CN108921424B - 一种电力数据异常检测方法、装置、设备及可读存储介质 - Google Patents

Abstract

本发明公开了一种电力数据异常检测方法，首先在线实时获取信息采集设备采集的对应节点的用电数据，并将用电数据存储至对应服务器的缓冲区域；然后对缓冲区域中的用电数据进行降维处理，并从降维处理的用电数据中获取待检测用电数据；最后再对待检测用电数据进行异常状态检测。即在电网运行的过程中，在线实时获取有关用电数据，并及时对获取到的用电数据进行分析处理，确定用电数据是否发生异常，与现有技术中在电网出现故障后，才对相关数据进行分析判断确定是否存在异常数据相比，提高了异常检测时效性和故障处理时效性，可以有效避免电网发生大规模停电事故。另外，本发明还公开了一种电力数据异常检测装置、设备及可读存储介质，效果如上。

Description

一种电力数据异常检测方法、装置、设备及可读存储介质

技术领域

本发明涉及电力系统数据处理领域，特别涉及一种电力数据异常检测方法、装置、设备及可读存储介质。

背景技术

在经济增长的同时，用电需求也在日益增长，使得现代电网的规模也变得越来越大，各区域电网间的互联也在日益增强。大规模的电网互联在提高系统运行经济性的同时，也使得局部电网的故障对整个系统的影响范围更广。尽管现代电力系统采用了大量先进的设备以及对各设备的保护和控制手段，但仍无法避免电网故障的发生。如果对电网故障处理不当有可能引发电网大规模停电事故，并造成严重的经济损失和社会混乱。

电网的大规模停电事故常常是在电网偶发故障时，由于运行部门对事故的处理不正确或不及时而引发连锁性跳闸事故所造成的。因此，如何在电网初始故障发生后迅速准确地判定故障区域、故障设备以及故障性质，以便于进行事故的快速处理和系统恢复，对防范电网大停电事故，减少因事故带来的国民经济损失和社会混乱具有十分重要的意义。电网设备状态数据具有持续不断、数据量大、规模及顺序无法预知及时效性高等特点，形成了大规模数据流。现有的技术主要是集中在对离线数据进行分析，没有针对实时数据流进行处理，也就是说，目前，只有在电网出现故障后，才对相关数据进行分析判断，确定是否存在异常数据，进而确定故障原因，因此电网故障检测时效性低。

由此可见，如何快速检测出电网故障，进而提高对电网故障处理的时效性以及避免电网发生大规模停电事故的问题是本领域技术人员亟待解决的问题。

发明内容

本申请实施例提供了一种电力数据异常检测方法、装置、设备及可读存储介质，以解决现有技术中如何快速检测出电网故障，进而提高对电网故障处理的时效性以及避免电网发生大规模停电事故的问题。

