CN114548294A - 一种电网异常数据检测方法、装置、移动终端及存储介质 - Google Patents

一种电网异常数据检测方法、装置、移动终端及存储介质 Download PDF

Info

Publication number
CN114548294A
CN114548294A CN202210176383.2A CN202210176383A CN114548294A CN 114548294 A CN114548294 A CN 114548294A CN 202210176383 A CN202210176383 A CN 202210176383A CN 114548294 A CN114548294 A CN 114548294A
Authority
CN
China
Prior art keywords
clustering
power grid
data
abnormal data
detected
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.)
Pending
Application number
CN202210176383.2A
Other languages
English (en)
Inventor
马腾腾
付佳佳
梅发茂
汤怿
刘晓燕
贺思哲
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.)
Guangdong Power Grid Co Ltd
Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd
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 Guangdong Power Grid Co Ltd, Electric Power Dispatch Control Center of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202210176383.2A priority Critical patent/CN114548294A/zh
Publication of CN114548294A publication Critical patent/CN114548294A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
    • 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
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S40/00—Systems for electrical power generation, transmission, distribution or end-user application management characterised by the use of communication or information technologies, or communication or information technology specific aspects supporting them
    • Y04S40/20—Information technology specific aspects, e.g. CAD, simulation, modelling, system security

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Business, Economics & Management (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了本发明实施例提供的一种电网异常数据检测方法、装置、移动终端及存储介质，所述方法包括：获取待检测电网的异构电力数据，根据异构电力数据进行第一聚类处理，得到M个第一聚类结果；其中，M为大于2的正整数；根据M个第一聚类结果计算得到聚类有效性评价指标后，动态调整聚类有效性评价指标的权重，得到最终权重值；根据最终权重值对M个第一聚类结果进行第二聚类处理，得到M个第二聚类结果后，根据M个第二聚类结果，对待检测电网进行异常数据检测。采用本发明实施例能提高电网异常数据检测的准确性。

