CN102930178B - 一种负荷数据异常检测方法 - Google Patents

Abstract

本申请实施例公开了一种负荷数据异常检测方法，包括：依据预设的预测规则，应用当前时刻之前的若干个负荷数据预测当前时刻的负荷数据的预测值，所述若干数据为前后时刻相邻时刻的负荷数据；依据所述预测值，以及所述若干个负荷数据及其预测值，确定所述当前时刻的负荷数据的概率为p的置信区间；当所述当前时刻的负荷数据值没有落在所述概率为p的置信区间内时，所述当前时刻的负荷数据异常，本申请实施例提供的一种负荷数据异常检测方法，通过对当前数据进行预测，依据预测值确定当前负荷数据的置信区间，以该置信区间作为判断当前负荷数据是否异常的标准，能够快速、准确地检测出负荷数据中的异常数据，保证了电网智能优化的准确性。

Description

一种负荷数据异常检测方法

技术领域

本发明涉及电力数据处理技术领域，更具体地说，涉及一种负荷数据异常检测方法。

背景技术

随着电网信息化“SG-ERP工程”深入开展和电网“十二五”智能化规划的部署实施，对海量历史/实时数据库数据服务能力智能优化研究提出了更高的要求。但是，现有的电力数据的采集存储过程中，不可避免地会出现异常数据，而在电网智能优化控制的过程中，负荷数据是电网智能优化控制的重要因素之一，因此，如何检测出负荷数据中的异常数据，保证电网智能优化控制的准确性，成为亟待解决的问题。

发明内容

有鉴于此，本申请提供一种负荷数据异常检测方法，以检测出负荷数据中的异常数据，保证电网智能优化控制的准确性。

为实现上述目的，本发明提供了如下技术方案：

一种负荷数据异常检测方法，包括：

依据预设的预测规则，应用当前时刻之前的若干个负荷数据预测当前时刻的负荷数据的预测值，所述若干数据为前后时刻相邻时刻的负荷数据；

依据所述预测值，以及所述若干个负荷数据及其预测值，确定所述当前时刻的负荷数据的概率为p的置信区间；

当所述当前时刻的负荷数据值落在所述概率为p的置信区间内时，所述当前时刻的负荷数据正常，否则，所述当前时刻的负荷数据异常。

上述方法，优选的，应用如下预测规则预测当前时刻的负荷数据的预测值：

${\hat{x}}_n=\underset{i=1}{\overset{n-2}{\mathrm{\Σ}}}{\mathrm{\α}}_i\mathrm{\Δ}{l}_i+x_{n-1}$

其中，表示当前时刻的负荷数据的预测值，Δl_i＝x_i+1-x_i表示第i个时刻负荷数据的增量，表示第i个时刻负荷数据的权重。

上述方法，优选的，所述当前时刻的负荷数据的概率为p的置信区间为：

${\hat{x}}_n+\mathrm{\Δ}\stackrel{\‾}{x}\±S\·K_{(p,n)}$

其中，表示当前时刻的负荷数据的预测值；其中，（i=1,2,…，n-1）为当前时刻之前的各个时刻的负荷数据的实际值与相应时刻的预测值的差值；

为当前时刻之前的各个时刻的负荷数据的实际值与相应时刻的预测值的差值的标准差；

其中，t(p,n-2)是满足P(t_1-p/2(n-2)<t(n-2)<t_p/2(n-2))=p的t值；n为当前时刻及之前时刻的负荷数据的总的个数。

上述方法，优选的，还包括：当检测出所述负荷数据为异常数据时，对该异常负荷数据进行修正：

如果当前负荷数据x_n满足如下公式则将该异常负荷数据x_n修正为 ${\hat{x}}_n+\mathrm{\&Delta;}\stackrel{\&OverBar;}{x}+S\&CenterDot;K_{(p,n)};$

