【技术实现步骤摘要】
本专利技术涉及电网数据检测的，尤其涉及一种基于张量的电力网络流量数据异常检测方法及系统。
技术介绍
1、在新型电力网络中，为了实现对网络状况的有效监测，需要实时采集电力网络中的网络流量信息，这些信息被表征为网络中通信链路起点和终点(origin-destination，od)对之间传输的数据量。通过对网络流量信息的分析研判，可以有效应对网络拥塞、网络攻击、安全漏洞以及数据丢失等问题。然而，在开放网络环境下，基于od对之间获取的流量数据，往往容易受到攻击或者干扰，导致数据本身的可信性和完整性遭到破坏，无法准确的反映网络的实际运行状态，进而对电力数据分析尤其是电网运行安全和稳定造成恶劣影响。
2、现有的针对电网异常业务数据检测可以分为两种基本类型，即基于传统技术的异常数据检测和基于机器学习的异常数据检测，基于传统技术的异常检测，往往需要结合电网数据特征进行统计分析，其检测性能无法适用于新型电力网络中数据多源、异构等特性。基于人工智能的检测方法，能够通过学习和模型训练，准确的发现异常数据，但检测性能的前提是必须有海量数据集作为训练...
【技术保护点】
1.一种基于张量的电力网络流量数据异常检测方法，其特征在于，包括：
2.如权利要求1所述的基于张量的电力网络流量数据异常检测方法，其特征在于，基于所述电力网络流量数据在不同维度的结构特征构建三维张量，包括：所述电力网络流量数据包括具有低秩特性的正常数据和具有结构稀疏特性的异常数据；所述维度包括日期维度、时间维度以及空间维度，三维张量表示为：
3.如权利要求2所述的基于张量的电力网络流量数据异常检测方法，其特征在于，对所述电力网络流量数据的张量进行约束，并构建电力网络流量数据异常检测模型，包括：采用张量分解以及L2,1范数对目标区域电力网络中正常...
【技术特征摘要】
1.一种基于张量的电力网络流量数据异常检测方法，其特征在于，包括：
2.如权利要求1所述的基于张量的电力网络流量数据异常检测方法，其特征在于，基于所述电力网络流量数据在不同维度的结构特征构建三维张量，包括：所述电力网络流量数据包括具有低秩特性的正常数据和具有结构稀疏特性的异常数据；所述维度包括日期维度、时间维度以及空间维度，三维张量表示为：
3.如权利要求2所述的基于张量的电力网络流量数据异常检测方法，其特征在于，对所述电力网络流量数据的张量进行约束，并构建电力网络流量数据异常检测模型，包括：采用张量分解以及l2,1范数对目标区域电力网络中正常数据对应的正常张量和异常数据对应的异常张量进行约束，构建的电力网络流量数据异常检测模型表示为：
4.如权利要求3所述的基于张量的电力网络流量数据异常检测方法，其特征在于，基于所述电力网络流量数据异常检测模型，进行电力网络流量数据的异常检测包括：利用近端前后向分裂...
【专利技术属性】
技术研发人员：李东洋，马伟哲，孙宝华，金倩倩，李威，李冲，张富翔，孙俊伟，吴赫，张磊，孙海波，张滔，
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。