Description

一种电网异常数据检测方法、装置、移动终端及存储介质
技术领域
本发明涉及数据处理技术领域，尤其涉及一种电网异常数据检测方法、装置、移动终端及存储介质。
背景技术
电力网络的安全运行是国家能源安全的重要环节也是保证国家工业和经济命脉稳定发展的重要部分。在进行电网潜在安全威胁预测时，需要检测出异常数据，单一的物理空间安全保护技术或信息空间异常数据检测技术，已不足以应对跨越信息物理空间的电网信息物理混合攻击行为。
目前，电网面临的攻击类型繁多且呈现出不断增长的态势，所以现有技术中往往通过对电网中的异常数据进行聚类处理以进行电网异常数据检测，但是现有技术平等对待基聚类，聚类效果差的基聚类结果会降低集成聚类结果的性能，从而导致电网异常数据检测的准确性不高。
综上所述，现有技术中的电网异常数据检测方法的准确性不高。
发明内容
本发明实施例提供一种电网异常数据检测方法、装置、移动终端及存储介质，提高了电网异常数据检测的准确性。
本申请实施例的第一方面提供了一种电网异常数据检测方法，包括：
获取待检测电网的异构电力数据，根据异构电力数据进行第一聚类处理，得到M个第一聚类结果；其中，M为大于2的正整数；
根据M个第一聚类结果计算得到聚类有效性评价指标后，动态调整聚类有效性评价指标的初始权重，得到最终权重值；
根据最终权重值对M个第一聚类结果进行第二聚类处理，得到M个第二聚类结果后，根据M个第二聚类结果，对待检测电网进行异常数据检测。
在第一方面的一种可能的实现方式中，动态调整聚类有效性评价指标的初始权重，得到最终权重值，具体为：
根据聚类有效性评价指标生成内部有效性矩阵；
根据内部有效性矩阵计算聚类有效性评价指标的初始权重；
对初始权重进行加权平均后，动态调整初始权重，直至第一阈值满足条件时，停止调整，并得到最终权重值。
在第一方面的一种可能的实现方式中，获取待检测电网的异构电力数据，具体为：
获取待检测电网的初始异常数据后，将初始异常数据转换为数值型数据；
将数值型数据进行归一化处理后，生成待检测电网的异构电力数据并获取。
在第一方面的一种可能的实现方式中，根据异构电力数据进行第一聚类处理，得到M个第一聚类结果，具体为：
计算异构电力数据之间的支持度，并根据支持度计算得到支持度矩阵；
根据支持度矩阵计算得到新属性矩阵后，根据M种聚类算法和新属性矩阵进行第一聚类处理，得到M个第一聚类结果。
在第一方面的一种可能的实现方式中，根据支持度矩阵计算得到新属性矩阵，具体为：
计算支持度矩阵中的最大值、最小值、算数平均值、几何平均值和众数后，根据最大值、最小值、算数平均值、几何平均值和众数进行整合处理，生成新属性矩阵。
本申请实施例的第二方面提供了一种电网异常数据检测装置，包括：获取模块、调整模块和检测模块；
其中，获取模块用于获取待检测电网的异构电力数据，根据异构电力数据进行第一聚类处理，得到M个第一聚类结果；其中，M为大于2的正整数；
调整模块用于根据M个第一聚类结果计算得到聚类有效性评价指标后，动态调整聚类有效性评价指标的权重，得到最终权重值；
检测模块用于根据最终权重值对M个第一聚类结果进行第二聚类处理，得到M个第二聚类结果后，根据M个第二聚类结果，对待检测电网进行异常数据检测。
在第二方面的一种可能的实现方式中，动态调整聚类有效性评价指标的初始权重，得到最终权重值，具体为：
根据聚类有效性评价指标生成内部有效性矩阵；
根据内部有效性矩阵计算聚类有效性评价指标的初始权重；
对初始权重进行加权平均后，动态调整初始权重，直至第一阈值满足条件时，停止调整，并得到最终权重值。
在第二方面的一种可能的实现方式中，获取待检测电网的异构电力数据，具体为：
获取待检测电网的初始异常数据后，将初始异常数据转换为数值型数据；
将数值型数据进行归一化处理后，生成待检测电网的异构电力数据并获取。
本申请实施例的第三方面提供了一种移动终端，包括处理器和存储器，存储器存储有计算机可读程序代码，处理器执行计算机可读程序代码时实现上述的一种电网异常数据检测方法的步骤。
本申请实施例的第四方面提供了一种存储介质，存储介质存储计算机可读程序代码，当计算机可读程序代码被执行时实现上述的一种电网异常数据检测方法的步骤。
相比于现有技术，本发明实施例提供的一种电网异常数据检测方法、装置、移动终端及存储介质，所述方法包括：获取待检测电网的异构电力数据，根据异构电力数据进行第一聚类处理，得到M个第一聚类结果；其中，M为大于2的正整数；根据M个第一聚类结果计算得到聚类有效性评价指标后，动态调整聚类有效性评价指标的权重，得到最终权重值；根据最终权重值对M个第一聚类结果进行第二聚类处理，得到M个第二聚类结果后，根据M个第二聚类结果，对待检测电网进行异常数据检测。
其有益效果在于：本发明实施例根据待检测电网的异构电力数据计算得到聚类有效性评价指标后，动态调整聚类有效性评价指标的权重，得到最终权重值，根据最终权重值进行聚类处理，得到M个最终聚类结果(即第二聚类结果)后，根据M个最终聚类结果对待检测电网进行异常数据检测。由于最终聚类结果是考虑了聚类有效性评价指标的最终权重值而得到的聚类结果，权重越高的聚类有效性评价指标代表聚类结果的性能越好，聚类结果高性能保证了电网异常的检测精度，所以本发明能够解决现有技术中平等对待所有基聚类而导致的电网异常数据检测的准确性不高的问题，使高性能的聚类结果能够在整体基聚类簇中占据重要的成分，使低性能的聚类结果对整体基聚类簇影响变小，以便检测结果较为准确客观，有效提高了电网异常数据检测的准确性。