如果当前负荷数据x_n满足如下公式则将该负荷数据x_n修正为 ${\hat{x}}_n+\mathrm{\&Delta;}\stackrel{\&OverBar;}{x}-S\&CenterDot;K_{(p,n)}.$

通过以上方案可知，本申请提供的一种负荷数据异常检测方法，通过对当前数据进行预测，依据预测值确定当前负荷数据的置信区间，以该置信区间作为判断当前负荷数据是否异常的标准，能够快速、准确地检测出负荷数据中的异常数据，保证了电网智能优化的准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种负荷数据异常检测方法的流程图；

图2为本申请实施例提供的另一种负荷数据异常检测方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请实施例公开的一种负荷数据异常检测方法的流程图如图1所示，包括：

步骤S101：依据预设的预测规则，应用当前时刻之前的若干个负荷数据预测当前时刻的负荷数据的预测值，所述若干数据为前后时刻相邻时刻的负荷数据；

假设x₁,x₂，...,x_n为前后时刻相邻时刻的负荷数据，当前时刻需要检测的负荷数据为x_n，x₁,x₂,...,x_n-1为当前时刻之前的n-1个时刻的负荷数据，那么当前时刻的负荷数据x_n的预测值可以通过公式（1）来获得：

${\hat{x}}_n=\underset{i=1}{\overset{n-2}{\mathrm{\&Sigma;}}}{\mathrm{\&alpha;}}_i\mathrm{\&Delta;}{l}_i+x_{n-1}---\left(1\right)$

其中，表示当前时刻的负荷数据的预测值，Δl_i=x_i+1-x_i表示第i个时刻负荷数据的增量（即第i+1个时刻的负荷数据与第i个时刻的负荷数据值之差），表示第i个时刻负荷数据的权重，x_n-1为当前时刻的前一个时刻（即第n-1个时刻）的负荷数据。

步骤S102：依据所述预测值，以及所述若干个负荷数据及其预测值，确定所述当前时刻的负荷数据概率为p的置信区间；

计算前n-1个时刻的n-1个负荷数据的实际值与预测值的差值，其中，前n-1个时刻的n-1个负荷数据的预测值依据公式（1）计算得到，分别记为那么，前n-1个时刻的n-1个负荷数据的实际值与预测值的差值可以记为Δx₁,Δx₂，...,Δx_n-1，其中，i=1,2,…,n-1；

所述n-1个差值的平均值、标准差和置信区间分别为：

为所述n-1个差值的平均值；

S为所述n-1个差值的标准差；

为所述n-1个差值的置信区间。

那么，当前时刻的负荷数据x_n概率为p的置信区间可以为：

${\hat{x}}_n+\mathrm{\&Delta;}\stackrel{\&OverBar;}{x}\&PlusMinus;S\&CenterDot;K_{(p,n)}$

其中，t(p,n-2)是满足P(t_1-p/2(n-2)<t(n-2)<t_p/2(n-2))=p的t值，即t的概率为p的取值，t(p,n-2)值可通过查询t分布表来获得，n为检测所用的连续时刻的负荷数据的个数，即当前时刻及其之前时刻的负荷数据的总的个数。

例如，当n取值为20，置信概率p取值为0.95时，通过查表可计算出，K_(0.95,20)=2.16。

步骤S103：当所述当前时刻的负荷数据值落在所述概率为p的置信区间内时，所述当前时刻的负荷数据正常，否则，所述当前时刻的负荷数据异常。

具体的，或则所述负荷数据x_n为异常负荷数据，否则，所述负荷数据x_n为正常负荷数据。

与现有技术中基于数值预测的方法相比，本申请实施例提供的一种负荷数据异常检测方法，运算过程中不包括矩阵运算，而是通过对当前数据进行预测，依据预测值确定当前负荷数据的置信区间，以该置信区间作为判断当前负荷数据是否异常的标准，其计算量大大减少，能够快速、准确地检测出负荷数据中的异常数据，保证了电网智能优化的准确性，而且其硬件实现简单，有利于工程应用。

