【技术实现步骤摘要】
本专利技术涉及电力数据检测，尤其涉及一种检测电力异常数据的方法及系统、设备、介质，使用孤立森林算法和遗传算法相结合的方法，确保了检测电力异常数据的精确度。
技术介绍
1、在当今数字化的电力系统中，异常数据检测是确保系统安全和可靠性的关键任务之一。然而，电力系统的复杂性和多样性带来了许多挑战，这也使异常数据检测成为一项不断需要提升的技术。
2、传统的异常数据检测方法通常依赖于统计学的技术和规则。然而，目前电力系统数据的复杂性和多样性使得传统方法难以应对异常数据。电力系统数据通常具有多个维度和复杂的结构，且来自不同类型的设备。这种多样性使得传统方法难以捕捉到所有设备的异常模式，并且可能需要手动调整和优化规则，导致传统的异常检测算法的设计和实施变得困难。
3、基于机器学习的异常检测方法在电力系统中已经展现了其巨大的潜力。但是新型电力系统产生的数据通常具有大数据量和高维度的特点，涵盖了大量的参数和变量。传统的机器学习算法可能面临维度灾难问题，难以处理大规模高维度的数据。此外，电力系统中的异常样本与正常样本之间存在严重的不平衡性，这使得基于机器学习的异常检测方法会出现偏差，导致模型过度适应于正常样本，而对异常样本的识别能力不足。
4、随着计算能力的提升，深度学习也在异常检测领域发挥着重大作用，但同样存在着一些缺陷。深度学习模型能够从数据中自动学习复杂的特征表示，具有更好的泛化能力和鲁棒性，但是它需要大量的数据来训练复杂的模型，并且模型的复杂性和黑盒性使模型的解释和理解变得困难。此外，电力系统中的异常数据
5、因此，本专利技术提供了一种检测电力异常数据的方法及系统、设备、介质，使用孤立森林算法和遗传算法相结合的方法，确保了检测电力异常数据的精确度。
技术实现思路
1、本专利技术提供了一种检测电力异常数据的方法及系统、设备、介质，使用孤立森林算法和遗传算法相结合的方法，确保了检测电力异常数据的精确度。
2、本专利技术通过下述技术方案实现。
3、第一方面，本专利技术提供了一种检测电力异常数据的方法。
4、所述方法包括以下步骤：
5、步骤s1，基于短期电力负荷特征参数构建电力数据采集模型，使用所述电力数据采集模型采集电力数据；
6、步骤s2，对所述电力数据进行预处理，生成数据集；
7、步骤s3，基于孤立森林算法获取所述数据集中的电力异常数据；
8、步骤s4，使用遗传算法检测所述电力异常数据。
9、为了更好地实现本专利技术，进一步地，所述步骤s1包括：
10、根据负荷点预测残差分位数、发电装置的表后系统住宅用户检测值、用户符合概率预测参数以及负荷特征参数获取电力数据采集模型。
11、为了更好地实现本专利技术，进一步地，所述步骤s2包括：
12、先对所述电力数据进行电力数据融合处理，再进行缺失数据处理；
13、将预处理后的电力数据进行整合生成数据集。
14、为了更好地实现本专利技术，进一步地，所述步骤s3包括：
15、将所述数据集中的所有电力数据通过孤立森林划分为多个孤立树；
16、输出各个电力数据特征的异常分值，根据所述异常分值获取所述数据集中的电力异常数据。
17、为了更好地实现本专利技术，进一步地，输出各个电力数据特征的异常分值的方法包括：
18、获取电力数据集o'中的一个电力数据样本y，每个电力数据样本y的孤立森林异常分值表示为：其中，d(η)是量化数值；η是欧拉常数，、k(y)是y的路径长度，f[k(y)]是孤立树中平均路径长度。
19、为了更好地实现本专利技术，进一步地，所述步骤s4包括：
20、根据遗传算法获取所述电力异常数据的传输密度指标，将所述传输密度指标定为一个定值，根据所述传输密度指标设置所述电力异常数据的相关性检测阈值，根据所述相关性检测阈值检测电力异常数据。
21、为了更好地实现本专利技术，进一步地，所述电力异常数据的传输密度指标的表达式为：
22、
23、其中，表示检测指令的初始执行频率，w表示遗传网络中电力异常数据的传输定义系数，uw表示在w条件下的数据信息检测标量，umax表示数据信息检测标量的最大值，η表示网络主机对于传输电力异常数据的感应系数；
24、所述电力异常数据的相关性检测阈值的表达式为：
25、
26、式中，r表示既定检测向量；表示遗传应用网络对于传输电力异常数据的干预向量；表示遗传应用网络对于传输电力异常数据的检测向量。
27、第二方面，本专利技术提供了一种检测电力异常数据的系统，包括采集单元、预处理单元、异常数据获取单元和检测单元，其中：
