CN117454120A - 电力通信系统数据的采集分析方法 - Google Patents

Abstract

本发明涉及测量电变量技术领域，具体涉及电力通信系统数据的采集分析方法，包括：通过对节点对应电力设备的电力数据进行降维，结合得到的主成分之间的差异以及节点之间的最短路径，获得了节点的主成分之间距离的差异性，利用主成分的贡献率对差异性进行加权调节，获得反映节点的比重系数，通过比重系数对节点之间的第一连接距离进行调整，获得节点之间距离的第二连接距离。本发明提高了在利用主成分进行距离度量时主成分的维度对主成分之间差异的影响程度，使得第二连接距离之间的差异范围扩大，提高了距离度量效果，进一步提高了对节点中的异常点的检测准确性。

Description

电力通信系统数据的采集分析方法

技术领域

本发明涉及测量电变量技术领域，具体涉及电力通信系统数据的采集分析方法。

背景技术

由输电线路形成的电力网络的主要作用是保证电能的有效输送，而由于目前对电力网络的扩展程度高使得网络结构复杂，因此对电力网络的稳定性和运行效率有更高的要求，目前通过获取用电设备的电力通信数据并进行分析处理，进一步对用电设备的负载进行优化，以提高设备的可靠性和运行效率。

目前对电力网络中用电设备的负载进行优化时，通常对电力通信数据利用COF（Connectivity-based Outlier Factor）算法检测电力负载异常情况时，而由于COF算法涉及到大量的距离计算和邻居搜索，导致结合马氏距离对多个用电设备的多维度数据进行距离度量时，由于维数灾难会导致数据点之间的距离趋近于相等，导致COF算法对电力设备之间的度量距离不准确，进一步导致异常检测结果准确性低的问题，无法对用电设备的负载进行有效优化，以保证电力网络的稳定性和运行效率。

发明内容

本发明提供电力通信系统数据的采集分析方法，以解决现有的问题。

本发明的电力通信系统数据的采集分析方法采用如下技术方案：

本发明一个实施例提供了电力通信系统数据的采集分析方法，该方法包括以下步骤：

获取电力数据和电力网络，电力网络中包含多个电力设备对应的节点；

对电力数据进行降维获得若干个主成分以及主成分的贡献率，根据主成分之间的相关系数获得两个节点中任意主成分对应的匹配成分；

对主成分的协方差矩阵加权获得主成分之间的差异性，获取电力网络中节点的最短路径，利用节点的最短路径和主成分的贡献率对差异性进行调节获得节点的比重系数，将贡献率和差异性的融合结果记为综合差异性，利用比重系数和综合差异性对第一连接距离进行调节获得节点之间的第二连接距离；

利用第二连接距离进行电力分配。

进一步的，所述获取电力数据和电力网络，包括的具体方法为：

首先，获取用电设备的电力负荷数据以及用电设备的运行数据，将用电设备的电力负荷数据和运行数据统称为电力数据；

然后，构建图结构，将一个用电设备作为图结构的一个节点，将用电设备之间的电路连接关系作为图结构的边，将由若干个节点构成的图结构记为电力网络，一个节点对应一个电力数据。

进一步的，所述对电力数据进行降维获得若干个主成分以及主成分的贡献率，根据主成分之间的相关系数获得两个节点中任意主成分对应的匹配成分，包括的具体方法为：

利用PCA算法对任意节点的电力数据进行处理，获取若干个主成分以及对应的贡献率，使得各节点的主成分在PCA算法中的累计方差贡献率均大于，其中/>为预设的超参数，一个节点的电力数据对应若干个主成分。

进一步的，所述根据主成分之间的相关系数获得两个节点中任意主成分对应的匹配成分，包括的具体方法为：

将任意两个节点分别记为第一节点和第二节点，将第一节点的任意主成分记为第一成分，将第二节点的任意主成分记为第二成分，获取第一成分与所有第二成分的皮尔逊相关系数的最大值，当皮尔逊相关系数最大时，将对应的第二成分记为第一成分的匹配成分，获得任意两个节点中所有主成分对应的匹配成分。

