理电网资产数据时，对异常检测的需求尤为重要，因为异常数据可能指示潜在的设备故障或维护需求。孤立森林算法是一种有效的异常检测算法，该算法通过构建孤立树的方式来“孤立”异常点。例如，在专利技术公开号为cn116150692a的专利“基于云平台和改进孤立森林的电网故障诊断方法和系统”中指出通过构建孤立树计算获取任意一个多维数据点的高度异常分值以及密度异常分值去确定该数据点是否为异常数据。
3、而在孤立树的构建过程中，在孤立树的每一层的分割阈值为随机选取的分割阈值，由于电网资产数据可能包含多种类型的分布，包括但不限于正态分布、偏态分布或具有多峰特性的分布，随机选取的分割阈值不足以应对这种复杂性，即随机选取的分割阈值会影响利用孤立森林算法对电网资产数据监测的准确性，从而导致对电网资产数据的分析结果不准确、预警不及时。
技术实现思路
1、本专利技术的目的在于提供一种电网资产监测分析方法及系统，用以解决对电网资产数据分
2、第一方面，本专利技术提供一种电网资产监测分析方法，采用如下的技术方案：
3、获取电网资产多维数据点，维度包括：设备运行电压、电流、温度；
4、计算各数据点的离群程度：对于任意一个维度，获取该维度任意一个数据点与所有数据点均值的差值，根据所述差值的绝对值与所有数据点的方差计算任意一个数据点的离群程度，所述离群程度与差值的绝对值呈正相关，与方差呈负相关；
5、计算各数据点的相对位置：对于任意一个多维数据点的任意一个维度，根据该数据点与该维度数据的中位数的差值以及该维度所有数据点的标准差计算所述数据点的相对位置，所述相对位置与所述差值呈正相关，与所述标准差呈负相关；
6、计算各数据点的阈值优选程度、获取分割阈值，构建完整的孤立树：将任意一个维度的任意一个数据点对孤立树在任意一层中所有需要分割数据进行分割，得到两个子样本数据，根据两个子样本数据的离群程度的均值、标准差以及相对位置的标准差的差异计算将该数据点作为分割阈值的优选程度，所述优选程度与所述差异呈正相关，将优选程度最大的数据点作为孤立树在该层的分割阈值，重复上述步骤，构建完整的孤立树；
7、异常得分计算与预警：根据数据点在各孤立树中的平均路径长度，计算所有多维数据点的异常得分根据异常得分的分数判定是否对工作人员进行预警。
8、其效果在于：本专利技术通过计算任意一个维度的任意一个数据点的离散程度以及相对位置，并根据该维度中所有数据点的离散程度以及相对位置分布情况从而获取分割阈值，从而使每一层孤立树的分割结果尽可能准确，进一步的使孤立森林的异常检测结果更加准确，从而使系统对电网资产数据的分析结果更加准确。
9、所述离群程度满足表达式：
10、；
11、式中，ai,j表示第i个维度中的第j个数据点的离群程度；xi,j表示第i个维度中的第j个数据点的数据值；表示第i个维度中的所有数据点的均值；ni表示第i个维度中的数据点总数；j表示数据点序数；norm( )表示标准归一化函数。
12、其效果在于：本专利技术通过任意一个维度的任意一个数据点与该维度的所有数据的平均水平差异的绝对值计算该数据点的离群程度，并结合该维度所有数据的标准差作为该数据点的离群程度的可信度，从而使该数据点的离群程度的计算结果更加准确。
13、所述相对位置满足表达式：
14、；
15、式中，qi,j表示第i个维度中的第j个数据点的相对位置；xi,j表示第i个维度中的第j个数据点的数据值；表示第i个维度中的所有数据点的中位数；ni表示第i个维度中的数据点总数；j表示数据点序数；表示第i个维度中的所有数据点的均值；tanh( )表示双曲正切函数。
16、其效果在于：本专利技术通过任意一个维度的任意一个数据点与该维度的中纬度的差值以及该维度所有数据点的标准差计算该数据点的相对位置，从而使该数据点的相对位置结果计算更准确，进一步的从而使后续根据所有数据点的相对位置计算将任意一个数据点作为分割阈值的优选程度的计算结果更加准确。
17、所述将任意一个维度的任意一个数据点对该维度的样本数据利用孤立森林算法进行分割，得到两个子样本数据，包括如下步骤：
18、获取需要分割的所有数据点，利用需要分割的所有数据点中的任意一个数据点对所述需要分割的所有数据点进行分割，将大于或等于该数据点数值的数据点作为第一个子样本数据，将小于该数据点数值的数据点作为第二个子样本数据。
