【技术实现步骤摘要】
本专利技术属于计算机、智能电网，涉及一种基于automl的电力正向有功总值异常检测方法，可以根据电力正向有功总值数据集对一段时间内的电力正向有功总值进行异常值检测，同时对异常的电力正向有功总值进行标注，实现自动化的异常检测。
技术介绍
1、构建以新能源为主题的新型电力系统，既是智能电网转型升级的重要方向，也是实现碳达峰、碳中和目标的重要途经。新型电力系统是以实现碳达峰碳中和为中心，具有清洁低碳、安全可控、灵活高效、智能友好、开放互动基本特征的电力系统。
2、智能电网是新型电力系统的转型方向，是规模更大，维度更高的现代电网基础设施。机器学习技术可以从海量数据中获取隐藏知识，从而对大数据进行有效分析。智能电网的大数据特征非常符合机器学习的研究特点。通过机器学习进行电力异常数据的检测极具前景，有利于推动电网基础设施的转型升级。
3、正向有功电能总值(pap，positive active power)，指发电单位向用电客户输送的总电量，是衡量发电质量的重要评判指标，在建设智能电网的过程中具有重要的评价意义，对于正向有功...
【技术保护点】
1.一种基于AutoML的电力正向有功总值异常检测方法，其特征在于包括如下步骤：
2.根据权利要求1所述的一种基于AutoML的电力正向有功总值异常检测方法，其特征在于，所述步骤二中，Anomaly-Attention用于统一建模先验关联和序列关联，进而方便关联差异的计算，其中：
3.根据权利要求2所述的一种基于AutoML的电力正向有功总值异常检测方法，其特征在于，两种关联之间的差异，即为关联差异；将标准化后的关联差异与重建误差结合起来制定了新的异常检测判据：
4.根据权利要求1所述的一种基于AutoML的电力正向有功总值异常检测...
【技术特征摘要】
1.一种基于automl的电力正向有功总值异常检测方法，其特征在于包括如下步骤：
2.根据权利要求1所述的一种基于automl的电力正向有功总值异常检测方法，其特征在于，所述步骤二中，anomaly-attention用于统一建模先验关联和序列关联，进而方便关联差异的计算，其中：
3.根据权利要求2所述的一种基于automl的电力正向有功总值异常检测方法，其特征在于，两种关联之间的差异，即为关联差异；将标准化后的关联差异与重建误差结合起来制定了新的异常检测判据：
4.根据权利要求1所述的一种基于automl的电力正向有功总值异常检测方法，其特征在于，所述步骤三中，针对通过时间序列数据的异常检测任务，构建一个归一化层，两个前馈网络层，以残差方式进行连接，对传统transformer模型进行重构。
5.根据权利要求1所述的一种基于automl的电力正向有功总值异常检测方法，其特征在于，所述步骤四中，引入正类和负类两种指标，其中正类表示为异常，负类表示为正常，并用真true和假false来表示预测值和实际值的比较结果，其中true表示正确匹配，即标注出的异常点实际异常，false表示错误匹配；
6.根据权利要求1所述的一种基于automl的电力正向有功总值异常检测方法，其特征在于，所述步骤五中，采用随机策略，采用随机搜索搜索参数空间，通过预训练模型进行模型表现评估，对参数对进行评价，最终获得最优的参数组合。
7.根据权利要求1...
【专利技术属性】
技术研发人员：屈春一，李国强，刘亚珍，王婷，王欣宇，武艳华，吴小锋，张慧奔，李嘉伟，陈哲夫，
申请(专利权)人：国网内蒙古东部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。