【技术实现步骤摘要】
本专利技术公开涉及电力通信，尤其涉及一种电力信息通信过程不良数据识别方法。
技术介绍
1、在现代电力信息通讯系统中，历史负荷数据的质量变得越来越重要，电力通信过程指的是电力信息通信系统将scada数据库的历史负荷数据以微波或电力线载波的形式进行数据传输，由于数据在传输过程中不可避免地会受到各种程度的随机干扰而产生不良数据。而在异构通信网络数据中，攻击行为分为外部攻击和内部攻击。攻击者以窃听方式将数据转换为实体后添加至网络内的行为为外部攻击，而内部攻击则是合法用户通过私自篡改生理数据的行为。两种攻击方式都会对异构通信网络产生负面影响，威胁数据安全。因此对不良数据进行识别是有必要的，同时，异构通信网络容易受到入侵的特点需要被特殊考虑。
2、传统的不良数据识别方法包括基于多视角低秩分析的电力不良数据辨识方法、基于长短期记忆网络的不良数据辨识检测方法等等。这些方法普遍准确率较低、辨识速度较慢，难以满足电力信息通信的需求。此外，现有技术中还公开了一种基于光照过程特征分析的光伏功率异常数据识别算法采用工程经验和异常数据时序特性进行异常数据判定；一种混合云环境下基于merkle哈希树的数据安全去重方案采用了权限等级函数和去重系数计算去重标签。但是上述两种方法都没有考虑异构通信网络容易受到非法入侵的特点。
3、为此，针对传统方法存在的不足，提出一种考虑异构通信网络异常值识别的不良数据识别方法是非常有意义的。
技术实现思路
1、鉴于此，本专利技术公开提供了一种电力信息通信过程
2、本专利技术提供的技术方案，具体为，一种电力信息通信过程不良数据识别方法，包括：
3、利用小波变换对电力信息通信的局部奇异值进行检测，获取电力信息通信过程中的奇异点检测结果；
4、基于所述奇异点检测结果，利用神经网络进行电力信息通信过程的不良数据识别，获取不良数据分离的结果；其中针对分离得到的不良数据，对电力通信数据进行去噪处理，得到噪声去除的结果；
5、考虑异构通信网络的安全问题，建立异构通信网络的merkle哈希树结构，获取网络数据安全认证的结果；
6、建立概率模型，对所述网络数据安全认证结果中的数据异常值进行概率识别，获取异构通信数据的概率分布及异常值概率识别的结果。
7、进一步地，所述局部奇异性定义为：
8、设f(x)∈l2(r)，若f(x)对于任意x属于δx0，小波g(x)是满足连续可微的集小波函数，并且具有n阶数据消失矩阵，采用李普希兹指数计算奇异点指数，计算方法如下式所示：
9、|wf(s,x)≤asa|
10、其中，s＝2j，若在某一点x处满足上式，则a为点x的奇异点指数。
11、进一步地，所述利用小波变换对电力信息通信的局部奇异值进行检测：
12、1)采用离散二进小波的迭代公式对检测信号做多尺度下的离散二进小波变换，且最大选取尺度小于j＝4；
13、2)获取尺度为1的信号的阈值，保留在该尺度上绝对对值大于阈值的小波变换系数，将绝对值小于阈值的小波变换系数设置为0，从而获取奇异点的模的极大值点；
14、3)在每级尺度上，重复步骤2)的计算方式，计算每级尺度上对应的奇异点的模的极大值点；
15、4)从第一个尺度开始，对该尺度上的奇异点的模的极大值点，采用即兴算法探寻该点的极大值线，寻找该奇异点的模的极大值点对应的传播点，并将不在极大值线的小波变换系数去掉，计算各点的位置，生成极大值线的函数表达式，计算第2尺度上的奇异点指数；
16、5)去掉第一个尺度上所有小波变换系数大小，根据步骤4)重新计算出第一个尺度的奇异点的模的极大值点，保持其位置的不变。
17、进一步地，基于所述奇异点检测结果，利用神经网络进行电力信息通信过程的不良数据识别：
18、通过奇异值检测对局部数据进行识别，将全部数据分成正常数据和不良数据；将带有正常和不良标签的数据记作参考数据集z；
19、将参考数据集z看成n×p矩阵，其中包括扰动序列和非扰动序列；
20、采用神经网络算法，输入为待检测数据和参考数据之间的期望值ek，经过神经网络计算后生成输出结果ok，同时计算各个点的期望和数据结果间的平方值(ek-ok)2；
