异常状态检测方法技术

本发明专利技术涉及一种异常状态检测方法，包括：获取电子设备的状态数据；将状态数据等分为多个序列并进行序列异常度运算，获取异常序列的个数；对状态数据进行聚类运算，并获取多个簇；计算状态数据中的数据点与所有簇的交集为空集的个数的和值，所述和值大于第一预设值，且异常序列的个数大于第二预设值时，判定状态数据异常；向监控设备发送状态异常响应。上述异常状态检测方法，通过对多个序列的相似度运算，获取异常序列的个数；对当前状态数据进行聚类运算以形成多个簇。只有当前状态数据与所有簇交集为空集的数据点个数以及异常序列的个数均达到一定的数量，确定当前组的状态数据存在异常，便于提前确定异常状态，从而便于提供早期预警。

Abnormal State Detection Method

The invention relates to an abnormal state detection method, which includes: acquiring the state data of electronic equipment; dividing the state data into several sequences and performing abnormal degree operation to obtain the number of abnormal sequences; clustering operation to the state data and acquiring multiple clusters; calculating the number and value of the intersection of data points and all clusters as empty sets in the state data, and the sum value is large. When the first preset value and the number of abnormal sequence is larger than the second preset value, the abnormal state data is determined and the abnormal state response is sent to the monitoring equipment. Above-mentioned anomaly detection method obtains the number of anomaly sequences by calculating the similarity of multiple sequences, and clusters the current state data to form multiple clusters. Only the number of data points intersecting with all clusters and the number of anomalous sequences can reach a certain number. It is easy to determine the anomalous status of the current group in advance and provide early warning.

【技术实现步骤摘要】
异常状态检测方法
本专利技术涉及电网安全
，特别是涉及一种异常状态检测方法。
技术介绍
电力设备健康运行是电网安全运行的基础，对于电力设备的检测成为其安全运行的必要条件，传统的电力设备状态异常的检测采用阈值法。但是，由于电力设备类型、运行工况和运行环境具有多样性，使得电力设备的各项参数随着时间的变化而变化，固定的阈值检测判断方法无法保证对不同类型、不同地区设备的普遍适用性，无法满足对电网安全运行的高要求。尤其是当电力设备状态由于绝缘老化等原因发生异常时，若设备状态数据变化还没能超过规定阈值，可能会导致检测结果严重滞后，无法提前检测出异常状态，使得无法为电力设备提供早期预警。
技术实现思路
基于此，有必要提供一种步骤简单且快速检测出状态数据中存在异常的异常状态检测方法。一种异常状态检测方法，包括：获取电子设备的状态数据；将状态数据等分为多个序列并进行序列异常度运算，获取异常序列的个数；对状态数据进行聚类运算，并获取多个簇；计算状态数据中的数据点与所有簇的交集为空集的个数的和值，当所述和值大于第一预设值，且异常序列的个数大于第二预设值时，状态数据异常；向监控设备发送状态异常响应。在其中一个实施例中，所述第一预设值包括状态数据中数据点个数的占比值。在其中一个实施例中，所述占比值为50％～90％。在其中一个实施例中，所述占比值为80％。在其中一个实施例中，所述第二预设值包括状态数据中异常序列与所有序列的比值。在其中一个实施例中，所述状态数据中异常序列与所有序列的比值为0.3：1～0.5：1。在其中一个实施例中，所述状态数据中异常序列与所有序列的比值为0.4：1。在其中一个实施例中，所述对一组状态数据进行序列异常度运算，并获取异常序列的个数包括：选取其中一序列与其他各序列进行相似度运算，并获取最大相似度；根据最大相似度进行序列异常度运算，获取当前序列的异常度；当序列的异常度大于第三预设值时，异常序列的个数加1。在其中一个实施例中，所述第三预设值为0.4～0.6。在其中一个实施例中，所述第三预设值为0.5。上述异常状态检测方法，对当前状态数据进行等分处理，形成多个序列，通过对多个序列的相似度运算，获取异常序列的个数；对当前状态数据进行聚类运算以形成多个簇。只有当前状态数据与所有簇交集为空集的数据点个数以及异常序列的个数均达到一定的数量，即可确定当前组的状态数据存在异常，便于提前确定电子设备的异常状态，从而便于提供早期预警。附图说明图1为一实施例的异常状态检测方法的流程图；图2为另一实施例的异常状态检测方法的流程图。具体实施方式为了便于理解本专利技术，下面将参照相关附图对本专利技术进行更全面的描述。附图中给出了本专利技术的较佳实施方式。但是，本专利技术可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本专利技术的公开内容理解的更加透彻全面。需要说明的是，当元件被称为“设置于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。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专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本专利技术。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。本专利技术涉及一种异常状态检测方法。例如，所述异常状态检测方法包括：将一组状态数据等分为多个序列并进行序列异常度运算，获取异常序列的个数；对状态数据进行聚类运算，并获取多个簇；计算状态数据中的数据点与所有簇的交集为空集的个数的和值，当所述和值大于第一预设值，且异常序列的个数大于第二预设值时，判定状态数据异常。上述异常状态检测方法，对当前状态数据进行等分处理，形成多个序列，通过对多个序列的相似度运算，获取异常序列的个数；对当前状态数据进行聚类运算以形成多个簇。只有当前状态数据与所有簇交集为空集的数据点个数以及异常序列的个数均达到一定的数量，即可确定当前组的状态数据存在异常，便于提前确定电子设备异常状态，从而便于提供早期预警。请参阅图1，其为本专利技术一实施例的异常状态检测方法的流程图。在其中一个实施例中，一种异常状态检测方法，包括如下步骤的部分或全部。S100：获取电子设备的状态数据。电子设备的状态数据包括电子设备的多个时刻的状态数据，其中，状态数据又包括电子设备的多种状态，例如，状态数据包括电子设备的工作电流；又如，状态数据包括电子设备的电压；又如，状态数据包括电子设备的液态压力。通过获取不同时间的多种状态，以便于获取多个时刻的状态，避免了时间跨度较短造成的不准确，同时也避免了电子设备的状态数据过于单一，从而使得电子设备的状态数据不仅在时间上有较大跨度，而且在状态数据的组成元素上多元化，便于更加准确地提前判定电子设备的异常。S200：将状态数据等分为多个序列并进行序列异常度运算，获取异常序列的个数。所述状态数据为包括当前电子设备的状态数据，即所述状态数据为包括电子设备的最新运行状态数据，也即所述状态数据包括电子设备当前运行状态数据以及在此之前的电子设备运行状态数据，使得所述状态数据不仅包括电子设备的最新运行状态数据，还包括电子设备以前的运行状态数据。对所述状态数据的等分，即对所述状态数据进行等时间划分，使得每一个序列中包括数量相等的状态数据，而且，其中有一序列的状态数据为电子设备最近一段时间内的运行状态数据。这样，使得每一序列的状态数据为多个时刻的状态数据，且上述多个时刻具有时间先后顺序。对于上述对个等分的序列，采用区间集理论形成连续区间，即每一序列对应有一连续区间，之后在对获取的连续区间进行异常度运算，从而判断每一连续区间与其他各连续区间的异常程度，即判断每一序列与其他各序列之间的异常程度，最后将其中的异常序列的个数进行统计，以便于后续对整个一组状态数据是否异常的判断，即异常序列的个数影响当前组的状态数据的异常情况。在本实施例中，采用区间集理论求取异常序列个数，具体包括如下步骤，请一并参阅图1以及图2。S210：选取一序列与其他各序列进行相似度运算，并获取最大相似度；S220：根据最大相似度计算对应的异常度；S230：当序列的异常度大于第三预设值时，异常序列的个数加1。在上述步骤中，选取的序列为依次选取，使得每一个序列对应获取一个异常度，当最后一个序列计算完异常度之后，统计异常序列的个数，作为后续判断所述状态数据异常的一个条件。在本实施例中，所述状态数据包括多个数据点，使得所述状态数据有多个离散数据点组成，其中，状态数据构造多个序列即为状态数据的子数据集，同时使得多个序列为包括多个离散数据点的子数据集，例如，将所述状态数据记为X(n)＝{x1，x2，…，xn}，xk∈R，其中，x1，x2，…，xn均为所述状态数据中的离散数据点，且x1，x2，…，xn中相邻两个数据点所对应的时间节点的时间间隔相等，即x1，x2，…，xn对应的时间节点依次排序，也即x1，x2，…，xn按照时间间隔依次排序。这样本文档来自技高网...

