CN112800110B - 电力物联网传感器弱敏感数据异常检测系统 - Google Patents

电力物联网传感器弱敏感数据异常检测系统 Download PDF

Info

Publication number
CN112800110B
CN112800110B CN202110087101.7A CN202110087101A CN112800110B CN 112800110 B CN112800110 B CN 112800110B CN 202110087101 A CN202110087101 A CN 202110087101A CN 112800110 B CN112800110 B CN 112800110B
Authority
CN
China
Prior art keywords
data
value
abnormal
sensor
preset
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN202110087101.7A
Other languages
English (en)
Other versions
CN112800110A (zh
Inventor
赵衍恒
张凯
高洪雨
王乃玉
王文明
李荣凯
秦衡
谢清玉
安丰彩
房冉
宋春晓
柳广鹏
石展
陈国栋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
State Grid of China Technology College
Original Assignee
State Grid Corp of China SGCC
State Grid of China Technology College
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, State Grid of China Technology College filed Critical State Grid Corp of China SGCC
Priority to CN202110087101.7A priority Critical patent/CN112800110B/zh
Publication of CN112800110A publication Critical patent/CN112800110A/zh
Application granted granted Critical
Publication of CN112800110B publication Critical patent/CN112800110B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • G06F16/24552—Database cache management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/35—Utilities, e.g. electricity, gas or water
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Public Health (AREA)
  • Strategic Management (AREA)
  • Fuzzy Systems (AREA)
  • Accounting & Taxation (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Alarm Systems (AREA)

Abstract

本发明涉及一种电力物联网传感器弱敏感数据异常检测系统，包括：服务器和M个边缘节点E＝(E1，E2，......，EM)，任一边缘节点Ei与iN个传感器Si＝(Si 1，Si 2，......，Si iN)通信连接，从而能够获取Si的传感数据，所述Si的传感数据为弱敏感数据，i的取值为1到M，Ei连接的iN个传感器为同类型传感器，所述Ei连接的iN个传感器根据环境因素变化的规律相同；传感器Si j每隔固定的时序周期Ti向Ei上传对应的传感器数据，j的取值为1到iN；边缘节点Ei包括数据缓存和存储介质，所述数据缓存中存储有数据Di，且Dx1≤Dx2≤......≤Dxq。本发明能够准确有效地对电力物联网传感器弱敏感数据进行异常检测。