28、采集单元，用于基于短期电力负荷特征参数构建电力数据采集模型，使用所述电力数据采集模型采集电力数据；
29、预处理单元，用于对所述电力数据进行预处理，生成数据集；
30、异常数据获取单元，用于基于孤立森林算法获取所述数据集中的电力异常数据；
31、检测单元，用于使用遗传算法检测所述电力异常数据。
32、第三方面，本专利技术提供了一种电子设备，该电子设备包括处理器和存储器；处理器中包括上述第二方面所记载的检测电力异常数据的系统。
33、第四方面，本专利技术提供了一种计算机可读存储介质，该计算机可读存储介质包括指令；当指令在上述第三方面所记载的电子设备上运行时，使得电子设备执行上述第一方面所记载的方法。
34、本专利技术与现有技术相比，具有以下优点及有益效果：
35、(1)本专利技术提供一种检测电力异常数据的方法，通过孤立森林算法和遗传算法的双重结合，不仅能够快速准确地识别出电力系统中的异常数据，还能够适应各种复杂多变的电力环境，确保电力系统的稳定运行，显著提高了检测电力异常数据的精确度和可靠性。
36、(2)本专利技术提供一种检测电力异常数据的方法，能够确保电力数据的质量和完整性，为后续的数据分析和决策提供坚实的基础。
本文档来自技高网...【技术保护点】
1.一种检测电力异常数据的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种检测电力异常数据的方法，其特征在于，所述步骤S1包括：根据负荷点预测残差分位数、发电装置的表后系统住宅用户检测值、用户符合概率预测参数以及负荷特征参数获取电力数据采集模型。
3.根据权利要求1所述的一种检测电力异常数据的方法，其特征在于，所述步骤S2包括：先对所述电力数据进行电力数据融合处理，再进行缺失数据处理；
4.根据权利要求1所述的一种检测电力异常数据的方法，其特征在于，所述步骤S3包括：将所述数据集中的所有电力数据通过孤立森林划分为多个孤立树；
5.根据权利要求4所述的一种检测电力异常数据的方法，其特征在于，输出各个电力数据特征的异常分值的方法包括：获取电力数据集O'中的一个电力数据样本y，每个电力数据样本y的孤立森林异常分值表示为：
6.根据权利要求1所述的一种检测电力异常数据的方法，其特征在于，所述步骤S4包括：根据遗传算法获取所述电力异常数据的传输密度指标，将所述传输密度指标定为一个定值，根据所述传输密度指标设置所述电力
7.根据权利要求6所述的一种检测电力异常数据的方法，其特征在于，所述电力异常数据的传输密度指标的表达式为：
8.一种检测电力异常数据的系统，其特征在于，包括采集单元、预处理单元、异常数据获取单元和检测单元，其中：
9.一种电子设备，其特征在于，包括处理器和存储器；所述处理器中包括如权利要求8所述的检测电力异常数据的系统。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括指令；当指令在如权利要求9所述的电子设备上运行时，使得所述电子设备执行如权利要求1-7任一项所述的方法。
...【技术特征摘要】
1.一种检测电力异常数据的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种检测电力异常数据的方法，其特征在于，所述步骤s1包括：根据负荷点预测残差分位数、发电装置的表后系统住宅用户检测值、用户符合概率预测参数以及负荷特征参数获取电力数据采集模型。
3.根据权利要求1所述的一种检测电力异常数据的方法，其特征在于，所述步骤s2包括：先对所述电力数据进行电力数据融合处理，再进行缺失数据处理；
4.根据权利要求1所述的一种检测电力异常数据的方法，其特征在于，所述步骤s3包括：将所述数据集中的所有电力数据通过孤立森林划分为多个孤立树；
5.根据权利要求4所述的一种检测电力异常数据的方法，其特征在于，输出各个电力数据特征的异常分值的方法包括：获取电力数据集o'中的一个电力数据样本y，每个电力数据样本y的孤立森林异常分值表示为：
6....
【专利技术属性】
技术研发人员：徐凯，杨智，周小波，陈淋，黄玉莲，
申请(专利权)人：四川中电启明星信息技术有限公司，
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。