为解决上述技术问题，本发明提供了一种电力数据异常检测方法，包括：

在线实时获取信息采集设备采集的对应节点的用电数据，并将所述用电数据存储至对应服务器的缓冲区域；

对所述缓冲区域中的用电数据进行降维处理，并从所述降维处理的用电数据中获取待检测用电数据；

对所述待检测用电数据进行异常状态检测。

优选地，在所述在线实时获取信息采集设备采集的对应节点的用电数据，并将所述用电数据存储至对应服务器的缓冲区域之后，还包括：

判断所述缓冲区域中的用电数据的数据字段是否符合要求；

如果否，则去除不符合要求的用电数据。

优选地，所述对所述缓冲区域中的用电数据进行降维处理具体为：

利用线性判别分析算法对所述缓冲区域中的用电数据进行降维处理。

优选地，所述从降维处理的用电数据中获取待检测用电数据具体包括：

获取时间基本窗口的第一宽度和时间滑动窗口的第二宽度；

依据所述第一宽度确定连续的多个时间基本窗口，其中，各所述时间基本窗口中包含对应的降维处理的用电数据；

利用连续的各所述时间基本窗口构建所述时间滑动窗口以使连续的各所述时间基本窗口的个数等于所述第二宽度；

利用所述时间滑动窗口获取所述待检测用电数据。

优选地，所述对所述待检测用电数据进行异常状态检测具体为：

利用矩阵分解法对所述待检测用电数据进行异常检测。

优选地，所述利用矩阵分解法对所述待检测用电数据进行异常检测具体包括：

计算所述待检测数据的协方差矩阵；

计算所述协方差矩阵的特征值；

依据所述特征值计算所述待检测用电数据对应的异常值分数以得出异常用电数据。

优选地，所述依据所述特征值计算所述待检测用电数据对应的异常值分数以得出异常用电数据具体包括：

依据所述特征值将所述待检测用电数据投影至主成分空间；

将所述主成分空间中的所述待测用电数据映射至原始空间；

计算所述原始空间中的所述待检测用电数据的所述异常值分数；

判断各所述异常值分数是否大于阈值；

如果是，则表征与所述异常值分数对应的待检测用电数据为所述异常用电数据。

为解决上述技术问题，本发明还提供了一种与电力数据异常检测方法对应的装置，包括：

获取模块，用于在线实时获取信息采集设备采集的对应节点的用电数据，并将所述用电数据存储至对应服务器的缓冲区域；

降维处理模块，用于对所述缓冲区域中的用电数据进行降维处理，并从所述降维处理的用电数据中获取待检测用电数据；

异常状态检测模块，用于对所述待检测用电数据进行异常状态检测。

为解决上述技术问题，本发明还提供了一种与电力数据异常检测方法对应的设备，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序以实现上述任意一种所述的电力数据异常检测方法的步骤。

为解决上述技术问题，本发明还提供了一种与电力数据异常检测方法对应的计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行以实现上述任意一种所述的电力数据异常检测方法的步骤。

相比于现有技术，本发明所提供的一种电力数据异常检测方法，首先在线实时获取信息采集设备采集的对应节点的用电数据，并将用电数据存储至对应服务器的缓冲区域；然后对缓冲区域中的用电数据进行降维处理，并从降维处理的用电数据中获取待检测用电数据；最后再对待检测用电数据进行异常状态检测。由此可见，该方法是在电网运行的过程中，在线实时获取有关用电数据，并及时对获取到的相关用电数据进行分析处理，进而判断相关用电数据是否发生异常，与现有技术中在电网出现故障后，才对相关数据进行分析判断确定是否存在异常数据相比，提高了异常检测时效性和电网故障处理时效性，可以有效避免电网发生大规模停电事故。另外，本发明还提供了一种电力数据异常检测装置、设备及可读存储介质，效果如上。

附图说明

图1为本发明实施例所提供的一种电力数据异常检测方法流程图；

图2为本发明实施例所提供的一种电力数据异常检测装置组成示意图；

图3为本发明实施例所提供的一种电力数据异常检测设备组成示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明的核心是提供一种电力数据异常检测方法、装置、设备及可读存储介质，可以解决现有技术中如何快速检测出电网故障，进而提高对电网故障处理的时效性以及避免电网发生大规模停电事故的问题。

为了使本技术领域的人员更好地理解本发明的方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。

图1为本发明实施例所提供的一种电力数据异常检测方法流程图，如图1所示，该方法包括：

S101：在线实时获取信息采集设备采集的对应节点的用电数据，并将用电数据存储至对应服务器的缓冲区域。

具体地，就是在电网运行的过程中，实时获取信息采集设备(智能电表等)采集对应节点的用电数据，然后将获取的用电数据汇总并存放到由多个服务器组成的缓冲区域。由于电网中信息采集设备数量巨大。与之对应的节点也会有很多，所以需要对获取的用电数据汇总后集中进行处理。缓冲区域可以为用电数据传输到计算系统起到缓冲作用，并可以协调获取用电数据的速率和计算机系统处理的速率。在本申请实施例中主要是针对多个主站下面的多个设备在不同时间点所监测到的所有用电数据，这样汇集的大量检测数据就构成了大的数据流，在每个时间点都有大量的用电数据需要处理。

为了提高对用电数据的数据处理效率和准确信，作为优选地实施方式，在线实时获取信息采集设备采集的对应节点的用电数据，并将用电数据存储至对应服务器的缓冲区域之后，还包括：判断缓冲区域中的用电数据的数据字段是否符合要求；如果否，则去除不符合要求的用电数据；如果用电数据的数据字段符合要求，则保留该用电数据。也就是说，需要对获取到的用电数据进行数据清洗工作。

S102：对缓冲区域中的用电数据进行降维处理，并从降维处理的用电数据中获取待检测用电数据。

在将获取到的用电数据存储至缓冲区域之后，需要对缓冲区域中的用电数据进行降维处理，获取到的用电数据具有较多的属性，在进行异常检测之前先进行数据降维，对有效信息进行提取综合及对无用信息进行摈弃提取有效信息及摈弃无用信息。用电数据的属性包含以下几个方面：第一，主机运行信息属性，包含各主机上运行的服务的总数、各项服务的重要性等级，分别记为A1、A2；第二，时间属性，包含采集用电数据的时间段，记为A3；第三，IP等地址属性，包含源地址和目的地址、源端口和目的端口，分别记为A4，A5，A6，A7；第四，电网中主机相关属性，包含主机的重要性等级、主机的安全防护等级，分别记为A8，A9，其中，主机的重要性等级可以按一般、重要、非常重要进行量化。

