基于胶囊网络的智能电网时间序列异常检测方法及系统技术方案

本公开实施例中提供了一种基于胶囊网络的智能电网时间序列异常检测方法及系统，属于数据识别技术领域，具体包括：步骤1，采集目标电网的运维数据集输入胶囊网络的特征提取层，得到所述运维数据集对应的时序特征集；步骤2，将所述时序特征集封装成含有低层特征的多个时序子胶囊，并使用squash函数压缩；步骤3，根据权重矩阵计算全部所述时序子胶囊与每个时序父胶囊的关系，然后根据动态路由协议来更新所述时序父胶囊的权重；步骤4，根据全部所述时序父胶囊生成目标胶囊并进行重构，生成检测结果。通过本公开的方案，提高了检测效率、精准度、适应性和实时性。适应性和实时性。适应性和实时性。

【技术实现步骤摘要】
基于胶囊网络的智能电网时间序列异常检测方法及系统


[0001]本公开实施例涉及数据识别
，尤其涉及一种基于胶囊网络的智能电网时间序列异常检测方法及系统。

技术介绍

[0002]目前，随着电网覆盖和应用场景的扩大，电网安全成为了至关重要的一环，当电网出现故障时，导致的机器损坏以及线上业务中断带来的经营性损失，以及，增加了电网信息运维成本，所以如何对电网故障进行及时有效的检测是目前亟需解决的问题，而现有的故障检测方法，需要对大量的样本数据进行统计，难以对高维数据进行异常值检测，且无法对不平衡数据进行精准分析。
[0003]可见，亟需一种高效精准、适应性强的基于胶囊网络的智能电网时间序列异常检测方法。

