一种基于可见图的配电网传感器数据异常快速定位方法技术

本发明专利技术公开了一种基于可见图的配电网传感器数据异常快速定位方法包括：利用传感器收集数据，并进行数据准备和数据预处理；对预处理后的数据进行图建模；利用图神经网络模型对所述图建模进行训练；利用训练好的模型对新的传感器数据进行异常检测；对监测出的数据进行后处理。本发明专利技术提供的基于可见图的配电网传感器数据异常快速定位方法在实践中，与传统的异常检测方法相比，使用本发明专利技术所述的基于可见图的配电网传感器数据异常快速定位方法具有更高的精度和更低的误报率，通过适当的调整和优化，针对不同类型的传感器数据进行定制化处理，以获得更好的检测效果。以获得更好的检测效果。以获得更好的检测效果。

【技术实现步骤摘要】
一种基于可见图的配电网传感器数据异常快速定位方法


[0001]本专利技术涉及电力系统
，具体为一种基于可见图的配电网传感器数据异常快速定位方法。

技术介绍

[0002]配电网作为连接输电网与电力用户的纽带，是电网中能量转换和传输的核心之一。近年来，随着设备制造工艺的提升以及状态评价和状态检修技术的推广，配电网的运行可靠性有了大幅提升。然而，由于设备数量众多且分布广阔，以及设备运行中受部件质量缺陷、绝缘老化、异常运行工况等因素的影响，配网故障仍时有发生，且往往导致严重后果。现阶段，如何进一步配电网传感器数据异常的发现识别水平是亟待解决的问题。
[0003]现有的配网数据异常检测算法更多的是针对离群点的异常检测，这些算法能够有效地检测出离群点，而配电网传感器数据在实际的运行过程中所表现出的更多是模式异常，因此这些算法对于配电网传感器数据往往无法达到理想的效果。使用现有主流针对离群点的异常检测方法去检测配电网传感器数据，会存在效率低下的问题，并且根据单点的离群情况很难判断整个传感数据的整体异常情况。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0005]鉴于上述存在的问题，提出了本专利技术。
[0006]因此，本专利技术解决的技术问题是：传统的异常检测方法无法满足实践中的精度要求和低误报率。
[0007]为解决上述技术问题，本专利技术提供如下技术方案：一种基于可见图的配电网传感器数据异常快速定位方法，包括：利用传感器收集数据，并进行数据准备和数据预处理；对预处理后的数据进行图建模；利用图神经网络模型对所述图建模进行训练；利用训练好的模型对新的传感器数据进行异常检测；对监测出的数据进行后处理；所述数据准备包括，将传感器收集的数据按照时间顺序排序，形成时间序列数据；所述数据预处理包括，对所述时间序列数据进行预处理，补充缺失值，并按照时间窗口的大小对数据进行切分；所述图建模包括，将预处理后的所述时间序列数据建模为一个图，其中每个时间点作为一个节点，并通过时间序列的可视图转化进行图建模；所述进行训练包括：利用图神经网络模型对建模后的图进行训练，以学习传感器数据的复杂规律和关系，在训练过程中，采用监督学习的方法，利用已知正常数据进行训
练，并通过监督学习的方式来调整模型参数；所述异常检测，具体包括：对输入图进行节点嵌入学习，得到每个节点的嵌入表示；根据节点嵌入对图进行分区，使用分配矩阵将其划分为不同的子群；对每个子群递归地执行相同的过程，直到每个子群仅包含单个节点；在每个子群的嵌入被聚合成一个单独的嵌入，用于表示整个子群；生成一组更小的子图，其中每个子图都由一个聚合嵌入和它所包含的节点集合组成；再使用ResNet进行异常数据与非异常数据分类。
[0008]作为本专利技术所述的基于可见图的配电网传感器数据异常快速定位方法的一种优选方案，其中：当用户进行节点嵌入学习时：若能得到有效的嵌入表示，则提供相应的界面，查看和分析结果，根据特定的需求来筛选、过滤和排序嵌入结果；若不能得到有效的嵌入表示，则给出相应的错误提示并指导用户如何改善输入数据；当用户进行图分区操作时：若能够自动计算最佳的分区方式，则将其作为默认选项，同时，提供手动设置分区参数的选项，对不同分区方案进行比较，并根据评估指标得出推荐方案；若不能成功地对图进行分区，则给出相应的错误提示，并指导用户检查输入数据和分区参数是否正确；当用户进行子图生成操作时：若能够对聚合嵌入进行可视化，则提供相应的界面，查看每个子图的嵌入表示，并对其进行调整，自定义聚合方式和参数；若不能生成有效的子图，则给出相应的错误提示，并指导用户检查输入数据和聚合参数是否正确；当用户使用ResNet进行分类时：若能够成功分类，则提供相应的界面，进行设置和监控训练过程，支持用户自定义损失函数、优化器和学习率，以满足不同的需求；若不能成功地进行分类，则给出相应的错误提示，并指导用户检查输入数据和参数设置是否正确；若分类依然失败，则进一步调整模型架构、增加数据量或进行数据增强。