作为优选地实施方式，对缓冲区域中的用电数据进行降维处理具体为：利用线性判别分析算法对缓冲区域中的用电数据进行降维处理。因为线性判别分析算法会考虑到用电数据的类别属性，此处主要有两个类别分别为有故障和无故障，分别记为C₁，C₂。计算一个向量ω，当数据映射到ω的方向上时，尽量将两种属性(有故障和无故障)的用电数据分开，让同一个属性内的用电数据尽可能的紧凑。用电数据的映射公式为：z＝ω^Tx，其中，z是数据x到ω上的投影，x包括A₁到A₉共9个特征，在此处是一个9维到1维的维度归约。

令m₁和m₂分别表示C₁类数据投影之前和投影之后的均值，易知m₁＝ω^Tm₁，同理m₂＝ω^Tm₂。

令s₁ ²和s₂ ²分别表示C₁和C₂类数据在投影之后的散布，亦即s₁ ²＝∑(ω^Tx^t-m₁)²r^t，s₂ ²＝∑(ω^Tx^t-m₂)²r^t；其中如果x^t∈C1，则r^t＝1，否则r^t＝0。

在实际应用中，希望|m₁-m₂|尽可能大，而s₁ ²+s₂ ²尽可能小，Fisher线性判别式就是最大化下面式子中的ω：

J(w)＝(m₁-m₂)²/(s₁ ²+s₂ ²) (1)

改写式(1)中的分子：

(m₁-m₂)²＝(ω^Tm₁-ω^Tm₁)²＝ω^T(m₁-m₂)(m₁-m₂)^Tω＝ω^TS_Bω

其中，S_B＝(m₁-m₂)(m₁-m₂)^T (2)是类间散布矩阵。

改写式子(1)中的分母：∑(ω^Tx^t-m₁)²r^t＝∑ω^T(x^t-m₁)(x^t-m₁)^Tωr^t＝ω^TS₁ω，其中，S₁＝∑(x^t-m₁)(x^t-m₁)^Tr^t是C₁的类内散布矩阵。

令S_W＝S₁+S₂，是类内散布的总和，则s₁ ²+s₂ ²＝ω^TS_Wω。

所以式(1)可以改写为：J(w)＝(w^TS_Bw)/(w^TS_Ww)(3)

只是在对(3)式中的ω求导，令导数为零。即可求出ω＝cS_W ^-1(m₁-m₂)，其中c是一个参数，由于主要关心ω的方向，故c可取1。另外，最后求得的J(w)的值等于λ_k，λ_k是S_W ^-1S_B的最大特征值，而ω则是S_W ^-1S_B的最大特征值所对应的特征向量。

根据z_i＝ω^Tx_i，将原来的样本转化为新的样本。

作为优选地实施方式，从降维处理的用电数据中获取待检测用电数据具体包括：获取时间基本窗口的第一宽度和时间滑动窗口的第二宽度；依据第一宽度确定连续的多个时间基本窗口，其中，各时间基本窗口中包含对应的降维处理的用电数据；利用连续的各时间基本窗口构建时间滑动窗口以使连续的各时间基本窗口的个数等于第二宽度；利用时间滑动窗口获取待检测用电数据。

其实就是将缓冲区域中的用电数据使用线性判别分析算法降维后，再将降维后的用电数据划分为小的基本窗口，然后利用基本窗口组成滑动窗口选取待检测用电数据

首先获取时间基本窗口的第一宽度和时间滑动窗口的第二宽度，也就是说给定时刻点t和跨度d，在[t-d，t]时间段内到达的用电数据流组成一个时间基本窗口W，第一宽度其实就是跨度d。例如，给定时刻点为1：00，跨度(第一宽度)为30分钟，这时在1：00至1：30时间段内获取的用电数据流就组成一个时间基本窗口W，时间基本窗口W可以为连续的多个。然后再将连续的时间基本窗口序列构成一个时间滑动窗口W_s，假如：