附图说明
图1是本发明一实施例提供的一种电网异常数据检测方法的流程示意图；
图2是本发明一实施例提供的一种电网异常数据检测装置的结构示意图。
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。
参照图1，是本发明一实施例提供的一种电网异常数据检测方法的流程示意图，包括S101-S103：
S101：获取待检测电网的异构电力数据，根据异构电力数据进行第一聚类处理，得到M个第一聚类结果。
其中，M为大于2的正整数。
在本实施例中，所述获取待检测电网的异构电力数据，具体为：
获取所述待检测电网的初始异常数据后，将所述初始异常数据转换为数值型数据；
将所述数值型数据进行归一化处理后，生成所述待检测电网的异构电力数据并获取。
进一步地，所述待检测电网的异构电力数据可用以下数据集N表示：
Figure BDA0003519178190000056
其中，
Figure BDA0003519178190000057
表示电网量测数据，
Figure BDA0003519178190000058
表示信息系统量测数据，xi＝{xij|j＝1，2，...，Z}T是xi对应的数据向量，yi＝{yij|j＝1，2，...，Z}T是yi对应的数据向量，n1+n2＝n。
进一步地，dj∈N(j＝1，2，...，Z)表示数据集N中的数据点，其中dj(x)表示数据点dj中的电网量测数据部分，
Figure BDA0003519178190000051
dj(y)表示数据点dj中的信息系统量测数据部分，
Figure BDA0003519178190000052
则不同数据点dj，dk∈N之间电网量测数据之间的距离由以下公式表示：
Figure BDA0003519178190000053
则不同数据点dj，dk∈N之间信息系统量测数据之间的距离由以下公式表示：
Figure BDA0003519178190000054
则不同数据点dj，dk∈N间的距离由以下公式表示：
Figure BDA0003519178190000055
在一具体实施例中，所述根据所述异构电力数据进行第一聚类处理，得到M个第一聚类结果，具体为：
计算所述异构电力数据之间的支持度，并根据所述支持度计算得到支持度矩阵；
根据所述支持度矩阵计算得到新属性矩阵后，根据M种聚类算法(F1，F2，...，FM)和所述新属性矩阵进行第一聚类处理，得到M个所述第一聚类结果。
进一步地，计算所述异构电力数据之间的支持度Sup可由以下公式表示：
sup(dj，dk)＝(1-d(dj，dk))k，k＝0.7；
所述支持度矩阵A如下所示：
Figure BDA0003519178190000061
在一具体实施例中，所述根据所述支持度矩阵计算得到新属性矩阵，具体为：
计算所述支持度矩阵中的最大值、最小值、算数平均值、几何平均值和众数后，根据所述最大值、所述最小值、所述算数平均值、所述几何平均值和所述众数进行整合处理，生成所述新属性矩阵。其中，由于所述支持度矩阵为N*N阶支持度矩阵A，所以计算所述支持度矩阵中的最大值、最小值、算数平均值、几何平均值和众数是指，计算N*N阶支持度矩阵A中每一行数据中的最大值、最小值、算数平均值、几何平均值和众数，通过整合这五类数据构成新的属性矩阵B，新属性矩阵B为N*5阶矩阵。
S102：根据M个第一聚类结果计算得到聚类有效性评价指标，动态调整聚类有效性评价指标的权重，得到最终权重值。
其中，所述聚类有效性评价指标包括：DBI指标(即戴维森堡丁指数)，CH指标和DI指标。
DBI指标可由以下公式表示：
Figure BDA0003519178190000071
其中，Pw表示第一类聚类的M个结果中第w(w∈{1，2，...，M})个聚类结果，pw为聚类结果Pw中簇的数目，
Figure BDA0003519178190000072
表示聚类簇
Figure BDA0003519178190000073
内样本间的平均距离。
进一步地，
Figure BDA0003519178190000074
可由以下公式表示：
Figure BDA0003519178190000075
其中，
Figure BDA0003519178190000076
表示聚类簇
Figure BDA0003519178190000077
中元素的数目。
Figure BDA0003519178190000078
良示簇
Figure BDA0003519178190000079
的中心点，
Figure BDA00035191781900000710
表示簇
Figure BDA00035191781900000711
均中心点，
Figure BDA00035191781900000712
表示簇
Figure BDA00035191781900000713
的中心点与簇
Figure BDA00035191781900000714
的中心点之间的距离。
CH指标可由以下公式表示：
Figure BDA00035191781900000715
其中，Pw表示第一类聚类的M个结果中第w(w∈{1，2，...，M})个聚类结果，pw为聚类结果Pw中簇的数目，
Figure BDA00035191781900000716
表示Pw中簇
Figure BDA00035191781900000717