优选的，本申请实施例提供的另一种负荷数据异常检测方法的流程图如图2所示，包括：

步骤S201：依据预设的预测规则，应用当前时刻之前的若干个负荷数据预测当前时刻的负荷数据的预测值，所述若干数据为前后时刻相邻时刻的负荷数据

步骤S202：依据所述预测值，以及所述若干个负荷数据及其预测值，确定所述当前时刻的负荷数据概率为p的置信区间；

步骤S203：当所述当前时刻的负荷数据值落在所述概率为p的置信区间内时，所述当前时刻的负荷数据正常，否则，所述当前时刻的负荷数据异常。

上述步骤S201~步骤S203与图1所示实施例中步骤S101~步骤S103相同，这里不在赘述。

步骤S204：当检测出当前负荷数据为异常数据时，对该异常负荷数据进行修正，具体为

如果当前负荷数据x_n满足如下公式则将该异常负荷数据x_n修正为 ${\hat{x}}_n+\mathrm{\&Delta;}\stackrel{\&OverBar;}{x}+S\&CenterDot;K_{(p,n)};$

如果当前负荷数据x_n满足如下公式则将该异常负荷数据x_n修正为 ${\hat{x}}_n+\mathrm{\&Delta;}\stackrel{\&OverBar;}{x}-S\&CenterDot;K_{(p,n)}.$

本申请实施例提供的一种负荷数据异常检测方法，在检测出异常负荷数据时，对该异常负荷数据进行修正，提高了负荷数据的可靠性。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (2)

1.一种负荷数据异常检测方法，其特征在于，包括：

依据预设的预测规则，应用当前时刻之前的若干个负荷数据预测当前时刻的负荷数据的预测值，所述若干负荷数据为前后时刻相邻时刻的负荷数据；

依据所述当前时刻的负荷数据的预测值，以及所述若干个负荷数据及其对应的预测值，确定所述当前时刻的负荷数据的概率为p的置信区间；

当所述当前时刻的负荷数据值落在所述概率为p的置信区间内时，所述当前时刻的负荷数据正常，否则，所述当前时刻的负荷数据异常；应用如下预测规则预测当前时刻的负荷数据的预测值：

${\hat{x}}_n=\underset{i=1}{\overset{n-2}{\&Sigma;}}{\mathrm{\&alpha;}}_i{\mathrm{\&Delta;l}}_i+x_{n-1}$

其中，表示当前时刻的负荷数据的预测值，Δl_i＝x_i+1-x_i表示第i个时刻负荷数据的增量，表示第i个时刻负荷数据的权重；

所述当前时刻的负荷数据的概率为p的置信区间为：

${\hat{x}}_n+\mathrm{\&Delta;}\stackrel{\&OverBar;}{x}\&PlusMinus;S\&CenterDot;K_{(p,n)}$

其中，表示当前时刻的负荷数据的预测值；其中，为当前时刻之前的各个时刻的负荷数据的实际值与相应时刻的预测值的差值；

为当前时刻之前的各个时刻的负荷数据的实际值与相应时刻的预测值的差值的标准差；

其中，t(p,n-2)是满足P(t_1-p/2(n-2)<t(n-2)<t_p/2(n-2))＝p的t值；n为当前时刻及之前时刻的负荷数据的总的个数。

2.根据权利要求1所述的方法，其特征在于，还包括：当检测出所述当前负荷数据为异常数据时，对该异常负荷数据进行修正：

如果当前负荷数据x_n满足如下公式则将该异常负荷数据x_n修正为 ${\hat{x}}_n+\mathrm{\&Delta;}\stackrel{\&OverBar;}{x}+S\&CenterDot;K_{(p,n)};$

如果当前负荷数据x_n满足如下公式则将该负荷数据x_n修正为 ${\hat{x}}_n+\mathrm{\&Delta;}\stackrel{\&OverBar;}{x}-S\&CenterDot;K_{(p,n)}.$