进一步的，所述对主成分的协方差矩阵加权获得主成分之间的差异性，包括的具体方法为：

首先，获取所有节点的任意主成分对应的协方差矩阵记为主成分的成分矩阵，将任意主成分的成分矩阵的伪逆矩阵记为逆成分矩阵；

然后，获取第个节点与第/>个节点的第/>主成分之间的差异性，具体计算方法为：

其中，表示第/>个节点与第/>个节点的第/>主成分之间的差异性；/>表示第/>个节点的第/>个主成分；/>表示第/>个节点的第/>个主成分；/>表示第/>个节点的第个主成分与第/>个节点的第/>个主成分的向量差的转置向量；/>表示所有节点第/>个主成分的逆成分矩阵；/>表示权重矩阵。

进一步的，所述权重矩阵的具体获取方法为：

其中，表示权重矩阵；/>表示权重矩阵的维度；/>表示权重矩阵的主对角线上第/>个元素。

进一步的，所述获取电力网络中节点的最短路径，利用节点的最短路径和主成分的贡献率对差异性进行调节获得节点的比重系数，包括的具体方法为：

首先，利用Dijkstra算法获取电力网络中任意两个节点之间的最短路径，将最短路径对应的路径长度记为节点之间的第一连接距离；

然后，将第个节点与第/>个节点的第/>主成分之间的差异性记为第一数值，将第/>个节点的第/>主成分的贡献率记为第二数值，将第一数值和第二数值的乘积记为第/>个节点与第/>个节点在第k个主成分下的比重因子，将第/>个节点与第/>个节点在所有主成分下的比重因子平均值记为第三数值，利用第一连接距离对第三数值调节获得节点的比重系数。

进一步的，所述将贡献率和差异性的融合结果记为综合差异性，包括的具体方法为：

首先，获取第个节点的第/>个主成分与第/>个节点中对应匹配成分的平均贡献率，将所有平均贡献率进行线性归一化记为归一贡献率；将在第/>个主成分下所有节点之间的最大差异性记为第四数值，将第/>个节点与第/>个节点的第/>个主成分之间的差异性与第四数值的比值记为第一综合因子，将第/>个节点与第/>个节点在第/>个主成分下的第一综合因子，与第/>个节点的第/>个主成分在第/>个节点中对应匹配成分的归一贡献率的乘积，记为第/>个节点与第/>个节点在第/>个主成分下的第二综合因子；

然后，将第个节点与第/>个节点在所有主成分下的第二综合因子的累加值，记为第个节点与第/>个节点之间的综合差异性。

进一步的，所述利用比重系数和综合差异性对第一连接距离进行调节获得节点之间的第二连接距离，包括的具体方法为：

获取第个节点与第/>个节点之间的第二连接距离，具体计算方法为：

其中，表示第/>个节点与第/>个节点之间的第二连接距离；/>表示线性归一化函数；/>表示第/>个节点数据的比重系数；/>表示第/>个节点与第/>个节点之间的第一连接距离；/>表示所有第一连接距离的最大值；/>表示第/>个节点与第/>个节点之间的综合差异性。

进一步的，所述利用第二连接距离进行电力分配，包括的具体方法为：

首先，将第二连接距离的获取方法作为COF算法的距离度量方法，并利用COF算法获取所有节点的COF值；

然后，将COF值大于阈值的节点记为异常点，其中/>为预设的超参数；

最后，按照电力负荷数据从小到大的顺序将用电设备进行排列，将异常点对应用电设备的负载分配到电力负荷小的用电设备上，以合力分配用电设备的电力负荷。

本发明的技术方案的有益效果是：通过对节点对应电力设备的电力数据进行降维，避免了电力数据中的冗余数据对距离度量的干扰，结合得到的主成分之间的差异以及节点之间的最短路径，获得了反映节点的主成分之间距离的差异性，利用主成分的贡献率对差异性进行加权调节，获得反映节点在局部范围内与其他节点之间差异程度的比重系数，通过比重系数对节点之间的第一连接距离进行调整，获得更准确反映节点之间距离的第二连接距离，提高了在利用主成分进行距离度量时主成分的维度对主成分之间差异的影响程度，使得第二连接距离之间的差异范围扩大，提高了距离度量效果，进一步提高了对节点中的异常点的检测准确性。

