基于人工智能的电力网络信息安全检测方法及系统与流程
本发明涉及数据处理。更具体地，本发明涉及基于人工智能的电力网络信息安全检测方法及系统。
背景技术：
1、电力设备在运行过程中，如果某些参数数据发生异常变化，这可能预示着设备状态不稳定、存在潜在故障等，对此需要实时对电网信息进行安全检测，避免设备发生故障导致电力无法持续供应等情况。
2、对于电网信息的安全检测，公开号为cn110288383b的中国专利申请文件公开了一种基于用户属性标签的群体行为配电网用电异常检测方法，该方法通过局部离群因子算法获得异常数据，并与历史异常数据对比完成电网信息安全检测。局部离群因子算法的主要思想是：通过给每个数据点都分配一个依赖于邻域密度的离群因子lof，若一个数据点的lof的值远大于1，说明该数据点为异常点。
3、然而，传统的局部离群因子算法主要关注数据点的局部密度，而较少考虑数据点之间的相关性。在低密度区域，即使一个数据点与其他数据点存在某种相关性（例如，它们可能属于同一个潜在的子簇），但由于其局部密度比较低，可能被局部离群因子算法误判为异常值。而且，由于在获取电力设备的数据过程中由于环境等因素导致获取的数据可能存在异常值，这些环境等因素导致的异常值会干扰数据点之间相关性和局部密度的准确计算，进而导致局部离群因子算法的离群检测能力下降。
技术实现思路
1、为解决局部离群因子算法由于忽视数据点之间的相关性和环境等因素导致的异常值，进而导致的对低密度区的数据出现误判的问题，本发明在如下的多个方面中提供方案。
2、在第一方面中，本发明提供了一种基于人工智能的电力网络信息安全检测方法，包括：采集电力设备的电压数据，所述电压数据包括多个分段；确定各个分段的电压畸变；计算电压数据中各个采样点的协同度，所述协同度的计算表达式如下：
3、；
4、式中，表示第个分段内第i个采样点的协同度，表示第个分段的电压畸变率与其他分段的电压畸变率的差值，表示第个分段内第i个采样点的数据值与第k个采样点的数据值的差值，n表示第个分段内除第i个采样点外的其他采样点总数；根据局部离群因子算法计算各个采样点的异常得分，将协同度和异常得分相乘获得各个采样点的最终异常得分，并根据最终异常得分进行检测。
5、有益效果：由于考虑了数据之间的相关性，从而减少了局部离群因子算法对低密度区的数据进行检测时可能出现误判的情况，提高了局部离群因子算法在检测时的准确性，从而提高了电网信息安全检测的准确性。
6、在一个实施例中，所述电压畸变率的计算表达式如下：
7、；
8、式中，表示第个分段的电压畸变率，表示第h次谐波电压的有效值，其中h=2,3,4...，表示基波电压的有效值。
9、有益效果：当设备的变压畸变率过高，表明可能存在潜在的设备故障或运行问题，通过不定期计算电力设备的电压畸变率，能及时进行预防或修复，从而降低了设备生产中断成本。
10、在一个实施例中，，其中，表示第个分段的电压畸变率，表示第个分段的电压畸变率。
11、在一个实施例中，所述多个分段按时间间隔为5min进行划分。
12、有益效果：通过对电压数据进行分段，提高了在进行电网信息安全检测时的灵活性。
13、在一个实施例中，还包括：根据一个分段内总的最终异常得分进行检测。
14、在一个实施例中，还包括：对采集的电压数据进行数据清洗。
15、有益效果：通过对电压数据进行数据清洗，去除了异常值，确保了数据的准确性和可靠性，从而提高电网信息安全检测的准确性。
16、在一个实施例中，所述电力设备为断路器。
17、有益效果：通过对断路器进行信息安全检测，可以提前发现断路器存在的安全问题，并在严重前进行干预，降低了设备故障导致的维修成本和生产中断成本。
18、在第二方面中，本发明提供了一种基于人工智能的电力网络信息安全检测系统，包括处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现第一方面中所述的基于人工智能的电力网络信息安全检测方法。
19、本发明的有益效果在于：本发明的电力网络信息安全检测方法通过计算每个采样点的协同度，确定了该采样点与其他采样点之间的相关性，避免了局部离群因子算法在对低密度区的采样点进行检测时可能出现的误判情况，从而提高了电网信息安全检测的准确性和可靠性。
技术特征：
1.一种基于人工智能的电力网络信息安全检测方法，其特征在于，包括：
2.根据权利要求1所述的基于人工智能的电力网络信息安全检测方法，其特征在于，所述电压畸变率的计算表达式如下：
3.根据权利要求1所述的基于人工智能的电力网络信息安全检测方法，其特征在于，，其中，表示第个分段的电压畸变率，表示第个分段的电压畸变率。
4.根据权利要求1所述的基于人工智能的电力网络信息安全检测方法，其特征在于，所述多个分段按时间间隔为5min进行划分。
5.根据权利要求1所述的基于人工智能的电力网络信息安全检测方法，其特征在于，还包括：根据一个分段内总的最终异常得分进行检测。
6.根据权利要求1所述的基于人工智能的电力网络信息安全检测方法，其特征在于，还包括：对采集的电压数据进行数据清洗。
7.根据权利要求1所述的基于人工智能的电力网络信息安全检测方法，其特征在于，所述电力设备为断路器。
8.一种基于人工智能的电力网络信息安全检测系统，其特征在于，包括处理器和存储器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时实现权利要求1~7任意一项所述的基于人工智能的电力网络信息安全检测方法。
技术总结
本发明涉及数据处理技术领域，具体涉及基于人工智能的电力网络信息安全检测方法及系统。本发明的方法包括：采集电力设备的电压数据，所述电压数据包括多个分段；确定各个分段的电压畸变率；计算电压数据中各个采样点的协同度；根据局部离群因子算法计算各个采样点的异常得分，将协同度和异常得分相乘获得各个采样点的最终异常得分，并根据最终异常得分进行检测。本发明的电力网络信息安全检测方法在对电力数据检测时的准确性更高。
技术研发人员：夏勇军,胡率,刘焱,陈剑,常强,周围,余涵,徐挺,袁安琪,李国瑞,牛犁青,邱金波,夏胜冬,何志威,李硕瑜,张丽君
受保护的技术使用者：湖北华中电力科技开发有限责任公司
技术研发日：
技术公布日：2024/9/23