的中心点，dj表示数据集N中的点，Z为数据集中数据点的数目，
Figure BDA00035191781900000718
表示数据集中所有数据点的均值，
Figure BDA00035191781900000719
表示数据点之间的距离。
DI指标可由以下公式表示：
Figure BDA0003519178190000081
其中，DI指标的计算公式中所使用的参数已在上述内容中进行解释，含义一致，于是在此便不再赘述。
在本实施例中，所述动态调整所述聚类有效性评价指标的初始权重，得到最终权重值，具体为：
根据所述聚类有效性评价指标生成内部有效性矩阵；
根据所述内部有效性矩阵计算所述聚类有效性评价指标的初始权重；
对所述初始权重进行加权平均后，动态调整所述初始权重，直至第一阈值满足条件时，停止调整，并得到所述最终权重值。
进一步地，内部有效性矩阵Vw可由以下公式表示：
Figure BDA0003519178190000082
其中，
Figure BDA0003519178190000083
是第w个基本聚类中DBI指标值，
Figure BDA0003519178190000084
是第w个基本聚类中CH指标值，
Figure BDA0003519178190000085
是第w个基本聚类中DI指标值。
进一步地，令
Figure BDA0003519178190000086
其中，
Figure BDA0003519178190000087
表示第一类聚类的M个结果中第w个聚类结果的上述三类计算指标(即DBI指标值、CH指标值和DI指标值)。
则动态调整所述初始权重的过程如下所示：
首先，计算
Figure BDA0003519178190000088
tp所对应的指标向量记为
Figure BDA0003519178190000089
其次，计算其它指标向量Vw与T之间的相似性S(Vw，T)，计算公式如下：
Figure BDA0003519178190000091
令
Figure BDA0003519178190000092
计算
Figure BDA0003519178190000093
并令T＝Vo；
再次计算其它指标向量Vw与T之间的相似性S(Vw，T)，并依据相似性计算结果再次计算ωw，VO；
最后，迭代上述过程，直到
Figure BDA0003519178190000094
为止，第一阈值α可以根据实际应用进行灵活设置，例如可以设置α＝0.2。
动态调整所述初始权重过程结束后，最终权重值为ω*＝{ω1，ω2，...ωM}。
S103：根据最终权重值对M个第一聚类结果进行第二聚类处理，得到M个第二聚类结果后，根据M个第二聚类结果，对待检测电网进行异常数据检测。
在本实施例中，根据最终权重值对M个第一聚类结果进行集成，完成第二聚类处理，得到M个第二聚类结果，实现待检测电网的异构电力数据的有效分类；根据M个第二聚类结果，对待检测电网进行异常数据检测。由于第二聚类结果是考虑了聚类有效性评价指标的最终权重值而得到的聚类结果，权重越高的聚类有效性评价指标代表聚类结果的性能越好，聚类结果高性能保证了电网异常的检测精度，所以本发明能够解决现有技术中平等对待所有基聚类而导致的电网异常数据检测的准确性不高的问题，有效提高了电网异常数据检测的准确性。
为了进一步说明电网异常数据检测装置，请参照图2，图2是本发明一实施例提供的一种电网异常数据检测装置的结构示意图，包括：获取模块201、调整模块202和检测模块203；
其中，所述获取模块201用于获取待检测电网的异构电力数据，根据所述异构电力数据进行第一聚类处理，得到M个第一聚类结果；其中，M为大于2的正整数；
所述调整模块202用于根据M个所述第一聚类结果计算得到聚类有效性评价指标后，动态调整所述聚类有效性评价指标的权重，得到最终权重值；
所述检测模块203用于根据所述最终权重值对M个所述第一聚类结果进行第二聚类处理，得到M个第二聚类结果后，根据M个所述第二聚类结果，对所述待检测电网进行异常数据检测。
在本实施例中，所述动态调整所述聚类有效性评价指标的初始权重，得到最终权重值，具体为：
根据所述聚类有效性评价指标生成内部有效性矩阵；
根据所述内部有效性矩阵计算所述聚类有效性评价指标的初始权重；
对所述初始权重进行加权平均后，动态调整所述初始权重，直至第一阈值满足条件时，停止调整，并得到所述最终权重值。
在本实施例中，所述获取待检测电网的异构电力数据，具体为：
获取所述待检测电网的初始异常数据后，将所述初始异常数据转换为数值型数据；
将所述数值型数据进行归一化处理后，生成所述待检测电网的异构电力数据并获取。
本发明一具体实施例提供了一种移动终端，包括处理器和存储器，所述存储器存储有计算机可读程序代码，所述处理器执行所述计算机可读程序代码时实现上述的一种电网异常数据检测方法的步骤。
本发明一具体实施例提供了一种存储介质，所述存储介质存储计算机可读程序代码，当所述计算机可读程序代码被执行时实现上述的一种电网异常数据检测方法的步骤。
本发明实施例先通过获取模块201获取待检测电网的异构电力数据，根据异构电力数据进行第一聚类处理，得到M个第一聚类结果；其中，M为大于2的正整数；再通过调整模块202根据M个第一聚类结果计算得到聚类有效性评价指标后，动态调整聚类有效性评价指标的权重，得到最终权重值；最后通过检测模块203根据最终权重值对M个第一聚类结果进行第二聚类处理，得到M个第二聚类结果后，根据M个第二聚类结果，对待检测电网进行异常数据检测。