W_Si＝{W_i-n，W_i-n+1，...，W_i}

则表示第i个时间基本窗口到达后的时间滑动窗口。其中，n表示一个时间滑动窗口容纳基本窗口的数目，即第二宽度。此时时间滑动窗口的时间跨度为W_Si＝nd。每经过时间d，时间滑动窗口向前滑动一个时间基本窗口的距离，进而实现从降维处理的用电数据中获取待检测用电数据，直至获取完所有的降维处理的用电数据。

S103：对待检测用电数据进行异常状态检测。

每经过时间基本窗口的时间，时间滑动窗口向前移动一次，检测一次用电数据的异常情况。每次均检验时间滑动窗口内数据的数据异常情况。即，每经过时间基本窗口的时间，输出一次时间滑动窗口时间内的数据点。然后对输出的数据点进行异常状态检测。

作为优选地实施方式，对待检测用电数据进行异常状态检测具体为：利用矩阵分解法对待检测用电数据进行异常检测。

作为优选地实施方式，利用矩阵分解法对待检测用电数据进行异常检测具体包括：计算待检测数据的协方差矩阵；计算协方差矩阵的特征值；依据特征值计算待检测用电数据对应的异常值分数以得出异常用电数据。

作为优选地实施方式，依据特征值计算待检测用电数据对应的异常值分数以得出异常用电数据具体包括：依据特征值将待检测用电数据投影至主成分空间；将主成分空间中的待测用电数据映射至原始空间；计算原始空间中的待检测用电数据的异常值分数；判断各异常值分数是否大于阈值；如果是，则表征与异常值分数对应的待检测用电数据为异常用电数据。

详细过程如下，第一，计算待检测数据的协方差矩阵。对已获得的待检测数据进行分析，为此，要用到数理统计中的协方差矩阵的概念，而非概率论中的协方差矩阵。

假如时间滑动窗口获取的待检测数据为Z＝(Z₁,Z₂,...,Z_m)^T，其中Z₁代表时间滑动窗口内第一个采样时间点的数据，Z₂代表时间滑动窗口内第二个采样时间点的数据即第一个时间基本窗口中的用电数据，以此类推，m代表时间滑动窗口内包含的时间基本窗口的个数。

代表第i个时间基本窗口中的用电数据由

到

个特征组成。

记

其中

为

的均值。则矩阵：

为Z的协方差矩阵。

第二，计算协方差矩阵的特征值。根据公式

可求得样本协方差矩阵的特征值λ₁,λ₂,...,λ_n。

第三，依据特征值计算待检测用电数据对应的异常值分数以得出异常用电数据，主要包括依据特征值将待检测用电数据投影至主成分空间；将主成分空间中的待测用电数据映射至原始空间；计算原始空间中的待检测用电数据的异常值分数，也就是将待检测用电数据集投影到主成分空间，再做拉回映射，最后求解每个待检测用电数据对应的异常值分数。

设矩阵D是一个n维的对角矩阵，包含样本协方差矩阵B的特征值λ₁,λ₂,...,λ_n。则协方差矩阵B则可以通过奇异值分解为：

B＝PDP^T (7)

其中P是一个n维的正交矩阵，它的每一列都是X的特征向量，则数据集X在主成分空间的投影可以表示为：

Y＝Z×P (8)

此处需要注意的是，投影可以只在部分维度进行，如果只需要前j个主成分的话，投影之后的数据集为：

Y^j＝Z×P^j (9)

其中P^j是矩阵P的前j列，也就是说P^j是一个(n，j)维的矩阵，Y^j是一个(N，j)维的矩阵。N为Z中的样本个数。则对应的拉回映射(即从主成分空间映射到原始空间)重构后的数据集合为：

R^j＝(P^j×(Y^j)^T)^T＝Y^j×(P^j)^T (10)

其中R^j是使用前j个主成分进行重构之后的数据集，是一个(N，n)维的矩阵，则定义数据Z_i＝(Z_i,1,...,Z_i,n)的异常值分数为：

其中

具体为Euclidean范数，ev(j)表示的是前j个主成分在所有主成分中所占的比例，并且特征值是按照从大到小的顺序排列的。

在计算出个待检测数据对应的异常值分数之后，还需判断各异常值分数是否大于阈值；如果是，则表征与异常值分数对应的待检测用电数据为异常用电数据。如果否，则表征与异常值分数对应的待检测用电数据为正常用电数据。根据主成分分析的性质，异常点会获得最高的分数。阈值是提前设定的，在实际检测时，可通过调节阈值的大小来实现对异常值分数检测的灵敏度。