21、将输出结果ok作为聚类分析模块的待检测数据输入，并在聚类模块中采用gsa算法判定，确定每个数据的最佳聚类值h，聚类结果为1时，认为是正常数据，而当聚类结果为0时，就被判定为不良数据；
22、计算(ek-ok)2的平均值，将具有最小(ek-ok)2平均值的数据视为正常数据所在的类，其他数据都判定为不良数据。
23、进一步地，所述利用神经网络进行电力信息通信过程的噪声去除：
24、计算噪声强度，计算公式如下：
25、
26、其中，表示第k尺度的小波变换系数，n表示该层小波变换系数的个数；
27、判断噪声强度是否超标，对待超标的噪声进行阈值判断，保留不超过阈值的部分；
28、对超过阈值的部分进行处理：先对信号分层，然后对信号进行量化处理，最后对信号进行重构。
29、进一步地，所述建立异构通信网络的merkle哈希树结构，获取网络数据安全认证的结果：
30、网络数据集用merkle哈希树表示，在哈希树hash(dj)中，第j个网络数据由dj表示，其中hash()表示弹性冲突哈希函数，利用哈希函数获取子节点，利用节点去验证其包含的子节点以及其数据项；
31、利用网络编码方式对哈希树的根部节点进行编码，对网络节点数据进行线性组合，当数据项的编码传输环境安全时，用户端通过数据项建立哈希树，通过传输端的公钥验证哈希树的网络编码并验证所有的数据项；
32、其中在哈希树的数据包层添加网络编码，令x表示编码数据包，g1,g2,…,gn表示系数，则编码数据包表达公式：
33、
34、式中，mi表示初始数据包；
35、网络数据安全认证是依据哈希树内的数据认证，数据项被接收端接收后哈希树利用接收器重新建立树。
36、进一步地，所述建立概率模型，对所述网络数据安全认证结果中的数据异常值进行概率识别：
37、通过网络数据分布，评估未知参数，利用假设检验方法建立概率分布模型并计算某特定异构通信网络数据特定取值概率，通过自适应门限阈值识别网络数据异常概率。
38、进一步地，所述对所述网络数据安全认证结果中的数据异常值进行概率识别：
39、异构通信网络数据样本矩阵为向量形式，表达式为：
40、a＝(a11,a21,…,am1)t
41、异构通信网络中数据的属性值受到噪声影响或者人为操作表现为不固定形式，其属性值x满足概率分布x～f本文档来自技高网...
【技术保护点】
1.一种电力信息通信过程不良数据识别方法，其特征在于，包括：
2.根据权利要求1所述的一种电力信息通信过程不良数据识别方法，其特征在于，
3.根据权利要求1所述的一种电力信息通信过程不良数据识别方法，其特征在于，
4.根据权利要求1所述的一种电力信息通信过程不良数据识别方法，其特征在于，
5.根据权利要求1所述的一种电力信息通信过程不良数据识别方法，其特征在于，
6.根据权利要求1所述的一种电力信息通信过程不良数据识别方法，其特征在于，
7.根据权利要求1所述的一种电力信息通信过程不良数据识别方法，其特征在于，
8.根据权利要求7所述的一种电力信息通信过程不良数据识别方法，其特征在于，
9.一种电力信息通信过程不良数据识别系统，其特征在于，包括：
【技术特征摘要】
1.一种电力信息通信过程不良数据识别方法，其特征在于，包括：
2.根据权利要求1所述的一种电力信息通信过程不良数据识别方法，其特征在于，
3.根据权利要求1所述的一种电力信息通信过程不良数据识别方法，其特征在于，
4.根据权利要求1所述的一种电力信息通信过程不良数据识别方法，其特征在于，
5.根据权利要求1所述的一种电力信息通...
【专利技术属性】
技术研发人员：张富翔，许超，苏畅，马伟哲，孙宝华，王鸥，李曦，刘碧琦，郑善奇，杨超，黄兴，吴赫，程蕾，刘育博，孙俊伟，李冲，李东洋，李蒸，李云鹏，李蒙，孙海波，齐云飞，张戈，邢子墨，黄梦彤，周金磊，
申请(专利权)人：国网辽宁省电力有限公司信息通信分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。