电网设备监测数据流的异常检测方法和系统与流程

本发明涉及电网电力行业多元数据监测诊断，尤其涉及一种电网设备监测数据流的异常检测方法和系统。

背景技术：

1、随着电力系统的发展，电力设备故障对人们生活造成重大影响，因此亟需对设备的状态进行持续监测。而传感器技术和通信技术的不断进步，导致电网数据以指数级增长，同时这些数据呈实时性、易失性和无限性，是需要持续监测的流式数据。原有平台hadoop可以处理批量数据，但实时性较差。

2、传统技术中，聚类算法和分类算法对样本的判别有较好的结果，同属于机器学习算法，机器学习算法可以分为有监督学习和无监督学习两种。在现实世界中，大部分样本是不带标签的，因此无监督学习比监督学习应用更加广泛。但在传统电网数据异常检测方法中，简单的阈值判断处于主流地位，但是其信息利用率和状态评估正确率都偏低，很难从中检测出故障类型。

技术实现思路

1、本发明的目的在于解决背景技术中的至少一个技术问题，提供一种电网设备监测数据流的异常检测方法和系统。

2、为实现上述目的，本发明提供一种电网设备监测数据流的异常检测方法，包括：

3、步骤1.采集电网设备监测数据，形成待处理数据；

4、步骤2.采用滑动窗口算法对待处理数据进行处理，求出线性预测值；

5、步骤3.获取线性预测值中各预测值的置信区间，比较与预测值对应的待处理数据的实际值是否处于置信区间内，若是，则继续判断其他待处理数据的实际值；若否，则判定该待处理数据的实际值为异常数据，将与异常数据对应的预测值存储在预测值数据库中；

6、步骤4.通过数据库中存储的预测值将对应的异常数据替换，作为待处理数据重新执行步骤2和步骤3；

7、步骤5.重复执行步骤2-步骤4，完成所有电网设备监测数据的异常检测。

8、根据本发明的一个方面，所述预测值的计算方法包括：

9、a)设置滑动窗口的宽度为n，窗口内的时间序列为x＝(x1，...，xn)，对应的数据项为

10、b)计算待处理数据的实际值xn的预测值当前点左侧窗口的数据项为基本数据项，为n-1临近窗口，分别以这些基本数据项为基础求加权均值，求得预测值；

11、c)待处理数据的实际值x1的预测值为下述公式。

12、

13、从上式看出，预测值通过基于加权均值的线性预测模型求得，x1～xn-1为时间序列，wi为xi对应的权值，其中权值的选取是递增的，越靠近待处理数据的实际值其权值越大，{x1，x2，...，xn-1}时间序列对应的权值为{1，2，...，n-1}。

14、根据本发明的一个方面，所述预测值的置信区间的计算方法包括：

15、计算预测值的方差s2：

16、

17、计算预测值的置信区间

18、

19、t为t分布表，a的值通过给定置信水平1-a得出，n为滑动窗口的长度，

20、其中，thr为阈值。

21、根据本发明的一个方面，还包括：将检测结果存储在数据库中或者将检测结果写入到数据文件中。

22、为实现上述目的，本发明还提供一种电网设备监测数据流的异常检测系统，包括：

23、待处理数据获取模块，采集电网设备监测数据，形成待处理数据；

24、线性预测值获取模块，采用滑动窗口算法对待处理数据进行处理，求出线性预测值；

25、异常检测模块，获取线性预测值中各预测值的置信区间，比较与预测值对应的待处理数据的实际值是否处于置信区间内，若是，则继续判断其他待处理数据的实际值；若否，则判定该待处理数据的实际值为异常数据，将与异常数据对应的预测值存储在预测值数据库中；

26、数据替换模块，通过数据库中存储的预测值将对应的异常数据替换，作为待处理数据重新通过线性预测值获取模块和异常检测模块进行处理；

27、循环检测模块，通过线性预测值获取模块、异常检测模块和数据替换模块对待处理数据进行循环处理，完成所有电网设备监测数据的异常检测。

28、为实现上述目的，本发明还提供一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的电网设备监测数据流的异常检测方法。

29、为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的电网设备监测数据流的异常检测方法。

30、根据本发明的方案，本发明算法的异常检测效率较高，能够对电网设备流式数据进行快速检测，为后续诊断作好准备。

31、适合于电力设备流式数据，因为这些数据基本上是无标签数据，而本算法不需要有标签样本数据，直接通过计算滑动窗口预测点和置信区间即可进行准确检测。

32、本发明对电网设备流式数据处理的高效性，即将检测模型部署于storm平台上，通过自适应配置进程数、元组件和处理组件的并行度来提高故障处理的诊断效率。

33、本发明能够实时检测电网设备电力数据在线异常，通过在storm平台上部署滑动窗口算法，从而实现电网设备流式数据的高效检测处理，本发明引入滑动窗口算法，可以在storm平台同等并行度下得到更高效的检测效率。另外，该方法对电力设备故障类型的监测，能够保证电力设备的安全运行，减少对居民生产和生活所造成的损失，能够及早发现设备的各种故障，避免灾难性事故发生。

技术特征：

1.电网设备监测数据流的异常检测方法，其特征在于，包括：

2.根据权利要求1所述的电网设备监测数据流的异常检测方法，其特征在于，所述预测值的计算方法包括：

3.根据权利要求1所述的电网设备监测数据流的异常检测方法，其特征在于，所述预测值的置信区间的计算方法包括：

4.根据权利要求1-3中任一项所述的电网设备监测数据流的异常检测方法，其特征在于，还包括：将检测结果存储在数据库中或者将检测结果写入到数据文件中。

5.电网设备监测数据流的异常检测系统，其特征在于，包括：

6.电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至4中任一项所述的电网设备监测数据流的异常检测方法。

7.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上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的电网设备监测数据流的异常检测方法。

技术总结
本发明涉及电网电力行业多元数据监测诊断技术领域，提供一种电网设备监测数据流的异常检测方法和系统，包括：步骤1.采集电网设备监测数据，形成待处理数据；步骤2.采用滑动窗口算法对待处理数据进行处理，求出线性预测值；步骤3.获取线性预测值中各预测值的置信区间，比较与预测值对应的待处理数据的实际值是否处于置信区间内，若是，则继续判断其他待处理数据的实际值；若否，则判定该待处理数据的实际值为异常数据，将与异常数据对应的预测值存储在预测值数据库中；步骤4.通过数据库中存储的预测值将对应的异常数据替换，作为待处理数据重新执行步骤2和步骤3；步骤5.重复执行步骤2‑步骤4，完成所有电网设备监测数据的异常检测。

技术研发人员：刘少伟,戴必翔,王闰羿,经周,江圳,葛晨
受保护的技术使用者：南京国电南自电网自动化有限公司
技术研发日：
技术公布日：2024/4/17