本发明所提供的一种电力数据异常检测方法，首先在线实时获取信息采集设备采集的对应节点的用电数据，并将用电数据存储至对应服务器的缓冲区域；然后对缓冲区域中的用电数据进行降维处理，并从降维处理的用电数据中获取待检测用电数据；最后再对待检测用电数据进行异常状态检测。由此可见，该方法是在电网运行的过程中，在线实时获取有关用电数据，并及时对获取到的相关用电数据进行分析处理，进而判断相关用电数据是否发生异常，与现有技术中在电网出现故障后，才对相关数据进行分析判断确定是否存在异常数据相比，提高了异常检测时效性和电网故障处理时效性，可以有效避免电网发生大规模停电事故。

上文中对于一种电力数据异常检测方法的实施例进行了详细描述，基于上述实施例描述的电力数据异常检测方法，本发明实施例还提供了一种与该方法对应的电力数据异常检测装置。由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参照方法部分的实施例描述，这里不再赘述。

图2为本发明实施例所提供的一种电力数据异常检测装置组成示意图，如图2所示，该装置包括获取模块201，降维处理模块202和异常状态检测模块203。

获取模块201，用于在线实时获取信息采集设备采集的对应节点的用电数据，并将用电数据存储至对应服务器的缓冲区域；

降维处理模块202，用于对缓冲区域中的用电数据进行降维处理，并从降维处理的用电数据中获取待检测用电数据；

异常状态检测模块203，用于对待检测用电数据进行异常状态检测。

本发明所提供的一种电力数据异常检测装置，首先在线实时获取信息采集设备采集的对应节点的用电数据，并将用电数据存储至对应服务器的缓冲区域；然后对缓冲区域中的用电数据进行降维处理，并从降维处理的用电数据中获取待检测用电数据；最后再对待检测用电数据进行异常状态检测。由此可见，该装置是在电网运行的过程中，在线实时获取有关用电数据，并及时对获取到的相关用电数据进行分析处理，进而判断相关用电数据是否发生异常，与现有技术中在电网出现故障后，才对相关数据进行分析判断确定是否存在异常数据相比，提高了异常检测时效性和电网故障处理时效性，可以有效避免电网发生大规模停电事故。

上文中对于一种电力数据异常检测方法的实施例进行了详细描述，基于上述实施例描述的电力数据异常检测方法，本发明实施例还提供了一种与该方法对应的电力数据异常检测装置。由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参照方法部分的实施例描述，这里不再赘述。

图3为本发明实施例所提供的一种电力数据异常检测设备组成示意图，如图3所示，该设备包括存储器301和处理器302。

存储器301，用于存储计算机程序；

处理器302，用于执行计算机程序以实现上述任意一个实施例所提供的电力数据异常检测方法的步骤。

本发明所提供的一种电力数据异常检测设备，是在电网运行的过程中，在线实时获取有关用电数据，并及时对获取到的相关用电数据进行分析处理，进而判断相关用电数据是否发生异常，与现有技术中在电网出现故障后，才对相关数据进行分析判断确定是否存在异常数据相比，提高了异常检测时效性和电网故障处理时效性，可以有效避免电网发生大规模停电事故。

上文中对于一种电力数据异常检测方法的实施例进行了详细描述，基于上述实施例描述的一种电力数据异常检测方法，本发明实施例还提供了一种与该方法对应的计算机可读存储介质。由于计算机可读存储介质部分的实施例与方法部分的实施例相互对应，因此计算机可读存储介质部分的实施例请参照方法部分的实施例描述，这里不再赘述。

一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行以实现上述任意一个实施例所提供的电力数据异常检测方法的步骤。

本发明所提供的一种计算机可读存储介质，处理器可以读取可读存储介质中存储的程序，即可以实现上述任意一个实施例所提供的电力数据异常检测方法，是在电网运行的过程中，在线实时获取有关用电数据，并及时对获取到的相关用电数据进行分析处理，进而判断相关用电数据是否发生异常，与现有技术中在电网出现故障后，才对相关数据进行分析判断确定是否存在异常数据相比，提高了异常检测时效性和电网故障处理时效性，可以有效避免电网发生大规模停电事故。

以上对本发明所提供的一种电力数据异常检测方法、装置、设备及可读存储介质进行了详细介绍。本文中运用几个实例对本发明的原理及实施方式进行了阐述，以上实施例的说明，只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制，本领域技术人员，在没有创造性劳动的前提下，对本发明所做出的修改、等同替换、改进等，均应包含在本申请中。