本发明实施例根据待检测电网的异构电力数据计算得到聚类有效性评价指标后，动态调整聚类有效性评价指标的权重，得到最终权重值，根据最终权重值进行聚类处理，得到M个最终聚类结果(即第二聚类结果)后，根据M个最终聚类结果对待检测电网进行异常数据检测。由于最终聚类结果是考虑了聚类有效性评价指标的最终权重值而得到的聚类结果，权重越高的聚类有效性评价指标代表聚类结果的性能越好，聚类结果高性能保证了电网异常的检测精度，所以本发明能够解决现有技术中平等对待所有基聚类而导致的电网异常数据检测的准确性不高的问题，使高性能的聚类结果能够在整体基聚类簇中占据重要的成分，使低性能的聚类结果对整体基聚类簇影响变小，以便检测结果较为准确客观，有效提高了电网异常数据检测的准确性。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种电网异常数据检测方法，其特征在于，包括：
获取待检测电网的异构电力数据，根据所述异构电力数据进行第一聚类处理，得到M个第一聚类结果；其中，M为大于2的正整数；
根据M个所述第一聚类结果计算得到聚类有效性评价指标后，动态调整所述聚类有效性评价指标的初始权重，得到最终权重值；
根据所述最终权重值对M个所述第一聚类结果进行第二聚类处理，得到M个第二聚类结果后，根据M个所述第二聚类结果，对所述待检测电网进行异常数据检测。
2.根据权利要求1所述的一种电网异常数据检测方法，其特征在于，所述动态调整所述聚类有效性评价指标的初始权重，得到最终权重值，具体为：
根据所述聚类有效性评价指标生成内部有效性矩阵；
根据所述内部有效性矩阵计算所述聚类有效性评价指标的初始权重；
对所述初始权重进行加权平均后，动态调整所述初始权重，直至第一阈值满足条件时，停止调整，并得到所述最终权重值。
3.根据权利要求2所述的一种电网异常数据检测方法，其特征在于，所述获取待检测电网的异构电力数据，具体为：
获取所述待检测电网的初始异常数据后，将所述初始异常数据转换为数值型数据；
将所述数值型数据进行归一化处理后，生成所述待检测电网的异构电力数据并获取。
4.根据权利要求3所述的一种电网异常数据检测方法，其特征在于，所述根据所述异构电力数据进行第一聚类处理，得到M个第一聚类结果，具体为：
计算所述异构电力数据之间的支持度，并根据所述支持度计算得到支持度矩阵；
根据所述支持度矩阵计算得到新属性矩阵后，根据M种聚类算法和所述新属性矩阵进行第一聚类处理，得到M个所述第一聚类结果。
5.根据权利要求4所述的一种电网异常数据检测方法，其特征在于，所述根据所述支持度矩阵计算得到新属性矩阵，具体为：
计算所述支持度矩阵中的最大值、最小值、算数平均值、几何平均值和众数后，根据所述最大值、所述最小值、所述算数平均值、所述几何平均值和所述众数进行整合处理，生成所述新属性矩阵。
6.一种电网异常数据检测装置，其特征在于，包括：获取模块、调整模块和检测模块；
其中，所述获取模块用于获取待检测电网的异构电力数据，根据所述异构电力数据进行第一聚类处理，得到M个第一聚类结果；其中，M为大于2的正整数；
所述调整模块用于根据M个所述第一聚类结果计算得到聚类有效性评价指标后，动态调整所述聚类有效性评价指标的权重，得到最终权重值；
所述检测模块用于根据所述最终权重值对M个所述第一聚类结果进行第二聚类处理，得到M个第二聚类结果后，根据M个所述第二聚类结果，对所述待检测电网进行异常数据检测。
7.根据权利要求6所述的一种电网异常数据检测装置，其特征在于，所述动态调整所述聚类有效性评价指标的初始权重，得到最终权重值，具体为：
根据所述聚类有效性评价指标生成内部有效性矩阵；
根据所述内部有效性矩阵计算所述聚类有效性评价指标的初始权重；
对所述初始权重进行加权平均后，动态调整所述初始权重，直至第一阈值满足条件时，停止调整，并得到所述最终权重值。
8.根据权利要求7所述的一种电网异常数据检测装置，其特征在于，所述获取待检测电网的异构电力数据，具体为：
获取所述待检测电网的初始异常数据后，将所述初始异常数据转换为数值型数据；
将所述数值型数据进行归一化处理后，生成所述待检测电网的异构电力数据并获取。
9.一种移动终端，其特征在于，包括处理器和存储器，所述存储器存储有计算机可读程序代码，所述处理器执行所述计算机可读程序代码时实现权利要求1至5中任一项所述的一种电网异常数据检测方法的步骤。
10.一种存储介质，其特征在于，所述存储介质存储计算机可读程序代码，当所述计算机可读程序代码被执行时实现权利要求1至5中任一项所述的一种电网异常数据检测方法的步骤。
CN202210176383.2A 2022-02-24 2022-02-24 一种电网异常数据检测方法、装置、移动终端及存储介质 Pending CN114548294A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210176383.2A CN114548294A (zh) 2022-02-24 2022-02-24 一种电网异常数据检测方法、装置、移动终端及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210176383.2A CN114548294A (zh) 2022-02-24 2022-02-24 一种电网异常数据检测方法、装置、移动终端及存储介质

