一种面向电网时空数据的异常检测优化方法技术

本发明专利技术提供一种面向电网时空数据的异常检测优化方法，所述方法包括如下步骤：(1)将配电设备按空间位置进行网格划分，对所有网格中采集设备的配电功率曲线再按时间进行统一划分，为每个划分中的配电平均功率定义一个高斯分布；(2)建立零假设和对立假设；(3)估计参数，根据最大似然估计方法估计零假设和对立假设中检验参数TP的取值；(4)剪枝优化；(5)计算三维时空数据的似然比值，比值越高，代表该区域异常越明显；(6)采用堆排序算法输出前K个异常区域，根据卡方分布结合置信水平获取异常阈值。本发明专利技术以对配电网监测数据进行分类，以提高针对于配电网的故障检测技术，高效处理外界因素对电力调度的干扰。

【技术实现步骤摘要】

本专利技术涉及一种检测优化方法，具体涉及一种面向电网时空数据的异常检测优化 方法。
技术介绍
随着电力系统向智能电网的转化，配电网的信息化进程不断加快，电力系统拥有 着一个庞大的监测数据集，这些监测数据不仅反映着各个电网设备的运行状态，还在配电 网的决策支持、规划方面起着重要作用。由于监测设备软硬件体系结构的复杂性、外界确定 或不确定因素的干扰，监测数据往往存在异常。因此，需要提高针对配电网的故障检测技术 的水平，以合理安排供电，高效处理外界因素对电力调度的干扰。 对于配电网故障的研究，首先要确定故障波及的范围和持续的时间，现有的基于 统计的异常检测方法，存在三方面的弊端，以致不能直接用于当前电网时空数据中。1)大 部分基于统计的异常检测方法都是基于纯粹的空间检索，没有考虑时间维度；2)大多数 现有的空间/时空数据异常检测只能用于固定的统计模型，例如常用的sss(Spatial and space-time scan statistic)空间和时空扫描模型，该模型的缺点是只能检测出显著增大 的区域，并且用户不能根据实际数据自定义数据的分布模型；3)现有的基于统计的异常检 测方法在处理高维大规模数据集时，程序的时间、空间代价依然很高，效率底下，因此需要 提供一种能处理海量时空数据的基于统计模型的通用型异常检测方法。
技术实现思路
为了克服上述现有技术的不足，本专利技术提供一种面向电网时空数据的异常检测优 化方法，本专利技术以对配电网监测数据进行分类，以提高针对于配电网的故障检测技术，高效 处理外界因素对电力调度的干扰。 为了实现上述专利技术目的，本专利技术采取如下技术方案： -种面向电网时空数据的异常检测优化方法，所述方法包括如下步骤： (1)将配电设备按空间位置进行网格划分，对所有网格中采集设备的配电功率曲 线再按时间进行统一划分，为每个划分中的配电平均功率定义一个高斯分布； (2)建立零假设和对立假设； (3)估计参数，根据最大似然估计方法估计零假设和对立假设中检验参数TP的取 值； (4)剪枝优化； (5)计算三维时空数据的似然比值，比值越高，代表所述配电设备采集数据所形成 的区域异常越明显； (6)采用堆排序算法输出前K个异常区域，根据卡方分布结合置信水平获取异常 阈值。 优选的，所述步骤（1)中，所述高斯分布由均值和方差参数确定，假定每个划分中 的配电平均功率服从均值和方差参数不变的高斯分布。 优选的，所述步骤（2)中，所述零假设用来表示某个网格的配电数据由参数与其 邻 近网格的配电数据所属的高斯分布相似的高斯分布产生，即在时间和空间上没有 异 常；所述对立假设表示某个网格的配电数据由参数与其邻近网格的配电数据所属 的 高斯分布显著不同的高斯分布产生，即在时间或空间上有异常。 优选的，所述步骤（3)中，包括如下步骤： 步骤3-1、将nXnXt的设备采集数据的三维时空网格沿时间轴切片成t个ηΧη 二维空间网格； 步骤3-2、对每一个特定时刻的设备采集数据的所述二维空间网格采用动态规划 方法进行统计网格中的配电平均功率； 步骤3-3、累计得到三维时空中的统计网格中的配电平均功率； 步骤3-4、根据最大似然估计方法，利用所述三维时空中的统计网格中的配电平均 功率，进行零假设和全假设下的最大似然估计。 优选的，所述步骤3-2中，包括如下步骤： 步骤3-2-1、根据摩根定律，矩阵R的统计汇总量通过矩阵ABCR，AB，AC和Α的统 计汇总量获得； 步骤3-2-2、设立二维数组p来保存矩阵的统计汇总量，p表示左上角是 (1，1)，下标从1开始，右下角是（i，j)的矩阵的统计汇总量； 步骤3-2-3、p 的值可通过动态规划方法来取得： 步骤3-2-3、计算所述矩阵R，公式如下： 优选的，所述步骤3-4中，利用所述最大似然估计方法进行零假设的最大似然估 计， 公式如下： Θ G= MLE 〇 (s_G) 式中，Θ ^为时空区域G的分布家族的参数向量，s_G时空区域G中统计变量X_G 的汇总数据，MLE。