基于大数据的电网风险识别方法及系统技术方案

本发明专利技术涉及电力系统安全技术领域，尤其涉及基于大数据的电网风险识别方法及系统，本发明专利技术对电力大数据中的缺失数据补足时，根据缺失数据的类型，将缺失数据进行分类，根据类别不同采用了不同的数据补足操作，这样可有效提高数据补足的针对性和准确性。本发明专利技术对于电力负荷数据这种时序数据来说，不同时刻的数据之间的潜在联系较多，并且，其又不是周期类数据，因此，在采用深度学习模型对电力负荷数据预测时，当预测结果误差不符合要求时，通过对数据集进行扩增，将扩增后的数据集输入至深度学习模型中，从而得到较为准确的预测数据。

【技术实现步骤摘要】

本专利技术涉及电力系统安全，尤其涉及基于大数据的电网风险识别方法及系统。

技术介绍

1、随着近年来科技的快速发展，很多现代化的新技术不断投入到电力行业中，电网的风险识别当然也能借助新势力来改变。现有技术中存在基于大数据对电网风险识别的技术方案，例如中国专利技术专利申请（cn112565255a）公开了一种基于bp神经网络的电力物联网设备安全预警方法，包括以下步骤s1.搭建资产信息功能模块，提取电力物联网设备数据信息，并对数据信息进行预处理；s2.建立bp神经网络；s3.将步骤s1预处理后的数据信息对bp神经网络进行训练，更新权值和阈值；s4.建立bp神经网络电力物联网资产识别平台对电力物联网设备进行预警。然而，上述方案在对数据进行预处理时，处理过程较为简单，使得数据预处理效果较差，影响风险识别的准确度。

技术实现思路

1、为了解决上述技术问题，本专利技术提供了基于大数据的电网风险识别方法及系统，根据电力负荷数据的特点，设计针对性强的预处理方法，提高了大数据预处理的准确度。

2、本专利技术提供了基于本文档来自技高网...

【技术保护点】

1.基于大数据的电网风险识别方法，其特征在于，包括：

2.根据权利要求1所述的基于大数据的电网风险识别方法，其特征在于，所述第一补足方法具体为：

3.根据权利要求1所述的基于大数据的电网风险识别方法，其特征在于，所述采用第二补足方法对所述缺失数据进行补足操作具体为：

4.根据权利要求2所述的基于大数据的电网风险识别方法，其特征在于，所述S2.3.2.3中，所述补足操作的公式为：

5.根据权利要求3所述的基于大数据的电网风险识别方法，其特征在于，所述S2.3.3.1中，所述深度学习模型为长短期记忆网络模型。

6.根据权利要求3所述...

【技术特征摘要】

1.基于大数据的电网风险识别方法，其特征在于，包括：

2.根据权利要求1所述的基于大数据的电网风险识别方法，其特征在于，所述第一补足方法具体为：

3.根据权利要求1所述的基于大数据的电网风险识别方法，其特征在于，所述采用第二补足方法对所述缺失数据进行补足操作具体为：

4.根据权利要求2所述的基于大数据的电网风险识别方法，其特征在于，所述s2.3.2.3中，所述补足操作的公式为：

5.根据权利要求3所述的基于大数据的电网风险识别方法，其特征在于，所述s2.3.3.1中，所述深度学习模型为长短期记忆网络模型。

6.根据权利要求3所述的基于大数据的电网风险识别方法，其特征在于，所述s2.3.3.2中，所述n的取值大于所述大数据中连续缺失的数据的个数...

【专利技术属性】
技术研发人员：刘晓彤，于思洋，刘兵，王志强，于晓敏，于嘉昕，甘家峰，单婧婧，韩超，李晨，栾和，张圆绪，王志亮，刘海林，孙浩，杨帆，
申请(专利权)人：东方电子股份有限公司，
类型：发明
国别省市：