【技术实现步骤摘要】
本专利技术涉及变电站监测，具体是一种变电站无人机飞行数据在线异常检测方法。
技术介绍
1、社会对电力能源的需求越来越大，变电站作为电力系统的重要组成部分，其建设规模不断扩大，运维工作量也急剧增加。无人机凭借高机动性、机身小巧灵活、精准悬停、垂直起降等优点，可近距离观察设备并提供全面覆盖，能够弥补人工巡检时站内高空设备存在盲区、高压带电设备的安全距离使巡检人员可进入区域受限的缺点。此外，无人机搭载多种传感器能够进行精细化的可见光巡视与红外巡视，结合图像分析技术、人工智能云计算技术，平台可自动完成图像分析、诊断，快速准确识别设备典型缺陷，实时监测变电站设备的运行状态，提高了变电站的巡检效率。但在实际运用中，无人机的部署需要保障自身安全以及周围人身和财产安全。
2、无人机在变电站巡检过程中，强磁场干扰无人机的电子罗盘、磁罗盘的正常工作，使其无法准确判断航向，导致悬停位置发生偏移，如磁罗盘受干扰使得gps模式下呈圆圈形飞行、gps受到干扰导致无法直线飞行、震动过大超出了imu测量值使得飞行无法自稳等问题，增加了飞行的危险性。通过实时监控和分析飞控系统的关键数据，可以实时监测无人机飞行状态和运动状态，辅助工作人员及时调整飞行参数。无人机执行任务时故障率相对较高的原因在于缺少有效检测自身故障的方法，如果能检测系统中异常值的出现并提前预警，并在有限的时间内对飞行控制进行有效操作，对降低事故率并提高飞行安全有着很大的意义。
3、由于无人机系统复杂，为各子系统建模困难且模型方法适应性和抗干扰能力有限，因此广泛采用数据驱动
4、因此，本申请人提出了一种变电站无人机飞行数据在线异常检测方法。
技术实现思路
1、针对现有技术的不足，本专利技术提供了一种变电站无人机飞行数据在线异常检测方法，具有低时延和低复杂度，用以满足实时性的需求，且无监督方法或半监督的方法用以满足异常标签少的需求，此外，本专利技术算法的鲁棒性较高，在模式切换后的算法误检率低。
2、为实现上述目的，本专利技术提供如下技术方案：
3、一种变电站无人机飞行数据在线异常检测方法，该检测方法包括以下步骤：
4、s1、采用主成分分析（pca）方法在多维飞行数据矩阵中通过数据重构找到一个低维的内部子空间矩阵并计算得到子空间的主方向向量，该向量将包含原始数据空间中最大的信息量；
5、s2、利用过采样（oversampling）主成分分析方法将异常数据对主方向的影响放大，而正常数据对主方向没有影响，在子空间矩阵中以投影近似方式更新子空间向量，追踪和匹配子空间向量的主方向变化来实现飞行数据的瞬时异常检测，并得到每个点的异常分数；
6、s3、在无人机切换任务模式时，为了自适应更新异常分数阈值并进一步降低异常检测的误检率，根据某时刻数据点正常和异常只能是其一的特点，选择一类支持向量机（oc-svm）对数据点进行是否异常的判别。
7、作为本专利技术进一步的方案：步骤s1包括以下步骤：
8、s11、无人机在变电站执行运维任务时，一些关键参数对无人机的飞行控制异常重要，飞行数据矩阵包括：经度、纬度、海拔高度、俯仰角、横滚角、偏航角、无人机的地速和空速等参数，对无人机的飞行参数监测用以发现潜在的异常，在时间参数为时，多维飞行数据矩阵如下：
9、
10、上式中，表示当时的飞行数据实例，此时为多维飞行数据矩阵的行向量；
11、s12、pca主要是通过对飞行数据矩阵重构，在多维飞行数据矩阵中寻找一个低维的内部子空间矩阵作为原始飞行数据有意义和存储轻量的数据表示，子空间矩阵的行向量如为原始输入中相应飞行参数的向量化表示，其中，；
12、s13、pca本质上是采用欧几里得范数的平方作为距离度量，并采用最小化投影数据的重构误差，则数据重构目标函数表示为：
13、 （1）
14、其中，为，为第个原始飞行数据输入，为整体均值，为包含个子空间向量的子空间矩阵，为第个原始数据向数据子空间投影，为从投影子空间重构估计得到的第个；
15、s14、通过导出协方差数据矩阵的特征值分来解决最小化重构问题，如下：
16、 （2）
17、其中，为协方差矩阵，为均值，的每一列为的一个特征向量，其中对应的对角线元素为相应的特征值，最后几个特征向量对数据分布的影响不大会被舍弃，将公式（1）用最小二乘形式近似为：
18、（3）
19、其中，在维空间中，为的近似值，两者近似相等，即，基于公式（3），重建误差具有二次形式并且是的函数，可以通过求解最小二乘问题来计算，在线环境中，假设飞行数据在时序方向上相邻的子空间具有相似性，即。
20、作为本专利技术再进一步的方案：步骤s2的具体步骤包括：
21、无人机的正常数据和异常数据的数据量不均衡，采用os-pca异常检测方法是因为异常数据占比很小，通过对异常数据点过采样，使得数据的主方向远离原数据的主方向，而正常数据点的过采样则对主方向的变化影响很小，无人机在变电站执行巡检任务时会包含很大的数据量，对数据点重采样次可以放大当前数据点对主方向的影响，时刻的数据实例为，数据输入表示为，此时目标函数为：
22、（4）
23、此外，若将时刻之前的影响缩小也可以达到放大当前时刻对主方向影响的效果，即施加遗忘因子，此时，为过采样数目与原始数据集大小的比值，此时目标函数为式（5）所示，其中，当前时刻的输入为，和分别用和近似，
24、（5）
25、求解式（5）的优化问题即是数据点的增量策略异常检测问题，过采样pca的异常检测算法输入是飞行数据矩阵x和参数，算法输出是异常分数，通过取式（5）关于的导数来计算的解，如下：
26、（6）
27、对式（6），如果只关心主方向，即当前时刻最大特征值对应的子空间向量为，时刻参考子空间向量张成的子空间为，利用估计的最显著子空间向量和参考的最显著子空间向量，分别向参考子空间和估计的子空间投影，则由式（7）计算得到的夹角的平均即为时刻输入向量的异常分数，
28、（7）
29、其中，异常分数为时刻输入向量对数据子空间向量的影响，值越大则输入向量的异常程度越大，通过大量实验验证，当异常分数＞0.5时，可以确定无人机在某一飞行状态下发生了异常。
30、作为本专利技术再进一步的方案：步骤s3的具体步骤包括：
31、os-pca利用数据子空间在时序方向上的相似性特性，为时间序列的异常检测提供本文档来自技高网...
【技术保护点】
1.一种变电站无人机飞行数据在线异常检测方法，其特征在于：该检测方法包括以下步骤：
2.根据权利要求1所述的一种变电站无人机飞行数据在线异常检测方法，其特征在于：步骤S1包括以下步骤：
3.根据权利要求2所述的一种变电站无人机飞行数据在线异常检测方法，其特征在于：步骤S2的具体步骤包括：
4.根据权利要求3所述的一种变电站无人机飞行数据在线异常检测方法，其特征在于：步骤S3的具体步骤包括：
【技术特征摘要】
1.一种变电站无人机飞行数据在线异常检测方法，其特征在于：该检测方法包括以下步骤：
2.根据权利要求1所述的一种变电站无人机飞行数据在线异常检测方法，其特征在于：步骤s1包括以下步骤：
3....
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。