还需要说明的是，在本说明书中，诸如第一和第二等之类的关系术语仅仅用来将一个操作与另一个操作区分开来，而不一定要求或者暗示这些实体或者操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”等类似词，使得包括一系列要素的单元、设备或系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种单元、设备或系统所固有的要素。

Claims (6)

1.一种电力数据异常检测方法，其特征在于，包括：

在线实时获取信息采集设备采集的对应节点的用电数据，并将所述用电数据存储至对应服务器的缓冲区域；

对所述缓冲区域中的用电数据进行降维处理，并从降维处理的用电数据中获取待检测用电数据；

对所述待检测用电数据进行异常状态检测；

所述从降维处理的用电数据中获取待检测用电数据具体包括：

获取时间基本窗口的第一宽度和时间滑动窗口的第二宽度；

依据所述第一宽度确定连续的多个时间基本窗口，其中，各所述时间基本窗口中包含对应的所述降维处理的用电数据；

利用连续的各所述时间基本窗口构建所述时间滑动窗口以使连续的各所述时间基本窗口的个数等于所述第二宽度；

利用所述时间滑动窗口获取所述待检测用电数据；

所述对所述待检测用电数据进行异常状态检测具体为：利用矩阵分解法对所述待检测用电数据进行异常检测；所述利用矩阵分解法对所述待检测用电数据进行异常检测具体包括：

计算所述待检测数据的协方差矩阵；

计算所述协方差矩阵的特征值；

依据所述特征值计算所述待检测用电数据对应的异常值分数以得出异常用电数据；用电数据异常由电网故障导致；

在所述在线实时获取信息采集设备采集的对应节点的用电数据，并将所述用电数据存储至对应服务器的缓冲区域之后，还包括：

判断所述缓冲区域中的用电数据的数据字段是否符合要求；

如果否，则去除不符合要求的用电数据。

2.根据权利要求1所述的电力数据异常检测方法，其特征在于，所述对所述缓冲区域中的用电数据进行降维处理具体为：

利用线性判别分析算法对所述缓冲区域中的用电数据进行降维处理。

3.根据权利要求2所述的电力数据异常检测方法，其特征在于，所述依据所述特征值计算所述待检测用电数据对应的异常值分数以得出异常用电数据具体包括：

依据所述特征值将所述待检测用电数据投影至主成分空间；

将所述主成分空间中的所述待检测用电数据映射至原始空间；

计算所述原始空间中的所述待检测用电数据的所述异常值分数；

判断各所述异常值分数是否大于阈值；

如果是，则表征与所述异常值分数对应的所述待检测用电数据为所述异常用电数据。

4.一种电力数据异常检测装置，其特征在于，包括：

获取模块，用于在线实时获取信息采集设备采集的对应节点的用电数据，并将所述用电数据存储至对应服务器的缓冲区域；

降维处理模块，用于对所述缓冲区域中的用电数据进行降维处理，并从所述降维处理的用电数据中获取待检测用电数据；

异常状态检测模块，用于对所述待检测用电数据进行异常状态检测；

所述从降维处理的用电数据中获取待检测用电数据具体包括：

获取时间基本窗口的第一宽度和时间滑动窗口的第二宽度；

依据所述第一宽度确定连续的多个时间基本窗口，其中，各所述时间基本窗口中包含对应的所述降维处理的用电数据；

利用连续的各所述时间基本窗口构建所述时间滑动窗口以使连续的各所述时间基本窗口的个数等于所述第二宽度；

利用所述时间滑动窗口获取所述待检测用电数据；

所述对所述待检测用电数据进行异常状态检测具体为：利用矩阵分解法对所述待检测用电数据进行异常检测；所述利用矩阵分解法对所述待检测用电数据进行异常检测具体包括：

计算所述待检测数据的协方差矩阵；

计算所述协方差矩阵的特征值；

依据所述特征值计算所述待检测用电数据对应的异常值分数以得出异常用电数据；用电数据异常由电网故障导致；

在所述在线实时获取信息采集设备采集的对应节点的用电数据，并将所述用电数据存储至对应服务器的缓冲区域之后，还包括：

判断所述缓冲区域中的用电数据的数据字段是否符合要求；

如果否，则去除不符合要求的用电数据。

5.一种电力数据异常检测设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序以实现如权利要求1至3任意一项所述的电力数据异常检测方法的步骤。

6.一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上存储有计算机程序，所述计算机程序被处理器执行以实现如权利要求1至3任意一项所述的电力数据异常检测方法的步骤。

Images