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为本发明电力通信系统数据的采集分析方法的步骤流程图。

具体实施方式

为了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电力通信系统数据的采集分析方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的电力通信系统数据的采集分析方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的电力通信系统数据的采集分析方法的步骤流程图，该方法包括以下步骤：

步骤S001：获取电力数据和电力网络。

具体的，为了实现本实施例提出的电力通信系统数据的采集分析方法，首先需要采集电力通信数据，具体过程为：

首先，获取用电设备的电力负荷数据以及用电设备的运行数据，将用电设备的电力负荷数据和运行数据统称为电力数据。

然后，构建图结构，将一个用电设备作为图结构的一个节点，将用电设备之间的电路连接关系作为图结构的边，将由若干个节点构成的图结构记为电力网络，一个节点对应一个电力数据。

需要说明的是，用电设备的运行数据包括设备的CPU利用率、内存使用率以及网络流量。

需要说明的是，在获取电力数据时本实施例预设采样间隔为2s，可根据实际情况进行调整，本实施例不进行具体限定。

至此，通过上述方法得到用电设备的电力数据以及用电设备形成的电力网络。

步骤S002：对电力数据进行降维获得若干个主成分以及主成分的贡献率，根据主成分之间的相关系数获得两个节点中任意主成分对应的匹配成分。

需要说明的是，由于用电设备的电力数据为多维数据，因此需要通过对电力数据进行降维，获取电力数据中的主成分，利用主成分对传统的马氏距离进行调整，获取主成分之间的差异性；由于用电设备之间存在电力通信的连接关系，则在电力网络中用电设备对应的节点之间存在最短路径对应的路径距离，即第一连接距离，结果第一连接距离获取各节点的比重系数，根据比重系数对两点之间连接距离以及其数据的差异性进行加权平均得到两节点之间的距离度量。

需要说明的是，由于用电设备的运行数据与电力负荷数据往往存在正相关性，因此得到的电力数据存在一定的冗余，因此需要对电力数据进行降维以减少冗余数据对距离度量过程中的干扰。

具体的，首先，利用PCA算法对任意节点的电力数据进行处理，获取若干个主成分以及对应的贡献率，使得各节点的主成分在PCA算法中的累计方差贡献率均大于，其中为预设的超参数，一个节点的电力数据对应若干个主成分。

需要说明的是，根据经验预设超参数A为85％，可根据实际情况进行调整，本实施例不进行具体限定。

然后，将任意两个节点分别记为第一节点和第二节点，将第一节点的任意主成分记为第一成分，将第二节点的任意主成分记为第二成分，获取第一成分与所有第二成分的皮尔逊相关系数的最大值，当皮尔逊相关系数最大时，将对应的第二成分记为第一成分的匹配成分，获得任意两个节点中所有主成分对应的匹配成分。

至此，通过上述方法得到任意两个节点中所有主成分对应的匹配成分。

步骤S003：对主成分的协方差矩阵加权获得主成分之间的差异性，获取电力网络中节点的最短路径，利用节点的最短路径和主成分的贡献率对差异性进行调节获得节点的比重系数，利用比重系数对第一连接距离进行调节获得节点之间的第二连接距离。

需要说明的是，在得到各个节点主成分及其对应的匹配关系之后，利用匹配主成分之间的数据差异性来度量任意两个节点在该主成分下的差异，即对应两个不同节点网络设备，其流量在相同时间段内变化情况的差异性，若某一设备与多个路由器在该主成分下的数据较相似，对应着在多个维度下与多个路由设备的负载情况的差异性较小，进而可以根据数据差异性进一步获得其准确的距离度量。