Publications (1)

Publication Number Publication Date
CN114548294A true CN114548294A (zh) 2022-05-27

Family

ID=81679597

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210176383.2A Pending CN114548294A (zh) 2022-02-24 2022-02-24 一种电网异常数据检测方法、装置、移动终端及存储介质

Country Status (1)

Country Link
CN (1) CN114548294A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117235265A (zh) * 2023-09-21 2023-12-15 湖北中恒电测科技有限公司 一种电力数据文件的处理系统和方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117235265A (zh) * 2023-09-21 2023-12-15 湖北中恒电测科技有限公司 一种电力数据文件的处理系统和方法

Similar Documents

Publication Publication Date Title
CN108709745B (zh) 一种基于增强型lpp算法和极限学习机快速轴承故障识别方法
CN111199016A (zh) 一种基于DTW的改进K-means的日负荷曲线聚类方法
CN111680642B (zh) 一种地形分类方法及装置
CN106600430B (zh) 一种社区网络检测方法及装置
CN111626360B (zh) 用于检测锅炉故障类型的方法、装置、设备和存储介质
CN115484112B (zh) 支付大数据安全防护方法、系统及云平台
CN114580572B (zh) 一种异常值的识别方法、装置、电子设备及存储介质
CN114548294A (zh) 一种电网异常数据检测方法、装置、移动终端及存储介质
CN117493991A (zh) 一种基于kpca-scso-svm的发动机状态评估方法
CN115079052A (zh) 一种变压器故障诊断方法和系统
CN117495891B (zh) 点云边缘检测方法、装置和电子设备
CN117584991A (zh) 一种矿区无人驾驶车外人员安全保护方法及系统
CN113255927A (zh) 逻辑回归模型训练方法、装置、计算机设备和存储介质
CN117435969A (zh) 开关柜健康状态评估方法、装置、设备及存储介质
CN117194872A (zh) 一种风电场风速校正方法、系统、计算机设备及存储介质
CN117155701A (zh) 一种网络流量入侵检测方法
CN116630320A (zh) 电池极片的检测方法、装置、电子设备及存储介质
CN110941542A (zh) 基于弹性网络的序列集成高维数据异常检测系统及方法
CN116667780A (zh) 电站的故障诊断方法、装置以及光伏系统
Li et al. Objective reduction using objective sampling and affinity propagation for many-objective optimization problems
CN116089844A (zh) 一种无人机位姿数据的非高斯特征验证方法
CN104063520A (zh) 基于聚类抽样核变换的失衡数据分类方法
CN110826904B (zh) 风机的数据处理方法、装置、处理设备及可读存储介质
CN113868831A (zh) 一种电池容量一致性估计方法及系统
CN113408210A (zh) 基于深度学习的非侵入负荷分解方法、系统、介质和设备

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