Description

电力物联网传感器弱敏感数据异常检测系统
技术领域
本发明涉及数据异常检测技术领域，尤其涉及一种电力物联网传感器弱敏感数据异常检测系统。
背景技术
电力系统的电力物联网，是指围绕电力系统各环节，充分应用移动互联、人工智能等现代信息技术、先进通信技术，实现电力系统各环节万物互联、人机交互，具有状态全面感知、信息高效处理、应用便捷灵活特征的智慧服务系统。电力系统的电力物联网接入了海量的传感器，这些传感器既包括一次设备和二次设备的传感器，也包括终端设备的传感器，例如终端设备的传感器可以为用户终端的智能电表等。
海量的传感器产生了海量的传感器数据，其中包括强敏感数据和弱敏感数据。现有技术中提供了较多的对强敏感数据的异常检测，还没有准确有效的对传感器弱敏感数据的检测技术。但为了保证电力系统稳定运行，不仅需要对强敏感数据进行异常检测，也需要对弱敏感数据进行异常检测。由此可知，如何提供一种准确有效的传感器弱敏感数据的检测技术成为亟待解决的技术问题。
发明内容
本发明目的在于，提供一种电力物联网传感器弱敏感数据异常检测系统，能够准确有效地对电力物联网传感器弱敏感数据进行异常检测。
根据本发明一方面，提供了一种电力物联网传感器弱敏感数据异常检测系统，包括：服务器和M个边缘节点E＝(E1，E2，......，EM)，任一边缘节点Ei与iN个传感器Si＝(Si 1，Si 2，......，Si iN)通信连接，从而能够获取Si的传感数据，所述Si的传感数据为弱敏感数据，i的取值为1到M，Ei连接的iN个传感器为同类型传感器，所述Ei连接的iN个传感器根据环境因素变化的规律相同；传感器Si j每隔固定的时序周期Ti向Ei上传对应的传感器数据，j的取值为1到iN；边缘节点Ei包括数据缓存和存储介质，所述数据缓存中存储有数据Di，
Figure GDA0003595872610000021
其中，p＝iN，q＝Wi/Ti，Wi为用户预设的第一时间窗口，Dxy为传感器Si x在所述第一时间窗口内上传到边缘节点Ei的数据，其中，x的取值范围为1到p，y的取值范围为1到q，且Dx1≤Dx2≤......≤Dxq；
所述存储介质中存储有计算机程序，所述边缘节点Ei执行所述计算机程序时，遍历D1y到Dpy，实现以下步骤：
步骤S100、获取
Figure GDA0003595872610000022
使得y2-y1大于或等于预设的第一阈值Z1，其中A为预设的第一系数，其中，q和A的取值使得y1、y2满足y2>y1≥3；
步骤S200、将Dx1与Dx(y1)-k*(Dx(y2)-Dx(y1))对比，并将Dxq与k*(Dx(y2)-Dx(y1))对比，其中，k为预设的第二系数，如果Dx1≥Dx(y1)-k*(Dx(y2)-Dx(y1))，且Dxq≤Dx(y2)+k*(Dx(y2)-Dx(y1))，那么判断Dxy中不存在异常值，将Di传输到所述服务器，否则，并行执行步骤S300和步骤S400；
步骤S300、如果Dx1<Dx(y1)-k*(Dx(y2)-Dx(y1))，那么遍历Dx2到Dx(y1-1)，若Dxe1<Dx(y1)-k*(Dx(y2)-Dx(y1))，且Dx(e1+1)≥Dx(y1)-k*(Dx(y2)-Dx(y1))，则将Dx1到Dxe1确定为异常值，其中，e1的取值范围为2到y1-1；
步骤S400、如果Dxq>Dx(y2)+k*(Dx(y2)-Dx(y1))，那么遍历Dx(y2-1)到Dx(q-1)，若Dxe2>Dx(y2)+k*(Dx(y2)-Dx(y1))，且Dx(e2-1)<Dx(y2)+k*(Dx(y2)-Dx(y1))，则将Dxe2到Dxq确定异常值，其中，e2的取值范围为y2到q。
本发明与现有技术相比具有明显的优点和有益效果。借由上述技术方案，本发明提供的一种电力物联网传感器弱敏感数据异常检测系统可达到相当的技术进步性及实用性，并具有产业上的广泛利用价值，其至少具有下列优点：
本发明所述系统能够准确有效地对电力物联网传感器弱敏感数据进行异常检测，为电力系统的稳定运行提供保障。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图,详细说明如下。
附图说明