【技术保护点】
1.一种异常状态检测方法，其特征在于，包括：获取电子设备的状态数据；将状态数据等分为多个序列并进行序列异常度运算，获取异常序列的个数；对状态数据进行聚类运算，并获取多个簇；计算状态数据中的数据点与所有簇的交集为空集的个数的和值，当所述和值大于第一预设值，且异常序列的个数大于第二预设值时，状态数据异常；向监控设备发送状态异常响应。

【技术特征摘要】
1.一种异常状态检测方法，其特征在于，包括：获取电子设备的状态数据；将状态数据等分为多个序列并进行序列异常度运算，获取异常序列的个数；对状态数据进行聚类运算，并获取多个簇；计算状态数据中的数据点与所有簇的交集为空集的个数的和值，当所述和值大于第一预设值，且异常序列的个数大于第二预设值时，状态数据异常；向监控设备发送状态异常响应。2.根据权利要求1所述异常状态检测方法，其特征在于，所述第一预设值包括状态数据中数据点个数的占比值。3.根据权利要求2所述异常状态检测方法，其特征在于，所述占比值为50％～90％。4.根据权利要求3所述异常状态检测方法，其特征在于，所述占比值为80％。5.根据权利要求1所述异常状态检测方法，其特征在于，所述第二预设值包括状态数据中异常序列与所有序列的比值。...

【专利技术属性】
技术研发人员：黄雪莜，马捷然，熊俊，梁中熙，冯斌，沈超，张宇，郑佳滨，马书恒，郝方舟，雷超平，吴铮，
申请(专利权)人：广州供电局有限公司，
类型：发明
国别省市：广东,44