一种高压线路运行异常数据检测方法技术

本发明专利技术公开了属于数据异常检测技术领域的一种高压线路运行异常数据检测方法。包括：实时采集运行数据流量，并进行数据预处理；将处理后的数据发送至时序预测模型；通过时序预测模型生成对比流量变化基线；判断数据流量是否正常；训练RIME‑CNN‑LSTM‑Attention模型；检测线路运行异常数据流量；判断是否关联流量预警；生成异常数据关联预警信息；生成未知原因异常数据预警信息；未知异常数据分析诊断；触发线路异常数据应急措施。本发明专利技术显著减少人工干预和操作，提高了高压线路运行的安全性和稳定性，同时降低了高压线路运营成本和维护难度。

【技术实现步骤摘要】

本专利技术涉及数据异常检测，尤其涉及一种高压线路运行异常数据检测方法。

技术介绍

1、随着物联网技术的发展与普及，各种与高压线路相关的传感器被应用到生产中，使得运维人员远程监控高压线路运行状态成为可能，极大减轻了一线运维人员的负担。但是，传感器只是丰富了监测手段，并不能代替运行人员决策；此外，即使是同一种监测数据，比如接地电流，在不同线路的高压线路，在其穿越的不同环境，不同时间，也有着巨大差异。因此，仅仅依托一种监测数据是无法判断高压线路运行状态的，即使采用再先进的机器学习(machine learning，ml)算法训练所得的模型，也是无法实际应用的，因为数据本身不能全面反应高压线路的运行状态。

2、为了监测高压线路运行状态，借助丰富的物联传感技术，当前在高压线路线路的关键位置和节点装配了各式各样的传感设备，有光线测温、接地电流、甚至局放、水位、气体等等，结合运行数据线路电压、负载等，构成了以输电网络拓扑为基础，运行状态全面感知的实时变化的动态数字世界。而另一方面，高压线路运行状态的评估，特别是缺陷的发现，却依然需要运维人员不定期巡检，辅以丰本文档来自技高网...

【技术保护点】

1.一种高压线路运行异常数据检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的高压线路运行异常数据检测方法，其特征在于，所述步骤5中RIME-CNN-LSTM-Attention模型的构建过程具体包括以下步骤：

3.根据权利要求2所述的高压线路运行异常数据检测方法，其特征在于，所述CNN层包括输入层、卷积层、池化层和全连接层。

4.根据权利要求3所述的高压线路运行异常数据检测方法，其特征在于，所述卷积层的激活函数为relu函数。

5.根据权利要求2所述的高压线路运行异常数据检测方法，其特征在于，所述步骤5中训练RIME-CNN-...

【技术特征摘要】

1.一种高压线路运行异常数据检测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的高压线路运行异常数据检测方法，其特征在于，所述步骤5中rime-cnn-lstm-attention模型的构建过程具体包括以下步骤：

3.根据权利要求2所述的高压线路运行异常数据检测方法，其特征在于，所述cnn层包括输入层、卷积层、池化层和全连接层。

4.根据权利要求3所述的高压线路运行异常数据检测方法，其特征在于，所述卷积层的激活函数为relu函数。

5.根据权利要求2所述的高压线路运行异常数据检测方法，其特征在于，所述步骤5中训练rime-cnn-lstm-attention模型时，选择的损失函数为cross-entropy。

6.一种权利要求1～5任一项所述高压线路运行异常数据检测方法的检测系统，其特征在于，包括高压线路运行状态监控模块、高压线路运行流量监控模块、高压线路运行数据流量实时分析模块、高压...

【专利技术属性】
技术研发人员：焦宇阳，刘青，尚英强，丁一铭，张彦辉，吴梦焓，
申请(专利权)人：北京卓越电力建设有限公司，
类型：发明
国别省市：