公开(公告)号：CN114399407B

公开(公告)日：2024-08-27

申请号：CN202210147086.5

申请日：2022-02-17

Applicant: 北京邮电大学

Inventor： 高欣 ,  傅世元 ,  薛冰 ,  于家豪 ,  黄子健 ,  黄旭 ,  张光耀 ,  李康生

IPC: G06Q50/06 ,  G06F18/2431 ,  G06F18/214 ,  G06N3/088

Abstract: 本发明实施例提出了一种基于动静态选择集成的电力调度监控数据异常检测方法，包括：使用电力调度监控历史数据训练一定数量的基检测器；使用孤立森林剔除性能较差的基检测器；使用平均值法根据剩余基检测器的输出生成历史数据的假真值，并分别将假真值和基检测器的输出转换为二类标签；剔除假真值过小的历史数据，并提取基检测器在剩余历史数据上的元特征和元标签；通过元特征和元标签训练随机森林；提取基检测器在待检测数据上的元特征，将其输入随机森林，根据随机森林的输出选择基检测器，取所选基检测器的输出的最大值作为待检测数据的检测结果。本发明实施例提供的技术方案，能够提升电力调度监控数据异常检测的准确率。

公开(公告)号：CN117314680A

公开(公告)日：2023-12-29

申请号：CN202311259312.X

申请日：2023-09-27

Applicant: 北京邮电大学

Inventor： 高欣 ,  傅世元 ,  薛冰 ,  于家豪 ,  陈玲俐 ,  孟之航 ,  方潇 ,  李强伟

IPC: G06Q50/06 ,  H02J13/00 ,  G06N20/00 ,  G06F17/16 ,  G06F11/30

Abstract: 本发明实施例提出了基于双路自编码器的电力调度监控数据异常检测方法，包括：将电力调度监控历史数据分解为趋势项、剩余项和离散量；构建趋势项自编码器重构趋势项和离散量，计算趋势项和离散量的重构误差；构建剩余项自编码器重构剩余项，计算剩余项的重构误差；结合趋势项、剩余项和离散量的重构误差计算模型的损失，将损失作为优化目标对模型进行训练；将待检测的电力调度监控数据同样进行分解，通过模型计算趋势项、剩余项和离散量的重构误差；结合趋势项、剩余项和离散量的重构误差计算输入数据的异常分数，据此判定输入的电力调度监控数据是否为异常。本发明实施例提供的技术方案，能够提升电力调度监控数据异常检测的准确率。

公开(公告)号：CN114722947B

公开(公告)日：2024-12-06

申请号：CN202210383775.6

申请日：2022-04-12

Applicant: 北京邮电大学

Inventor： 李康生 ,  高欣 ,  薛冰 ,  傅世元 ,  于家豪 ,  黄子健 ,  黄旭 ,  张光耀

IPC: G06F18/214 ,  G06F18/2431 ,  G06F18/2413 ,  G06N20/00 ,  G06Q50/06

Abstract: 本发明实施例提出了一种基于近邻搜索分簇的电力调度监控数据异常检测方法，包括：将带正异常标签的电力调度监控历史数据作为训练数据集输入，通过计算样本之间的欧氏距离寻找异常样本在特征空间中的k个近邻；通过异常样本的近邻标签确定该样本是否为噪声或属于某个异常样本簇，并在该样本近邻中依次迭代搜索直到不再找到更多的属于该簇的异常样本；对分簇后的数据过滤噪声并计算每个簇中需要生成的异常样本数量，据此利用SMOTE线性插值在各个簇内合成新样本以平衡数据集；使用平衡后的数据集训练随机森林模型，以检测电力调度监控数据中的异常样本。本发明实施例提供的技术方案，能够提升电力调度监控数据异常检测的准确率。

公开(公告)号：CN116543198A

公开(公告)日：2023-08-04

申请号：CN202310363977.9

申请日：2023-04-06

Applicant: 北京邮电大学

Inventor： 黄子健 ,  高欣 ,  孟之航 ,  薛冰 ,  李强伟 ,  傅世元 ,  于家豪 ,  黄旭

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/40 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提出了一种基于多粒度近邻图的智能电表故障分类方法，包括：将智能电表不同类别下的故障历史数据作为输入数据集，划分得到多个二类数据集；针对每个二类数据集，将每个样本作为目标样本，以目标样本和不同数量近邻样本构成多粒度近邻图，作为后续分类任务中的训练样本；基于构造的近邻图数据集，设计自编码器实现对近邻图节点特征的提取，根据近邻图的节点编码特征和近邻图原始节点邻接关系训练图注意力神经网络用于近邻图分类任务；对于给定测试样本，组合其测试样本与其对应的不同数量近邻样本构成的近邻样本组，经近邻图分类结果集成后得到分类器在每个二类数据集下的判别结果，通过软投票得到其故障类别。

公开(公告)号：CN115293221A

公开(公告)日：2022-11-04

申请号：CN202210295273.8

申请日：2022-03-23

Applicant: 北京邮电大学

Inventor： 高欣 ,  李康生 ,  薛冰 ,  傅世元 ,  于家豪 ,  黄子健 ,  黄旭 ,  张光耀

IPC: G06K9/62 ,  G06Q50/06

Abstract: 本发明实施例提出了基于有向密度比变化率的电力调度监控数据异常检测方法，包括：将电力调度监控历史数据作为输入数据集，通过核密度估计与扩展近邻集合来计算样本的局部核密度；结合局部核密度与样本之间的距离向量，计算每个样本与其近邻样本的有向密度比之和；通过有向密度比的二范数计算样本与其近邻的有向密度比的变化率；将不同参数下的有向密度比变化率进行求和，得到每个样本的最终异常分数，据此判定电力调度监控数据中的异常样本。本发明实施例提供的技术方案，能够提升电力调度监控数据异常检测的准确率与稳定性。