图1为本发明实施例提供的电力物联网传感器弱敏感数据异常检测系统示意图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例，对依据本发明提出的一种电力物联网传感器弱敏感数据异常检测系统的具体实施方式及其功效，详细说明如后。
电力系统的电力物联网的强敏感数据指的是出现异常之后需要及时进行处理数据，例如电力系统机器设备的一些传感参数。弱敏感数据指的是异常值检测不敏感的数据。弱敏感数据对实时性没有太大的要求，可以后置检测，例如智能电表的用电量数据。电力物联网的传感器弱敏感数据具有数据量大、误差容忍性强，可以滞后处理以及非实时性强等特点。
本发明实施例针对电力物联网传感器弱敏感数据提供了一种电力物联网传感器弱敏感数据异常检测系统，如图1所示，包括：服务器和M个边缘节点E＝(E1，E2，......，EM)，可以理解的是，边缘节点是对边缘网关、边缘控制器、边缘服务器等边缘侧多种产品形态的基础共性能力的逻辑抽象，这些产品形态具备边缘侧实时数据分析、本地数据存储、实时网络联接等共性能力。任一边缘节点Ei与iN个传感器Si＝(Si 1，Si 2，......，Si iN)通信连接，从而能够获取Si的传感数据，所述Si的传感数据为弱敏感数据，i的取值为1到M，Ei连接的iN个传感器为同类型传感器，所述Ei连接的iN个传感器根据环境因素变化的规律相同，环境因素包括温度、湿度和光强度等等。传感器Si j每隔固定的时序周期Ti向Ei上传对应的传感器数据，j的取值为1到iN；边缘节点Ei包括数据缓存和存储介质，所述数据缓存中存储有数据Di，
Figure GDA0003595872610000041
其中，p＝iN，q＝Wi/Ti，Wi为用户预设的第一时间窗口，Dxy为传感器Si x在所述第一时间窗口内上传到边缘节点Ei的数据，其中，x的取值范围为1到p，y的取值范围为1到q，且Dx1≤Dx2≤......≤Dxq，即Dx1、Dx2......Dxq是按照从小到大的顺序排列的，并非按照上报时间顺序排列，Di随着q的变化是动态变化的，但可以理解的是，Dx1、Dx2......Dxq是按照从小到大的顺序排列是为后续进行数据异常检测做准备。
所述存储介质中存储有计算机程序，所述边缘节点Ei执行所述计算机程序时，遍历D1y到Dpy，实现以下步骤：
步骤S100、获取
Figure GDA0003595872610000042
使得y2-y1大于或等于预设的第一阈值Z1，其中A为预设的第一系数，其中，q和A的取值使得y1、y2满足y2>y1≥3；
需要说明的是，所述第一系数A的取值范围具体可根据异常检测精确度需求来设定，作为一种优选的实施例，所述第一系数A的取值范围可以设置为0.1到0.4。第一系数A具体的取值可以根据第一系数A的取值范围、第一阈值Z1的大小以及异常检测精确度需求等因素具体决定。
步骤S200、将Dx1与Dx(y1)-k*(Dx(y2)-Dx(y1))对比，并将Dxq与k*(Dx(y2)-Dx(y1))对比，其中，k为预设的第二系数，如果Dx1≥Dx(y1)-k*(Dx(y2)-Dx(y1))，且Dxq≤Dx(y2)+k*(Dx(y2)-Dx(y1))，那么判断Dxy中不存在异常值，将Di传输到所述服务器，否则，并行执行步骤S300和步骤S400；
需要说明的是，所述第二系数k的取值范围具体可根据异常检测精确度需求来设定，作为一种优选的实施例，所述第二系数k的取值范围为1.2到2。
步骤S300、如果Dx1<Dx(y1)-k*(Dx(y2)-Dx(y1))，那么遍历Dx2到Dx(y1-1)，若Dxe1<Dx(y1)-k*(Dx(y2)-Dx(y1))，且Dx(e1+1)≥Dx(y1)-k*(Dx(y2)-Dx(y1))，则将Dx1到Dxe1确定为异常值，其中，e1的取值范围为2到y1-1；
可以理解的是，当判断出Dxe1<Dx(y1)-k*(Dx(y2)-Dx(y1))，确定Dxe1时，直接停止当前遍历Dx(y2-1)到Dx(q-1)的过程即可。
步骤S400、如果Dxq>Dx(y2)+k*(Dx(y2)-Dx(y1))，那么遍历Dx(y2-1)到Dx(q-1)，若Dxe2>Dx(y2)+k*(Dx(y2)-Dx(y1))，且Dx(e2-1)<Dx(y2)+k*(Dx(y2)-Dx(y1))，则将Dxe2到Dxq确定异常值，其中，e2的取值范围为y2到q。
