本发明涉及电网数据检测,尤其涉及一种基于边缘计算检测电网数据的方法及系统、设备、介质,用于电网数据安全检测,提升电力数据检测的效率与精确度。
背景技术:
1、随着电力行业的不断发展,智能电网技术的引入使得电网的自动化、信息化和智能化得到了实现,提高了能源的利用效率和能源的可持续发展水平。然而,随着智能电网的发展,各个环节的设备联系越发紧密和复杂,智能电网的安全问题也越来越受到关注。
2、随着智能电网的发展,发电、输电、配电和用电各个环节的设备联系越发紧密和复杂,因此也爆发了诸多安全威胁问题。比如攻击者通过非法手段将假数据注入到智能电网的数据流中,从而导致智能电网的控制系统做出错误的决策的假数据注入攻击,以及未采取适当的访问控制措施,未经授权的人员可能会获得访问权限,导致机密数据泄露和不良后果发生。
3、因此,数据处理工作对于电网运行的重要程度也逐渐升高。借助边缘计算技术对电力数据进行处理与分析,进行电网数据安全检测,可以在一定限度上提高电网的安全性与稳定性。因此,本发明通过边缘计算算法,提供了一种基于边缘计算检测电网数据的方法及系统、设备、介质,用于电网数据安全检测,提升电力数据检测的效率与精确度。
技术实现思路
1、本发明提供了一种基于边缘计算检测电网数据的方法及系统、设备、介质,用于电网数据安全检测,提升电力数据检测的效率与精确度。
2、本发明通过下述技术方案实现:一种基于边缘计算检测电网数据的方法,包括以下步骤:
3、步骤s1,采集待预测的电网数据样本数据对原始电网数据样本数据进行聚类分析,剔除无效数据后,并进行数据修正、特征提取,获取其对应的特征指标;
4、步骤s2,将所述特征指标进行图像化展示生成待检测图像,使用canny边缘检测算法对所述待检测图像进行边缘检测后获取边缘计算图像,根据所述边缘计算图像获取电网正常数据特征,将所述电网正常数据特征作为模型训练集;
5、步骤s3,基于并行的卷积层网络建立电网数据检测模型,所述电网数据检测模型包括依次连接的特征提取模块、目标检测模块和输出模块,所述特征提取模块包括所述并行的卷积层网络;
6、步骤s4,训练电网数据检测模型,获取训练好的电网数据检测模型;
7、步骤s5,实时采集待预测的电网数据样本数据,将图像化展示的电网数据样本数据输入到训练好的电网数据检测模型中,分析待预测的电网数据是否异常。
8、为了更好地实现本发明,进一步地,所述步骤s1包括:
9、将原始电网样本数据生成m行n列的矩阵x,首先使用奇异值分解算法将原始电网数据样本数据矩阵进行降维,再使用聚类算法进行分析。
10、为了更好地实现本发明,进一步地,包括:
11、将原始电网数据样本数据的矩阵,并表示为x={x1,x2···xn},其中,n为列数;
12、求出原始电网数据样本数据矩阵x的特征值σi;
13、用贡献率l表示原始电网数据样本数据矩阵x的关键特征信息的贡献率;
14、对于特定的贡献率l,确定k值,根据k值实现原始电网数据样本数据矩阵x的降维;
15、在原始电网数据样本数据矩阵x降维后,获取压缩矩阵s,表示为s={s1,s2···sk},
16、此时,k为列数;
17、对压缩矩阵s进行聚类分析,初始化压缩矩阵;
18、以平均值作为聚类指标,计算平均值的最大值,获取最佳聚类数,完成聚类分析。
19、为了更好地实现本发明,进一步地,所述步骤s2包括:
20、根据所述特征指标图像化展示生成电网数据样本数据的日负荷曲线作为待检测图像;
21、使用canny边缘检测算法对所述待检测图像进行灰度化处理、高斯滤波处理、sobel算子处理、梯度幅值和方向处理、非极大值抑制处理、双阈值处理以及边缘连接处理后,进行边缘检测获取边缘计算图像。
22、为了更好地实现本发明,进一步地,所述步骤s3包括:
23、所述特征提取模块包括并行的卷积层网络,特征提取模块的上分支层包括从前至后依次连接的第一卷积层、第一批一归化层、第一线性修正层;特征提取模块的上分支层包括从前至后依次连接的和第二卷积层、第二批一归化层、第二线性修正层,所述第一线性修正层和第二线性修正层连接特征融合层,所述上分支层和下分支层并行;
24、所述目标检测模块包括从前至后依次连接的第三卷积层、第三批归一化层和最大池化层;
25、所述特征输出模块包括全连接层。
26、为了更好地实现本发明,进一步地,包括:
27、使用所述特征提取模块的上分支层和下分支层分别提取待检测图像的数据特征的特征;
28、所述特征融合层将处理后的数据输入进所述目标检测模块中进行检测;
29、所述目标检测模块中第三卷积层提取待检测图像中日负荷曲线的数据特征,通过第三批归一化层对输入的所述日负荷曲线的数据特征进行处理,调整中间输出参数,再使用最大池化层将卷积层中的数据进行保留,达到对原始输入数据的压缩,最后使用所述全连接层对提取到的特征信息进行整合。
30、为了更好地实现本发明,进一步地,所述步骤s4包括:
31、使用类别损失函数和位置回归函数训练电网数据检测模型,设定学习率初始值以及衰减方法,然后预先设定损失值优化器,最后按照最大迭代次数进行迭代计算,直至直到迭代次数等于最大迭代次数,中止对训练集的训练,获取训练好的电网数据检测模型;’。
32、本发明还提供了一种基于边缘计算检测电网数据的系统,
33、本发明还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基于边缘计算检测电网数据的系统,包括数据采集单元、数据处理单元、模型建立单元和数据分析单元,其中:
34、数据采集单元,用于采集待预测的电网数据样本数据对原始电网数据样本数据进行聚类分析,剔除无效数据后,并进行数据修正后,经过特征提取后,获取其对应的特征指标;
35、数据处理单元,用于将所述特征指标进行图像化展示生成待检测图像,使用canny边缘检测算法对所述待检测图像进行边缘检测后获取边缘计算图像,根据所述边缘计算图像获取电网正常数据特征,将所述电网正常数据特征作为模型训练集;
36、模型建立单元,用于基于并行的卷积层网络建立电网数据检测模型,所述电网数据检测模型包括依次连接的特征提取模块、目标检测模块和输出模块,所述特征提取模块包括所述并行的卷积层网络,用于训练电网数据检测模型,获取训练好的电网数据检测模型;
37、数据分析单元,用于实时采集待预测的电网数据样本数据,将图像化的电网数据样本数据输入到训练好的电网数据检测模型中,分析电网数据是否异常。
38、本发明还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。
39、本发明与现有技术相比,具有以下优点及有益效果:
40、(1)本发明提供一种基于边缘计算检测电网数据的方法及系统、设备、介质,将边缘计算和图像处理进行结合,可以提高检测精度并降低资源损耗;
41、(2)本发明提供一种基于边缘计算检测电网数据的方法及系统、设备、介质,借助边缘计算技术对电力数据进行处理与分析,进行电网数据安全检测,可以在一定限度上提高电网的安全性与稳定性。