[0009]作为本专利技术所述的基于可见图的配电网传感器数据异常快速定位方法的一种优选方案，其中：将图神经网络模型第层的学习集群分配矩阵表示为，的每一行对应于第层的个节点之一，的每一列对应于下一层的个节点之一，表示节点范围的实数空间；将这一层的输入邻接矩阵表示为，将这一层的输入节点嵌入矩阵表示为；给定输入，的输出表示为
，粗化输入图，生成新的粗化邻接矩阵和新的嵌入矩阵： ；使用独立的 ResNet 生成，以获取系统状态是否异常，其中softmax 函数以逐行方式应用，表示的转置矩阵，表示节点嵌入矩阵的维数， 表示节点范围的实数空间； ；其中表示粗化邻接矩阵，嵌入矩阵。
[0010]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如上所述的方法的步骤。
[0011]一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的方法的步骤。
[0012]本专利技术的有益效果：使用本专利技术所述的基于可见图的配电网传感器数据异常快速定位方法，可以在保持原始数据结构的情况下，有效地捕捉传感器之间的复杂关系。相比于传统的异常检测方法，本方法可以从传感器之间的相互作用中提取更多的信息，以更准确地检测异常。在实践中，与传统的异常检测方法相比，使用本专利技术所述的基于可见图的配电网传感器数据异常快速定位方法具有更高的精度和更低的误报率。此外，本方法还可以通过适当的调整和优化，针对不同类型的传感器数据进行定制化处理，以获得更好的检测效果，特别是在处理高维度、复杂的传感器数据时，其技术效果更为明显。
附图说明
[0013]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：图1为本专利技术第一个实施例提供的一种基于可见图的配电网传感器数据异常快速定位方法的整体流程图；图2为本专利技术第一个实施例提供的一种基于可见图的配电网传感器数据异常快速定位方法中时间序列的可视图转化；图3为本专利技术第一个实施例提供的一种基于可见图的配电网传感器数据异常快速定位方法的节点连接图；图4为本专利技术第一个实施例提供的一种基于可见图的配电网传感器数据异常快速定位方法的基于图神经网络的异常识别模型图；图5为本专利技术第二个实施例提供的一种基于可见图的配电网传感器数据异常快速
定位方法的数据集规划图。
具体实施方式
[0014]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本专利技术的具体实施方式做详细的说明，显然所描述的实施例是本专利技术的一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于可见图的配电网传感器数据异常快速定位方法，其特征在于，包括：利用传感器收集数据，并进行数据准备和数据预处理；对预处理后的数据进行图建模；利用图神经网络模型对所述图建模进行训练；利用训练好的模型对新的传感器数据进行异常检测；对检测出的异常数据进行后处理；所述数据准备包括，将传感器收集的数据按照时间顺序排序，形成时间序列数据；所述数据预处理包括，对所述时间序列数据进行预处理，补充缺失值，并按照时间窗口的大小对数据进行切分；所述图建模包括，将预处理后的所述时间序列数据建模为一个图，其中每个时间点作为一个节点，并通过时间序列的可视图转化进行图建模；所述进行训练包括，利用图神经网络模型对建模后的图进行训练，以学习传感器数据的复杂规律和关系，在训练过程中，采用监督学习的方法，利用已知正常数据进行训练，并通过监督学习的方式来调整模型参数；所述异常检测，具体包括：对输入图进行节点嵌入学习，得到每个节点的嵌入表示；根据节点嵌入对图进行分区，使用分配矩阵将其划分为不同的子群；对每个子群递归地执行相同的过程，直到每个子群仅包含单个节点；在每个子群的嵌入被聚合成一个单独的嵌入，用于表示整个子群；生成一组更小的子图，其中每个子图都由一个聚合嵌入和它所包含的节点集合组成；再使用ResNet进行异常数据与非异常数据分类。2.如权利要求1所述的基于可见图的配电网传感器数据异常快速定位方法，其特征在于：具体包括：当用户进行节点嵌入学习时：若能够得到有效的嵌入表示，则提供相应的界面，查看和分析结果，根据特定的需求来筛选、过滤和排序嵌入结果；若不能得到有效的嵌入表示，则给出相应的错误提示并指导用户如何改善输入数据；当用户进行图分区操作时：若能够自动计算最佳的分区方式，则将其作为默认选项，同时，提供手动设置分区参数的选项，对不同分区方案进行比较，并根据评估...

【专利技术属性】
技术研发人员：杨永祥，潘树昌，杨永林，王洪江，杨丽仙，段文成，张芯楹，王亭尹，李科，
申请(专利权)人：云南星晟电力技术有限公司，
类型：发明
国别省市：