可以理解的是，当判断出Dxe2>Dx(y2)+k*(Dx(y2)-Dx(y1))，确定Dxe2时，直接停止遍历Dx(y2-1)到Dx(q-1)的过程即可。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理，但是其中的许多步骤可以被并行地、并发地或者同时实施。此外，各步骤的顺序可以被重新安排。当其操作完成时处理可以被终止，但是还可以具有未包括在附图中的附加步骤。处理可以对应于方法、函数、规程、子例程、子程序等等。
由于Dx1、Dx2......Dxq是按照从小到大的顺序排列的，因此，作为一种实施例所述S300中可以直接采用基于二叉树的二分查找算法遍历Dx2到Dx(y1-1)。同理，所述步骤S400中也可以直接采用基于二叉树的二分查找算法遍历Dx(y2-1)到Dx(q-1)。基于二叉树的二分查找是一种现有的算法，在此不再展开描述，对于有序的数据可以大大提高查找效率。步骤S300和步骤S400采用基于二叉树的二分查找能够快速查找到Dxe1和Dxe2。
作为一种实施例，所述边缘节点Ei执行所述计算机程序时，还实现步骤S500：将步骤S300和步骤S400得到的Di传输到所述服务器中，所述服务器存储Di。
由于弱敏感数据误差容忍性强，可以滞后处理，且非实时性强，因此通常情况下，弱敏感数据的异常值极少的，相应的，正常值是极多的。因此，弱敏感数据仅仅判断出少量异常值时，通常是不需要做异常处理的。此外，由于Ei连接的iN个传感器为同类型传感器，所述Ei连接的iN个传感器根据环境因素变化的规律相同，因此在同一时间段内，由于环境因素的影响，该时间段内可能会出现所有Ei连接的iN个传感器上报的传感器数据较正常值均大幅度增加或者大幅度减少，从而导致通过步骤S100-步骤S400确定出了大量的异常值，但事实上这种情况下也是不用进行异常处理的，因此，可以对上述情况下所产生的异常值进行排除，避免浪费资源对这类值进行异常处理。具体的，作为一种实施例，每一边缘节点连接的传感器每次上报传感器数据时，均有对应的时间信息，所述系统还包括数据上报时间表，用于记录Di中每一数据的上报时间，每一所述边缘节点Ei执行所述计算机程序时，在所述步骤S300和/或步骤S400之后，还进行如下处理：
步骤S600、获取Di中异常值的数量H，将H与预设的第二阈值Z2比较，如果H小于或等于Z2，那么不进行异常处理，否则执行步骤S700；
需要说明的是，所述第二阈值Z2的取值是根据p,q的取值而定的，用公式可表示为Z2＝f1(p,q)。作为一种优选实施例，所述第二阈值Z2与p和q均正相关。
步骤S700、根据所述数据上报时间表获取Di中每一异常值对应的上报时间，获取预设的第二时间窗口内Di中异常值的数量W，将W与预设的第三阈值Z3对比，若W大于或等于Z3，则不进行异常处理，否则，执行步骤S800；
需要说明的是，所述第三阈值Z3的取值是根据p的取值而定的，用公式可表示为Z3＝f2(p)，第二时间窗口的大小是根据q的取值而定的,用公式可表示为第二时间窗口＝f3(q)。作为一种优选实施例，所述第三阈值Z3与p正相关，第二时间窗口的大小与q正相关。
步骤S800、对Di中的异常值进行异常处理。
可以理解的是，步骤S800中，具体可采用现有的异常值处理算法对异常值进行异常处理，在此不再展开描述。
本发明实施例所述系统能够基于每一边缘节点连接的每一个传感器上报的传感器数据，设置多个判断数据，如第一系数、第二系数、第一阈值等。并基于多个判断数据以及步骤S100-步骤S400的逻辑关系，从每一传感器的Di中快速检测确定异常值。此外，本发明实施例还结合传感器基于环境的变化规律等，从步骤S100-步骤S400判断出的异常值中，剔除无需处理的异常值，进一步提高了电力物联网传感器弱敏感数据异常检测的准确性。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明,任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (10)

