减少配电终端误告警的多源异构安全监测数据聚合方法技术

本发明专利技术提供一种减少配电终端误告警的多源异构安全监测数据聚合方法，通过构建异构特征的映射神经网络，屏蔽配电终端安全监测数据的异构性；加入权重参数，衡量配电终端多源安全监测数据的贡献程度与类别影响；利用对抗性领域自适应网络模型，对配电终端安全监测数据进行有效的分类聚合。该方法具有分类准确率高、训练容易、收敛效果稳定的优点，本发明专利技术方法能够识别并预测多源异构安全监测数据的类型，从而减少配电终端误告警概率，实现对整个智能配电网安全态势的有效监控。配电网安全态势的有效监控。配电网安全态势的有效监控。

【技术实现步骤摘要】
减少配电终端误告警的多源异构安全监测数据聚合方法


[0001]本专利技术涉及配电终端的数据监测领域，具体是涉及减少配电终端误告警的多源异构安全监测数据聚合方法。

技术介绍

[0002]随着传感器节点的大量部署，智能配电网中产生了海量的安全监测数据。由于安全监测节点、安全设备监测技术的不同导致了智能配电网安全监测数据呈现出多源异构的特点，大量冗余信息使得配电终端难以识别多源异构数据的类型，易发生误告警的问题。数据聚合技术可以对海量数据进行有效聚合，减少冗余信息，以实现配电终端对聚合数据的安全状态评估。
[0003]传统的数据聚合方法主要有基于本体的多源异构数据聚合方法、基于同态加密或差分隐私的隐私保护数据聚合方法、基于统计学的数据聚合方法等。传统的数据聚合方法存在以下问题：首先，不能挖掘数据的深度特征，精确性不足；其次，过于依赖领域专家的知识，泛化性不足；最后，对特定数据存在过拟合问题，鲁棒性不足。
[0004]对上述问题，有研究是引入领域自适应方法来解决，但传统的领域自适应方法局限于单一源域且数据特征一致的场景，然而在现实场景中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.减少配电终端误告警的多源异构安全监测数据聚合方法，其特征在于，所述方法的步骤为：S1、构建异构特征的映射神经网络；S2、构建对抗性领域自适应网络模型：将所述映射神经网络作为特征提取器输出特征，领域判别器分为全局领域判别器及局部领域判别器，将输出特征分别传入全局领域判别器及局部领域判别器，以分别对齐边缘概率分布和条件概率分布，最后将特征提取器输出的特征传入标签分类器进行训练，得到标签输出；S3、设计权重参数，将类级权重加权到局部领域判别器，并将域间权重加权到标签分类器和领域判别器，最后综合各个部分的损失函数，得到最终的目标函数。2.根据权利要求1所述的减少配电终端误告警的多源异构安全监测数据聚合方法，其特征在于，S1中，所述映射神经网络由两层映射组合而成，首先将多个源域中标签已知的数据样本和目标域中标签未知的数据样本分别用对应的第一层映射函数对源域和目标域的特定特征建模，以屏蔽数据的异构性；然后分别用对应的第二层映射函数对源域和目标域间的联系建模，将源域和目标域映射到共享的特征子空间。3.根据权利要求2所述的减少配电终端误告警的多源异构安全监测数据聚合方法，其特征在于，S1中，构建异构特征的映射神经网络的具体步骤为：S11、获取已知个数据领域为源域，第个源域表示为，源域中包含个含标签的样本，未知数据领域为目标域，目标域中包含个含标签或不含标签的样本；S12、分别将输入的个源域的个样本以及目标域的个样本通过个双层组合映射神经网络与映射到共享的维子空间，其中，和分别是源域的映射神经网络和目标域的映射神经网络，和分别是源域和目标域的特征空间，是源域和目标域映射到的共享子空间。4.根据权利要求3所述的减少配电终端误告警的多源异构安全监测数据聚合方法，其特征在于，S2中，构建对抗性领域自适应网络模型的具体步骤为：S21、将异构特征映射神经网络作为对抗性领域适应网络模型...

【专利技术属性】
技术研发人员：张腾飞，湛杰，马福民，刘建，于洋，蔡子贇，刘明祥，吴巨爱，蔡月明，邹花蕾，徐俊俊，朱三立，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：