System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理。更具体地,本专利技术涉及一种基于多源数据的电力系统安全监测方法及系统。
技术介绍
1、电力系统安全监测是维护电力系统健康和可靠运行的关键步骤,有助于预防故障、提高运行效率,并确保对用户提供高质量的电力服务。多源数据比单一来源的数据提供更多更准确的信息,因此,通过对电力系统的多种监测参数的数据进行数据分析,根据分析结果判断电力系统是否存在异常,能够实现对电力系统的安全监测。
2、孤立森林异常检测算法是一种常规的数据分析方法,通过孤立森林异常检测算法对电力系统的多种监测参数的数据进行数据分析时,通过构建的孤立森林计算电力系统的多种监测参数的数据的异常得分,进而判断电力系统是否存在异常;其中,孤立森林中的孤立树是通过阈值构建的,由于不同阈值的划分效果不同,因此,通过等概率随机选取的阈值构建的孤立树性能不稳定,导致通过孤立森林计算的异常得分不准确,无法准确判断电力系统是否存在异常,影响对电力系统的安全监测。
技术实现思路
1、为解决上述一个或多个技术问题,本专利技术在如下的多个方面中提供方案。
2、在第一方面中,本专利技术提供了一种基于多源数据的电力系统安全监测方法,包括:
3、通过传感器采集电力系统的各监测参数的数据,将预设采样周期内采集的各监测参数的所有数据,作为各监测参数的样本;
4、根据各监测参数的样本与其他监测参数的样本的相关系数,确定模板监测参数;
5、在模板监测参数的取值范围内等概率随机选取阈
6、通过对模板监测参数的孤立树上所有阈值的划分效果进行拟合,确定模板监测参数的划分效果拟合函数;
7、根据各监测参数与模板监测参数的相关系数,以及模板监测参数的划分效果拟合函数,确定各监测参数的取值范围内各数据作为阈值的概率;
8、根据各监测参数的取值范围内各数据作为阈值的概率,在各监测参数的取值范围内不等概率随机选取阈值,根据各监测参数的样本构建各监测参数的孤立森林;
9、通过各监测参数的孤立森林,确定待监测时刻的各监测参数的数据的异常得分,通过所述异常得分,判断电力系统的安全性。
10、在一个实施例中,所述根据各监测参数的样本与其他监测参数的样本的相关系数,确定模板监测参数,包括:
11、将任意一种监测参数作为目标监测参数,将目标监测参数与其他监测参数的相关系数的平均值,作为目标监测参数的综合关联程度;将所述综合关联程度最大的监测参数,作为模板监测参数。
12、在一个实施例中,所述在模板监测参数的取值范围内等概率随机选取阈值,根据模板监测参数的样本构建模板监测参数的孤立森林,包括:
13、模板监测参数的孤立森林中包括n个孤立树,n表示预设数量,对于任意一个孤立树,将模板监测参数的样本放入孤立树的根节点,在模板监测参数的取值范围内等概率随机选取阈值,通过阈值将根节点中的所有数据切分为两组,将每组作为根节点的子节点,在各子节点中重复切分操作,直到子节点中的数据不可再分或者孤立树的高度达到了预设高度,停止切分操作,获得孤立树。
14、在一个实施例中,所述模板监测参数的孤立树上各阈值的划分效果满足关系式:
15、
16、式中,g表示模板监测参数的孤立树上的阈值的划分效果,s1表示模板监测参数的孤立树上的阈值对应的第一节点包含的所有数据的数量,s2表示模板监测参数的孤立树上的阈值对应的第二节点包含的所有数据的数量,s表示模板监测参数的样本包含的所有数据的数量,z1表示模板监测参数的孤立树上的阈值对应的第一节点包含的所有数据的数值的均值,z2表示模板监测参数的孤立树上的阈值对应的第二节点包含的所有数据的数值的均值,z表示模板监测参数的取值范围的大小,f1表示模板监测参数的孤立树上的阈值对应的第一节点包含的所有数据的异常得分的均值,f2表示模板监测参数的孤立树上的阈值对应的第二节点包含的所有数据的异常得分的均值,表示取绝对值,min()表示取最小值,max()表示取最大值,exp()表示以自然常数为底的指数函数。
17、在一个实施例中,所述阈值对应的第一节点和第二节点是指通过阈值划分的两个子节点中左侧的子节点和右侧的子节点。