1.一种电力物联网传感器弱敏感数据异常检测系统，其特征在于，
包括：服务器和M个边缘节点E＝(E1，E2，......，EM)，任一边缘节点Ei与iN个传感器Si＝(Si 1，Si 2，......，Si iN)通信连接，从而能够获取Si的传感数据，所述Si的传感数据为弱敏感数据，i的取值为1到M，Ei连接的iN个传感器为同类型传感器，所述Ei连接的iN个传感器根据环境因素变化的规律相同；传感器Si j每隔固定的时序周期Ti向Ei上传对应的传感器数据，j的取值为1到iN；边缘节点Ei包括数据缓存和存储介质，所述数据缓存中存储有数据Di，
Figure FDA0003595872600000011
其中，p＝iN，q＝Wi/Ti，Wi为用户预设的第一时间窗口，Dxy为传感器Si x在所述第一时间窗口内上传到边缘节点Ei的数据，其中，x的取值范围为1到p，y的取值范围为1到q，且Dx1≤Dx2≤......≤Dxq；
所述存储介质中存储有计算机程序，所述边缘节点Ei执行所述计算机程序时，遍历D1y到Dpy，实现以下步骤：
步骤S100、获取
Figure FDA0003595872600000012
使得y2-y1大于或等于预设的第一阈值Z1，其中A为预设的第一系数，其中，q和A的取值使得y1、y2满足y2>y1≥3；
步骤S200、将Dx1与Dx(y1)-k*(Dx(y2)-Dx(y1))对比，并将Dxq与k*(Dx(y2)-Dx(y1))对比，其中，k为预设的第二系数，如果Dx1≥Dx(y1)-k*(Dx(y2)-Dx(y1))，且Dxq≤Dx(y2)+k*(Dx(y2)-Dx(y1))，那么判断Dxy中不存在异常值，将Di传输到所述服务器，否则，并行执行步骤S300和步骤S400；
步骤S300、如果Dx1<Dx(y1)-k*(Dx(y2)-Dx(y1))，那么遍历Dx2到Dx(y1-1)，若Dxe1<Dx(y1)-k*(Dx(y2)-Dx(y1))，且Dx(e1+1)≥Dx(y1)-k*(Dx(y2)-Dx(y1))，则将Dx1到Dxe1确定为异常值，其中，e1的取值范围为2到y1-1；
步骤S400、如果Dxq>Dx(y2)+k*(Dx(y2)-Dx(y1))，那么遍历Dx(y2-1)到Dx(q-1)，若Dxe2>Dx(y2)+k*(Dx(y2)-Dx(y1))，且Dx(e2-1)<Dx(y2)+k*(Dx(y2)-Dx(y1))，则将Dxe2到Dxq确定异常值，其中，e2的取值范围为y2到q。
2.根据权利要求1所述的系统，其特征在于，
所述边缘节点Ei执行所述计算机程序时，还实现步骤S500：将步骤S300和步骤S400得到的Di传输到所述服务器中。
3.根据权利要求1所述的系统，其特征在于，
所述系统还包括数据上报时间表，用于记录Di中每一数据的上报时间，每一所述边缘节点Ei执行所述计算机程序时，在所述步骤S300和/或步骤S400之后，还进行如下处理：
步骤S600、获取Di中异常值的数量H，将H与预设的第二阈值Z2比较，如果H小于或等于Z2，那么不进行异常处理，否则执行步骤S700；
步骤S700、根据所述数据上报时间表获取Di中每一异常值对应的上报时间，获取预设的第二时间窗口内Di中异常值的数量W，将W与预设的第三阈值Z3对比，若W大于或等于Z3，则不进行异常处理，否则，执行步骤S800；
步骤S800、对Di中的异常值进行异常处理。
4.根据权利要求1-3中任意一项所述的系统，其特征在于，
所述第一系数A的取值范围为0.1到0.4。
5.根据权利要求4所述的系统，其特征在于，
所述第二系数k的取值范围为1.2到2。
6.根据权利要求1-3中任意一项所述的系统，其特征在于，
所述S300中采用基于二叉树的二分查找算法遍历Dx2到Dx(y1-1)，所述步骤S400中采用基于二叉树的二分查找算法遍历Dx(y2-1)到Dx(q-1)。
7.根据权利要求3所述的系统，其特征在于，
所述第二阈值Z2＝f1(p,q)。
8.根据权利要求7所述的系统，其特征在于，
所述第二阈值Z2与p和q均正相关。
9.根据权利要求3所述的系统，其特征在于，
所述第三阈值Z3＝f2(q)。
10.根据权利要求9所述的系统，其特征在于，
所述第三阈值Z3与q正相关。
CN202110087101.7A 2021-01-22 2021-01-22 电力物联网传感器弱敏感数据异常检测系统 Expired - Fee Related CN112800110B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110087101.7A CN112800110B (zh) 2021-01-22 2021-01-22 电力物联网传感器弱敏感数据异常检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110087101.7A CN112800110B (zh) 2021-01-22 2021-01-22 电力物联网传感器弱敏感数据异常检测系统

