一种基于大数据的电力负荷系统异常分析方法及系统与流程

本发明涉及电力负荷分析领域，尤其涉及一种基于大数据的电力负荷系统异常分析方法及系统。

背景技术：

1、随着社会经济不断发展，电力能源消耗数量也在不断上升，同时居民用电需求也变得多元化，随着工业自动化和智能电网的发展，电力负荷系统的监控变得越来越重要。

2、随着信息化、数字化程度的不断提高，大数据时代已然到来，从海量冗杂的价值较低的数据中挖掘出有价值的信息，并提炼出共性部分、构成一有效的数学模型，已经成为了各行各业密切关注的热点问题。对于电力行业而言，随着电力系统信息化程度的不断提高、配用电数据量的迅速增长，各类配套装置及系统都有着大量的数据需要处理，数据类型繁杂，数据规模庞大，数据内蕴含的事件信息众多，但现在仍面临着“数据众多，信息匮乏”的重要问题，需要一种行之有效的数据监测方式来解决此类问题。

3、传统的异常检测方法通常只适用简单的负荷数据，基于固定阈值比较和简单的统计分析，这在处理复杂和动态变化的电力数据时往往效果不佳。此外，随着数据量的增加，这些传统方法在处理大规模数据时表现出效率低下。

技术实现思路

1、本发明的目的在于克服现有技术的不足，从而提供一种基于大数据的电力负荷系统异常分析方法及系统。

2、本发明的目的是通过以下技术方案来实现的：

3、一种基于大数据的电力负荷系统异常分析方法，包括以下步骤：

4、数据采集，采集用户数据a、费用数据b和电表数据c；

5、数据预处理，包括数据编码和数据标准化；所述数据编码，通过深度学习算法将用户数据a的每个信息类别转换成5维的向量，得到ea；所述数据标准化，对费用数据b和电表数据c中的各项数据分别标准化，产生最终数据特征向量x=（ea，bt，ct）；

6、异常检测，通过异常检测模型进行数据分析检测，判断电力负荷系统是否异常。

7、进一步的，所述费用数据b和电表数据c均为时间窗口数据。

8、进一步的，所述用户数据a以向量进行表示，信息类别包括用户类别、供电电压、用户负荷信息和行业分类。

9、进一步的，所述费用数据b为t-1到t时间段内的费用；所述电表数据c为t-1到t时间段内的电压、电流、负荷、无功和有功数据，以向量进行表示。

10、进一步的，所述数据标准化中对费用数据b和电表数据c中的各项数据分别标准化的公式为：（原数据-均值）/标准差。

11、进一步的，所述异常检测中，异常检测模型对最终数据特征向量进行计算，若返回正值，则为正常数据，若返回负值，则为异常数据；

12、所述异常检测模型的表达式为：

13、，

14、其中，表示权重向量，是转置，表示将特征向量影射到高维空间的函数，是决策边界的偏置项，所述异常检测模型通过机器学习进行训练得到，训练目标为在确保正常数据点满足的条件下，找到模型中的最大化的值。

15、进一步的，所述异常检测模型的训练过程为：

16、文本嵌入模型的训练：构造档案数据集，通过word2vec模型对档案数据集做无监督训练，得到词向量，从而对档案数据集数据进行向量化；

17、one class svm训练：确定时间窗口，按照时间窗口的划分，得到用户的特征数据，包括用户数据a、费用数据bt和电表数据ct，在对数据进行编码和标准化后得到最终数据特征，带入最终数据特征并根据序列最小优化算法得到函数。

18、一种基于大数据的电力负荷系统异常分析系统，包括数据采集模块、预处理模块、异常检测模块和模型训练模块；

19、所述数据采集模块采集用户数据、费用数据和电表数据；

20、所述预处理模块对采集的用户数据进行重新编码，并将费用数据和电表数据的各项数据分别标准化，从而得到最终数据特征向量；

21、所述异常检测模块通过异常检测模型进行数据分析检测，判断电力负荷系统是否异常；

22、所述模型训练模块通过机器学习训练得到异常检测模型。

23、本发明的有益效果：本发明通过融合多系统数据，采取先进编码技术，使用机器学习算法实现数据价值，降低人工成本，提高了电力负荷系统的检测效率。

技术特征：

1.一种基于大数据的电力负荷系统异常分析方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于大数据的电力负荷系统异常分析方法，其特征在于，所述费用数据b和电表数据c均为时间窗口数据。

3.根据权利要求1所述的一种基于大数据的电力负荷系统异常分析方法，其特征在于，所述用户数据a以向量进行表示，信息类别包括用户类别、供电电压、用户负荷信息和行业分类。

4.根据权利要求1所述的一种基于大数据的电力负荷系统异常分析方法，其特征在于，所述费用数据b为t-1到t时间段内的费用；所述电表数据c为t-1到t时间段内的电压、电流、负荷、无功和有功数据，以向量进行表示。

5.根据权利要求1所述的一种基于大数据的电力负荷系统异常分析方法，其特征在于，所述数据标准化中对费用数据b和电表数据c中的各项数据分别标准化的公式为：（原数据-均值）/标准差。

6.根据权利要求1所述的一种基于大数据的电力负荷系统异常分析方法，其特征在于，所述异常检测中，异常检测模型对最终数据特征向量进行计算，若返回正值，则为正常数据，若返回负值，则为异常数据；

7.根据权利要求6所述的一种基于大数据的电力负荷系统异常分析方法，其特征在于，所述异常检测模型的训练过程为：

8.一种基于大数据的电力负荷系统异常分析系统，采用了如权利要求1~7任一所述的一种基于大数据的电力负荷系统异常分析方法，其特征在于，包括数据采集模块、预处理模块、异常检测模块和模型训练模块；

技术总结本发明公开了一种基于大数据的电力负荷系统异常分析方法及系统，属于电力负荷分析领域，方法包括数据采集，采集用户数据A、费用数据B和电表数据C；数据预处理，包括数据编码和数据标准化；所述数据编码，通过深度学习算法将用户数据A的每个信息类别转换成5维的向量，得到E<subgt;A</subgt;；所述数据标准化，对费用数据B和电表数据C中的各项数据分别标准化，产生最终数据特征向量；异常检测，通过异常检测模型进行数据分析检测，判断电力负荷系统是否异常。本发明通过融合多系统数据，采取先进编码技术，使用机器学习算法实现数据价值，降低人工成本，提高了电力负荷系统的检测效率。技术研发人员：邹仕昆,沈阳,罗西,陈杰,伍剑,岳天龙,何涛,杨国受保护的技术使用者：成都太阳高科技有限责任公司技术研发日：技术公布日：2024/7/29