18、在一个实施例中,所述各监测参数的取值范围内各数据作为阈值的概率满足关系式:
19、
20、式中,p(x)表示监测参数的取值范围内数据x作为阈值的概率,x表示监测参数的取值范围内数据,l表示监测参数与模板监测参数的相关系数,w表示监测参数的取值范围的大小,z表示模板监测参数的取值范围的大小,h()表示模板监测参数的划分效果拟合函数,表示监测参数的样本包含的所有数据中,在范围内的数据的数量与监测参数的样本包含的所有数据的数量的比值。
21、在一个实施例中,通过所述异常得分,判断电力系统的安全性,包括:
22、若待监测时刻的所有监测参数的数据的异常得分的平均值大于预设阈值,则电力系统存在安全问题,若待监测时刻的所有监测参数的数据的异常得分的平均值小于或者等于预设阈值,则电力系统安全。
23、在第二方面中,本专利技术还提供了一种基于多源数据的电力系统安全监测系统,包括:处理器;存储器,所述存储器存储有用于实现一种基于多源数据的电力系统安全监测方法的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现根据前述一个或多个实施例所述的一种基于多源数据的电力系统安全监测方法。
24、本专利技术的有益效果在于:本专利技术根据各监测参数的取值范围内各数据作为阈值的概率,在各监测参数的取值范围内不等概率随机选取阈值,构建各监测参数的孤立森林,以此提高了各监测参数的孤立森林性能的稳定性,使得通过各监测参数的孤立森林计算的异常得分的准确性更高,进而提高了电力系统的安全监测的准确性。
25、进一步地,本专利技术选取与其他监测参数的样本的相关系数大的监测参数作为模板监测参数,只通过构建模板监测参数的孤立森林,确定模板监测参数的孤立树上各阈值的划分效果,进而根据各监测参数与模板监测参数的相关系数,以及模板监测参数的划分效果拟合函数,确定各监测参数的取值范围内各数据作为阈值的概率,提高了电力系统安全监测方法的效率。
本文档来自技高网...【技术保护点】
1.一种基于多源数据的电力系统安全监测方法,其特征在于,包括:
2.根据权利要求1所述的一种基于多源数据的电力系统安全监测方法,其特征在于,所述根据各监测参数的样本与其他监测参数的样本的相关系数,确定模板监测参数,包括:
3.根据权利要求1所述的一种基于多源数据的电力系统安全监测方法,其特征在于,所述在模板监测参数的取值范围内等概率随机选取阈值,根据模板监测参数的样本构建模板监测参数的孤立森林,包括:
4.根据权利要求1所述的一种基于多源数据的电力系统安全监测方法,其特征在于,所述模板监测参数的孤立树上各阈值的划分效果满足关系式:
5.根据权利要求4所述的一种基于多源数据的电力系统安全监测方法,其特征在于,所述阈值对应的第一节点和第二节点是指通过阈值划分的两个子节点中左侧的子节点和右侧的子节点。
6.根据权利要求1所述的一种基于多源数据的电力系统安全监测方法,其特征在于,所述各监测参数的取值范围内各数据作为阈值的概率满足关系式:
7.根据权利要求1所述的一种基于多源数据的电力系统安全监测方法,其特征在于,通过
8.一种基于多源数据的电力系统安全监测系统,其特征在于,包括:
...【技术特征摘要】
1.一种基于多源数据的电力系统安全监测方法,其特征在于,包括:
2.根据权利要求1所述的一种基于多源数据的电力系统安全监测方法,其特征在于,所述根据各监测参数的样本与其他监测参数的样本的相关系数,确定模板监测参数,包括:
3.根据权利要求1所述的一种基于多源数据的电力系统安全监测方法,其特征在于,所述在模板监测参数的取值范围内等概率随机选取阈值,根据模板监测参数的样本构建模板监测参数的孤立森林,包括:
4.根据权利要求1所述的一种基于多源数据的电力系统安全监测方法,其特征在于,所述模板监测参数的孤立树上各阈值的划分...
【专利技术属性】
技术研发人员:曾玉伟,任文鹏,胡斐,蔡明芳,
申请(专利权)人:武汉佳华创新电气有限公司,
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。