19、所述优选程度满足表达式：
20、；
21、yi,j表示将第i个维度的第j个数据点作为分割阈值的优选程度；表示第一个子样本数据中的所有数据点的离群程度均值；表示第二个子样本数据中的所有数据点的离群程度均值；表示第一个子样本数据中的所有数据点的离群程度的标准差；表示第二个子样本数据中的所有数据的离群程度的标准差；表示第一个子样本数据中的所有数据点的相对位置的标准差；表示第二个子样本数据中的所有数据点的相对位置的标准差；exp( )表示以自然常数e为底数的指数函数。
22、其效果在于：通过对所分割的两个子样本数据的离群程度的平均水平的差异进行分析，从而获取将该数据点作为分割阈值的优选程度，从而使孤立树在该层的分割阈值选取的更加准确，进一步的使孤立森林的异常检测结果更加准确。
23、所述异常得分满足表达式：
24、；
25、式中，s(x)表示多维数据点x的异常得分；e(h(x))表示多维数据点x在所有孤立树中的平均路径长度；n表示孤立树中的样本总数；c(n)为一个常数，表示路径长度的期望值。
26、所述平均路径长度，包括：
27、获取多维数据点x在所有孤立树中距离根节点的路径长度，将该多维数据点x在所有孤立树中距离根节点的路径长度均值作为该多维数据点x的平均路径长度e(h(x))。
28、所述根据异常得分大小对工作人员进行预警，包括：
29、预设异常预警阈值，若所有多维数据点的平均异常程度大于或等于预设预警阈值，则对工作人员进行预警。
30、其效果在于：通过所有多维数据点的异常程度的平均水平来对工作人员进行预警，避免由于传感器受外界环境影响所采集到的噪声数据被检测为异常数据，从而引发预警，使预警结果更加准确。
31、第本文档来自技高网...
【技术保护点】
1.一种电网资产监测分析方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种电网资产监测分析方法，其特征在于，所述离群程度满足表达式：
3.根据权利要求1所述的一种电网资产监测分析方法，其特征在于，所述相对位置满足表达式：
4.根据权利要求1所述的一种电网资产监测分析方法，其特征在于，所述将任意一个维度的任意一个数据点对该维度的样本数据利用孤立森林算法进行分割，得到两个子样本数据，包括如下步骤：
5.根据权利要求1所述的一种电网资产监测分析方法，其特征在于，所述优选程度满足表达式：
6.根据权利要求1所述的一种电网资产监测分析方法，其特征在于，所述异常得分满足表达式：
7.根据权利要求6所述的一种电网资产监测分析方法，其特征在于，所述平均路径长度，包括：
8.根据权利要求1所述的一种电网资产监测分析方法，其特征在于，所述根据异常得分大小对工作人员进行预警，包括：
9.一种电网资产监测分析系统，其特征在于，所述系统用于执行如权利要求1-8任一项所述的一种电网资产监测分析方法，包括：
10.一种电网资产监测分析的设备，其特征在于，包括：处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现根据权利要求1-8任一项所述的一种电网资产监测分析方法。
...【技术特征摘要】
1.一种电网资产监测分析方法，其特征在于，包括步骤：
2.根据权利要求1所述的一种电网资产监测分析方法，其特征在于，所述离群程度满足表达式：
3.根据权利要求1所述的一种电网资产监测分析方法，其特征在于，所述相对位置满足表达式：
4.根据权利要求1所述的一种电网资产监测分析方法，其特征在于，所述将任意一个维度的任意一个数据点对该维度的样本数据利用孤立森林算法进行分割，得到两个子样本数据，包括如下步骤：
5.根据权利要求1所述的一种电网资产监测分析方法，其特征在于，所述优选程度满足表达式：
6.根据权利要求1所述的一种电网资产监测分析方法，...
【专利技术属性】
技术研发人员：张赵阳，李智威，陈理，白尧，方钊，邵芳，黄波，余涵，钟童庆，喻亚洲，王自强，刘汶其，武岳，任丽琴，张杨，徐春龙，刘莹，何梦莹，张军，
申请(专利权)人：国网湖北省电力有限公司经济技术研究院，
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。