具体的，步骤（1），首先，获取所有节点的任意主成分对应的协方差矩阵记为主成分的成分矩阵，将任意主成分的成分矩阵的伪逆矩阵记为逆成分矩阵。

然后，获取第个节点与第/>个节点的第/>主成分之间的差异性，具体计算方法为：

其中，表示第/>个节点与第/>个节点的第/>主成分之间的差异性；/>表示第/>个节点的第/>个主成分；/>表示第/>个节点的第/>个主成分；/>表示第/>个节点的第个主成分与第/>个节点的第/>个主成分的向量差的转置向量；/>表示所有节点第/>个主成分的逆成分矩阵；/>表示权重矩阵。

需要说明的是，本实施例获取成分矩阵的伪逆矩阵的目的在于避免协方差矩阵奇异的情况出现。

所述权重矩阵的具体构建方法为：

其中，表示权重矩阵；/>表示权重矩阵的维度；/>表示权重矩阵的主对角线上第/>个元素。

需要说明的是，一个主成分对应一个特征向量，所述权重矩阵的维度也是主成分对应特征向量的维度。

需要说明的是，差异性的获取方法通过构建的权重矩阵对马氏距离进行改进获得，在利用马氏距离作为COF算法的距离度量方法时，由于传统的马氏距离没有考虑不同维度下数据的重要性，导致对多维度数据的距离度量效果不好，即距离度量结果无法更好反映节点之间的差异，本实施例通过对不同维度下的数据赋予不同的权重系数，使得某些维度对距离度量的结果影响更大，从而增加距离度量结果之间的差异，使可以突出关键维度的作用，减少次要维度的影响，使得距离度量更加符合实际需求。

需要说明的是，仅利用两个节点之间的差异性进行距离度量，会出现部分连接距离较长的节点设备之间距离较小的情况，即若设备A与设备B之间进行电力通信最少需要跨过多个设备时，这两个节点之间的距离实际相关性较弱，为了突出各设备在其最短路径的多个设备之间数据的差异性，需要考虑各节点之间的连接关系。

步骤（2），首先，利用Dijkstra算法获取电力网络中任意两个节点之间的最短路径，将最短路径对应的路径长度记为节点之间的第一连接距离。

需要说明的是，Dijkstra算法的中文名称为狄克斯特拉算法，由于Dijkstra算法为现有算法，因此本实施例不进行赘述。

然后，获取第个节点的比重系数，具体计算方法为：

其中，表示第/>个节点的比重系数；/>表示节点的数量；/>表示第/>个节点与第个节点之间的第一连接距离；/>表示主成分的数量；/>表示第/>个节点的第/>主成分的贡献率；/>表示第/>个节点与第/>个节点的第/>主成分之间的差异性。

需要说明的是，节点之间的第一连接距离表示了对应最短路径上所经过节点数量最少的节点，在最短路径上节点之间的差异性反映了节点在局部范围内的离群特征，利用节点的贡献率对节点之间的差异性进行加权获得比重因子，利用节点之间的第一连接距离对比重因子进一步进行加权获得节点的比重系数，比重系数越大的节点，其在局部范围内与其他节点之间的差异越大。

需要说明的是，在得到各节点对应的比重系数之后，根据比重系数的大小实现各节点点之间距离的自适应的调整，若节点中存在多个负载较高的节点，此时利用传统的算法，各点的路径仅仅考虑数据的相似性距离，会出现路径在多个连接距离较大的设备中取值，进而导致最终异常得分较小，无法显示出局部的离散情况；为了放大负载较高的节点设备在最终COF中的平均连接距离的同时，保证各节点的链接路径的取值在其较小的邻域内取到，需要赋予局部差异性较大的节点其连接距离的比重更高。

最后，获取第个节点与第/>个节点之间的第二连接距离，具体计算方法为：

其中，表示第/>个节点与第/>个节点之间的第二连接距离；/>表示线性归一化函数；/>表示第/>个节点数据的比重系数；/>表示第/>个节点与第/>个节点之间的第一连接距离；/>表示所有第一连接距离的最大值；/>表示第/>个节点与第/>个节点之间的综合差异性。