Publications (2)

Publication Number Publication Date
CN112800110A CN112800110A (zh) 2021-05-14
CN112800110B true CN112800110B (zh) 2022-09-16

Family

ID=75811179

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110087101.7A Expired - Fee Related CN112800110B (zh) 2021-01-22 2021-01-22 电力物联网传感器弱敏感数据异常检测系统

Country Status (1)

Country Link
CN (1) CN112800110B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114358400B (zh) * 2021-12-21 2023-06-23 浙江高信技术股份有限公司 一种智慧桥隧涵边坡监控系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103249072A (zh) * 2013-05-09 2013-08-14 清华大学 无线传感器网络异常数据分析方法及无线传感器节点
CN105528669A (zh) * 2015-11-26 2016-04-27 国网北京市电力公司 用于电力系统的负荷预测系统
CN111159165A (zh) * 2019-12-06 2020-05-15 国网安徽省电力有限公司淮南供电公司 基于云平台的电力井下低功耗边缘计算系统及其方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN205428174U (zh) * 2016-02-10 2016-08-03 天津城建大学 一种远程能耗数据采集系统
US10877465B2 (en) * 2016-10-24 2020-12-29 Fisher-Rosemount Systems, Inc. Process device condition and performance monitoring
WO2019021041A1 (en) * 2017-07-25 2019-01-31 Sixth Energy Technologies Pvt Ltd INTEGRATED INTERNET OBJECT (IOT) DEVICE FOR MONITORING AND CONTROLLING EVENTS IN AN ENVIRONMENT
CN109491844B (zh) * 2018-09-21 2022-03-04 国网技术学院 一种识别异常信息的计算机系统
WO2020202168A1 (en) * 2019-03-30 2020-10-08 Telefonaktiebolaget Lm Ericsson (Publ) A computer implemented method for handling occurrence of anomalies and/or faults in a network node
CN110505288A (zh) * 2019-08-02 2019-11-26 南京英锐祺科技有限公司 一种输电网络的监控方法及系统
CN111832647A (zh) * 2020-07-10 2020-10-27 上海交通大学 异常流量检测系统及方法
CN112004204B (zh) * 2020-08-12 2022-09-23 河海大学常州校区 工业物联网中基于分层处理的高维数据异常检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103249072A (zh) * 2013-05-09 2013-08-14 清华大学 无线传感器网络异常数据分析方法及无线传感器节点
CN105528669A (zh) * 2015-11-26 2016-04-27 国网北京市电力公司 用于电力系统的负荷预测系统
CN111159165A (zh) * 2019-12-06 2020-05-15 国网安徽省电力有限公司淮南供电公司 基于云平台的电力井下低功耗边缘计算系统及其方法

Also Published As

Publication number Publication date
CN112800110A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
EP3754906A1 (en) Method and system for performing automated root cause analysis of anomaly events in high-dimensional sensor data
WO2017087440A1 (en) Anomaly fusion on temporal casuality graphs
CN110768971B (zh) 适用于人工智能系统的对抗样本快速预警方法及系统
EP1960853A1 (en) Evaluating anomaly for one-class classifiers in machine condition monitoring
JP2020123951A (ja) 光モジュールの故障を予測するための方法、装置、およびデバイス
CN105721228A (zh) 基于快速密度聚类的电力通信网节点重要性评估方法
CN112800110B (zh) 电力物联网传感器弱敏感数据异常检测系统
CN113011481A (zh) 一种基于决策树算法的电能表功能异常评估方法及系统
CN108156018B (zh) 电力网络设备拓扑识别方法、电子设备和计算机存储介质
CN117041029A (zh) 网络设备故障处理方法、装置、电子设备及存储介质
CN113779247A (zh) 基于意图驱动的网络故障诊断方法及系统
CN111884859A (zh) 一种网络故障诊断方法、装置及可读存储介质
Cho et al. Discovery of resource-oriented transition systems for yield enhancement in semiconductor manufacturing
CN110266527B (zh) 基于空间相关性的传感器节点故障分类报警方法及装置
CN111884874A (zh) 一种基于可编程数据平面的舰船网络实时异常检测方法
CN114611636B (zh) 一种融合多种传感器信息实现测量值分析的方法
CN111492632B (zh) 用于预测网络节点的状态改变的系统和方法
CN116402777A (zh) 基于机器视觉的电力设备检测方法及系统
Qing et al. Device type identification via network traffic and lightweight convolutional neural network for Internet of things
CN111650898B (zh) 具备高容错性能的集散控制系统及方法
CN108260155B (zh) 一种基于时空相似度的无线传感网异常检测方法
Sim Hierarchical factor analysis methodology for Intelligent manufacturing
WO2020202168A1 (en) A computer implemented method for handling occurrence of anomalies and/or faults in a network node
Binu et al. Multi-rider optimization-based neural network for fault isolation in analog circuits
CN115144548B (zh) 有害气体成分实时监测系统及其监测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220916