为利用最大似然估计法得到任意时空区域G的统计模型在零假设Η。中参 数估计的函数； 利用所述最大似然估计方法进行全假设的最大似然估计，公式如下： 式中，Θ R为时空区域R分布家族的参数向量，％为时空区域R外部区域的分布家 族的参数向量，s_R为时空区域R中统计变量X_R的汇总数据，MLE为利用最大似然估计法 得到任意时空区域R的统计模型在对立假设Hi中参数估计的函数，所述全假设包含零假设 H。和对立假设H1<3 优选的，所述步骤（4)中，包括如下步骤： 步骤4-1、在三维时空数据中进行剪枝策略； 步骤4-2、进行分层的剪枝优化方法，包括基于分层的剪枝预计算方法、上界搜索 算法； 步骤4-3、进行分块的剪枝优化方法，包括基于分块的剪枝预计算方法、上界搜索 方法。 优选的，所述步骤4-1中，所述剪枝策略为所述矩阵R在全假设下的似然值，都被 构成所述矩阵R的子区域在零假设下的似然值之积上界定，即 其中，L ( Θ R | XR)为矩阵R的似然值，XR为时空区域R的数据样本，为时空区域 R = Ri U Rj的数据样本，其中Ri和Rj是空间上互不覆盖的两个时空区域，空间维度t = tl U t2 U t3 U ...，时间维度t = tl U t2 U t3 U . . .，是零假设下的参数估计。 优选的，所述步骤4-2中，所述分层的剪枝优化包括对区域R以及区域R的补区域 R 进行分层剪枝优化，所述区域R的分层剪枝优化包括如下步骤： 步骤4-2-1、将一个设备采集数据的三维时空网格nXnXt，从时间轴分层切片， 变成t个ηΧη二维空间网格； 步骤4-2-2、对于任意一个特定时刻的设备采集数据的所述二维空间网格，递归地 将其中的任意相邻的列从水平方向划分成两个相等大小的子矩阵； 步骤4-2-3、对于每一个所述子矩阵，预计算所述子矩阵零假设下的似然函数； 步骤4-2-4、查询搜索所述三维时空网格中任何一个区域的似然值上界； 所述区域R的补区域R的分层剪枝优化包括如下步骤： a、将n*n*t的3D-grid从采集数据的时间轴切分成t个η*η的空间2D-grids，所 述R包括与采集空间不相交的时间分层和与采集空间时间相交的时间分层； b、所述与采集空间不相交的时间分层包括上半部分疋，z = U…，zl和下半部分 瓦，ζ = 1..·.α_2,使用整个n*n的2D-grid的似然值，所述与采集空间时间相交的时间 分层并行地采取射线法进行划分和预计算，把含有空洞的分层划分成四个方向的矩阵： /?, , R-y , R, , /?4 ,z = zl,.,.,z2 ? c、设定三维时空区域R(xl，yl，zl，x2, y2, ζ2)的补区域署的似然值上界定公式 为： Θ和θ'都为所处理的电网收集数据的时空区域上的参数，与前面的含义相同，X 为样本。 优选的，所述步骤4-2-4中，包括如下步骤： 步骤4-2-4-1、将待检测的三维时空网格，从时间轴分层切片，变成t个矩阵A ; 步骤4-2-4_2、对于每一个所述矩阵A，令y方向下界low、上界high分别为三维网 格在y轴的上界、下界，递归地利用二分搜索法进行上界限定；本文档来自技高网...

【技术保护点】
一种面向电网时空数据的异常检测优化方法，其特征在于，所述方法包括如下步骤：(1)将配电设备按空间位置进行网格划分，对所有网格中采集设备的配电功率曲线再按时间进行统一划分，为每个划分中的配电平均功率定义一个高斯分布；(2)建立零假设和对立假设；(3)估计参数，根据最大似然估计方法估计零假设和对立假设中检验参数TP的取值；(4)剪枝优化；(5)计算三维时空数据的似然比值，比值越高，代表所述配电设备采集数据所形成的区域异常越明显；(6)采用堆排序算法输出前K个异常区域，根据卡方分布结合置信水平获取异常阈值。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘科研，刁赢龙，孟晓丽，盛万兴，贾东梨，胡丽娟，何开元，叶学顺，蔡春丽，张孝，
申请(专利权)人：中国电力科学研究院，国家电网公司，国网北京市电力公司，
类型：发明
国别省市：北京;11