所述，综合差异性的具体获取方法为：

其中，表示第/>个节点与第/>个节点之间的综合差异性；/>表示第/>个节点的第/>个主成分在第/>个节点中对应匹配成分的平均贡献率；/>表示第/>个节点与第/>个节点的第/>个主成分之间的差异性；/>表示在第/>个主成分下所有节点之间的最大差异性；/>表示主成分的数量；/>表示线性归一化函数。

需要说明的是，综合因子表示将所有主成分之间的差异性进行归一化处理，综合因子越大，节点之间的综合差异性越大。

需要说明的是，本实施例通过对节点之间的第一连接距离进行加权调整，获得节点之间的第二连接距离，由于COF算法在利用马氏距离对多维度的电力数据进行距离度量的过程中，直接对数据进行距离度量时电力数据中的冗余数据，即存在相关性的数据容易使度量的距离变小，因此通过主成分分析对电力数据进行降维，避免了冗余数据对距离度量的干扰，同时，本实施例通过对主成分之间的差异进行加权，提高了在利用主成分进行距离度量时主成分的维度对主成分之间差异的影响程度，使得获得的节点之间的第二连接距离之间的差异范围扩大，提高了距离度量效果，降低了COF算法在对多维度的电力数据进行距离度量时，距离差异过小造成异常点获取不准确的可能。

至此，通过上述方法得到节点之间的第二连接距离。

步骤S004：利用第二连接距离进行电力分配。

需要说明的是，首先，将第二连接距离的获取方法作为COF算法的距离度量方法，并利用COF算法获取所有节点的COF值。

然后，将COF值大于阈值的节点记为异常点，其中/>为预设的超参数。

需要说明的是，根据经验预设超参数为1.1，可根据实际情况进行调整，本实施例不进行具体限定。

最后，按照电力负荷数据从小到大的顺序将用电设备进行排列，将异常点对应用电设备的负载分配到电力负荷小的用电设备上，以合力分配用电设备的电力负荷。

至此，本实施例完成。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.电力通信系统数据的采集分析方法，其特征在于，该方法包括以下步骤：

获取电力数据和电力网络，电力网络中包含多个电力设备对应的节点；

对电力数据进行降维获得若干个主成分以及主成分的贡献率，根据主成分之间的相关系数获得两个节点中任意主成分对应的匹配成分；

对主成分的协方差矩阵加权获得主成分之间的差异性，获取电力网络中节点的最短路径，利用节点的最短路径和主成分的贡献率对差异性进行调节获得节点的比重系数，将贡献率和差异性的融合结果记为综合差异性，利用比重系数和综合差异性对第一连接距离进行调节获得节点之间的第二连接距离；

利用第二连接距离进行电力分配。

2.根据权利要求1所述电力通信系统数据的采集分析方法，其特征在于，所述获取电力数据和电力网络，包括的具体方法为：

首先，获取用电设备的电力负荷数据以及用电设备的运行数据，将用电设备的电力负荷数据和运行数据统称为电力数据；

然后，构建图结构，将一个用电设备作为图结构的一个节点，将用电设备之间的电路连接关系作为图结构的边，将由若干个节点构成的图结构记为电力网络，一个节点对应一个电力数据。

3.根据权利要求1所述电力通信系统数据的采集分析方法，其特征在于，所述对电力数据进行降维获得若干个主成分以及主成分的贡献率，包括的具体方法为：

利用PCA算法对任意节点的电力数据进行处理，获取若干个主成分以及对应的贡献率，使得各节点的主成分在PCA算法中的累计方差贡献率均大于，其中/>为预设的超参数，一个节点的电力数据对应若干个主成分。

4.根据权利要求1所述电力通信系统数据的采集分析方法，其特征在于，所述根据主成分之间的相关系数获得两个节点中任意主成分对应的匹配成分，包括的具体方法为：

将任意两个节点分别记为第一节点和第二节点，将第一节点的任意主成分记为第一成分，将第二节点的任意主成分记为第二成分，获取第一成分与所有第二成分的皮尔逊相关系数的最大值，当皮尔逊相关系数最大时，将对应的第二成分记为第一成分的匹配成分，获得任意两个节点中所有主成分对应的匹配成分。