技术实现思路

[0004]有鉴于此，本公开实施例提供一种基于胶囊网络的智能电网时间序列异常检测方法及系统，至少部分解决现有技术中存在检测效率、精准度和适应性较差的问题。
[0005]第一方面，本公开实施例提供了一种基于胶囊网络的智能电网时间序列异常检测方法，包括：
[0006]步骤1，采集目标电网的运维数据集输入胶囊网络的特征提取层，得到所述运维数据集对应的时序特征集；
[0007]步骤2，将所述时序特征集封装成含有低层特征的多个时序子胶囊，并使用squash函数压缩；
[0008]步骤3，根据权重矩阵计算全部所述时序子胶囊与每个时序父胶囊的关系，然后根据动态路由协议来更新所述时序父胶囊的权重；
[0009]步骤4，根据全部所述时序父胶囊生成目标胶囊并进行重构，生成检测结果。
[0010]根据本公开实施例的一种具体实现方式，所述步骤1之前，所述方法还包括：
[0011]获取所述目标电网的历史数据；
[0012]根据所述目标电网的实际运维场景和预设知识定义多个异常模式；
[0013]分别根据每个所述异常模式向所述历史数据中注入异常数据及对应的标注，以及，基于统计判别和无监督算法挖掘所述历史数据中的疑似异常并进行标注，将标注后的数据分为训练集、验证集和测试集；
[0014]利用所述训练集、所述验证集和所述测试集迭代训练所述胶囊网络直到达到迭代停止条件。
[0015]根据本公开实施例的一种具体实现方式，所述特征提取层包括三层一维卷积神经网络。
[0016]根据本公开实施例的一种具体实现方式，所述步骤1具体包括：
[0017]将所述运维数据输入所述特征提取层，通过窗口滑动进行一维卷积，并通过线性激活得到所述时序特征集。
[0018]根据本公开实施例的一种具体实现方式，所述步骤2具体包括：
[0019]根据所述时序特征集中不同位置的特征向量进行封装，得到多个所述时序子胶囊，其中，所述特征向量包括特征的位置、大小和方向；
[0020]使用squash函数压缩每个所述时序子胶囊。
[0021]根据本公开实施例的一种具体实现方式，所述步骤3包括：
[0022]对每个所述时间序列子胶囊对在一段时间内提取的特征进行编码，并对每个所述时序父胶囊进行预测，生成预测向量；
[0023]根据所述预测向量和所述动态路由协议将所述时序子胶囊中提取的特征可以发送到与预测最一致的时序父胶囊中，并更新所述时序父胶囊的权重。
[0024]第二方面，本公开实施例提供了一种基于胶囊网络的智能电网时间序列异常检测系统，包括：
[0025]采集模块，用于采集目标电网的运维数据集输入胶囊网络的特征提取层，得到所述运维数据集对应的时序特征集；
[0026]封装模块，用于将所述时序特征集封装成含有低层特征的多个时序子胶囊，并使用squash函数压缩；
[0027]计算模块，用于根据权重矩阵计算全部所述时序子胶囊与每个时序父胶囊的关系，然后根据动态路由协议来更新所述时序父胶囊的权重；
[0028]检测模块，用于根据全部所述时序父胶囊生成目标胶囊并进行重构，生成检测结果。
[0029]本公开实施例中的基于胶囊网络的智能电网时间序列异常检测方案，包括：步骤1，采集目标电网的运维数据集输入胶囊网络的特征提取层，得到所述运维数据集对应的时序特征集；步骤2，将所述时序特征集封装成含有低层特征的多个时序子胶囊，并使用squash函数压缩；步骤3，根据权重矩阵计算全部所述时序子胶囊与每个时序父胶囊的关系，然后根据动态路由协议来更新所述时序父胶囊的权重；步骤4，根据全部所述时序父胶囊生成目标胶囊并进行重构，生成检测结果。
[0030]本公开实施例的有益效果为：通过本公开的方案，基于胶囊网络来处理电网运维数据的异常检测问题，该模型将卷积结构与胶囊网络叠加起来以分层提取运维监控时间序列的特征，并结合标量和矢量计算来处理时间序列数据，提高了检测效率、精准度、适应性和实时性。
附图说明
[0031]为了更清楚地说明本公开实施例的技术方案，下面将对实施例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公开的一些实施例，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它的附图。
[0032]图1为本公开实施例提供的一种基于胶囊网络的智能电网时间序列异常检测方法的流程示意图；
[0033]图2为本公开实施例提供的一种无监督算法检测疑似异常的流程示意图；
[0034]图3为本公开实施例提供的一种标注基于统计判别和无监督算法挖掘疑似异常的流程示意图；
[0035]图4为本公开实施例提供的一种NNCapsNet在测试集上各标签的分类结果图；
[0036]图5为本公开实施例提供的一种NNCapsNet在测试集上各标签的ROC曲线图；
[0037]图6为本公开实施例提供的一种NNCapsNet的五折交叉验证折线图；
[0038]图7为本公开实施例提供的一种不同特征提取层的性能比较图；
[0039]图8为本公开实施例提供的一种NNCapsNet与其它四种方法的性能比较图；
[0040]图9为本公开实施例提供的一种基于胶囊网络的智能电网时间序列异常检测系统的结构示意图。
具体实施方式
[0041]下面结合附图对本公开实施例进行详细描述。
[0042]以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，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，都属于本公开保护的范围。
[0043]需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于胶囊网络的智能电网时间序列异常检测方法，其特征在于，包括：步骤1，采集目标电网的运维数据集输入胶囊网络的特征提取层，得到所述运维数据集对应的时序特征集；步骤2，将所述时序特征集封装成含有低层特征的多个时序子胶囊，并使用squash函数压缩；步骤3，根据权重矩阵计算全部所述时序子胶囊与每个时序父胶囊的关系，然后根据动态路由协议来更新所述时序父胶囊的权重；步骤4，根据全部所述时序父胶囊生成目标胶囊并进行重构，生成检测结果。2.根据权利要求1所述的方法，其特征在于,所述步骤1之前，所述方法还包括：获取所述目标电网的历史数据；根据所述目标电网的实际运维场景和预设知识定义多个异常模式；分别根据每个所述异常模式向所述历史数据中注入异常数据及对应的标注，以及，基于统计判别和无监督算法挖掘所述历史数据中的疑似异常并进行标注，将标注后的数据分为训练集、验证集和测试集；利用所述训练集、所述验证集和所述测试集迭代训练所述胶囊网络直到达到迭代停止条件。3.根据权利要求1所述的方法，其特征在于,所述特征提取层包括三层一维卷积神经网络。4.根据权利要求1所述的方法，其特征在于,所述步骤1具体包括：将所述运维数据输入所述特征提取层，通过窗口...

【专利技术属性】
技术研发人员：王堃，徐悦，陈志刚，张立中，郑晨，谭源，
申请(专利权)人：国网宁夏电力有限公司信息通信公司，
类型：发明
国别省市：