5.根据权利要求1所述电力通信系统数据的采集分析方法，其特征在于，所述对主成分的协方差矩阵加权获得主成分之间的差异性，包括的具体方法为：

首先，获取所有节点的任意主成分对应的协方差矩阵记为主成分的成分矩阵，将任意主成分的成分矩阵的伪逆矩阵记为逆成分矩阵；

然后，获取第个节点与第/>个节点的第/>主成分之间的差异性，具体计算方法为：

其中，表示第/>个节点与第/>个节点的第/>主成分之间的差异性；/>表示第/>个节点的第/>个主成分；/>表示第/>个节点的第/>个主成分；/>表示第/>个节点的第/>个主成分与第/>个节点的第/>个主成分的向量差的转置向量；/>表示所有节点第/>个主成分的逆成分矩阵；/>表示权重矩阵。

6.根据权利要求5所述电力通信系统数据的采集分析方法，其特征在于，所述权重矩阵的具体获取方法为：

其中，表示权重矩阵；/>表示权重矩阵的维度；/>表示权重矩阵的主对角线上第/>个元素。

7.根据权利要求1所述电力通信系统数据的采集分析方法，其特征在于，所述获取电力网络中节点的最短路径，利用节点的最短路径和主成分的贡献率对差异性进行调节获得节点的比重系数，包括的具体方法为：

首先，利用Dijkstra算法获取电力网络中任意两个节点之间的最短路径，将最短路径对应的路径长度记为节点之间的第一连接距离；

然后，将第个节点与第/>个节点的第/>主成分之间的差异性记为第一数值，将第/>个节点的第/>主成分的贡献率记为第二数值，将第一数值和第二数值的乘积记为第/>个节点与第/>个节点在第k个主成分下的比重因子，将第/>个节点与第/>个节点在所有主成分下的比重因子平均值记为第三数值，利用第一连接距离对第三数值调节获得节点的比重系数。

8.根据权利要求1所述电力通信系统数据的采集分析方法，其特征在于，所述将贡献率和差异性的融合结果记为综合差异性，包括的具体方法为：

首先，获取第个节点的第/>个主成分与第/>个节点中对应匹配成分的平均贡献率，将所有平均贡献率进行线性归一化记为归一贡献率；将在第/>个主成分下所有节点之间的最大差异性记为第四数值，将第/>个节点与第/>个节点的第/>个主成分之间的差异性与第四数值的比值记为第一综合因子，将第/>个节点与第/>个节点在第/>个主成分下的第一综合因子，与第/>个节点的第/>个主成分在第/>个节点中对应匹配成分的归一贡献率的乘积，记为第/>个节点与第/>个节点在第/>个主成分下的第二综合因子；

然后，将第个节点与第/>个节点在所有主成分下的第二综合因子的累加值，记为第/>个节点与第/>个节点之间的综合差异性。

9.根据权利要求1所述电力通信系统数据的采集分析方法，其特征在于，所述利用比重系数和综合差异性对第一连接距离进行调节获得节点之间的第二连接距离，包括的具体方法为：

获取第个节点与第/>个节点之间的第二连接距离，具体计算方法为：

其中，表示第/>个节点与第/>个节点之间的第二连接距离；/>表示线性归一化函数；/>表示第/>个节点数据的比重系数；/>表示第/>个节点与第/>个节点之间的第一连接距离；/>表示所有第一连接距离的最大值；/>表示第/>个节点与第/>个节点之间的综合差异性。

10.根据权利要求1所述电力通信系统数据的采集分析方法，其特征在于，所述利用第二连接距离进行电力分配，包括的具体方法为：

首先，将第二连接距离的获取方法作为COF算法的距离度量方法，并利用COF算法获取所有节点的COF值；

然后，将COF值大于阈值的节点记为异常点，其中/>为预设的超参数；

最后，按照电力负荷数据从小到大的顺序将用电设备进行排列，将异常点对应用电设备的负载分配到电力负荷小的用电设备上，以合力分配用电设备的电力负荷。