-
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
申请人： 北京邮电大学
IPC分类号： G06Q50/06 , G06F18/2431 , G06F18/214 , G06N3/088
摘要： 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：CN113608968A
公开(公告)日：2021-11-05
申请号：CN202110967252.1
申请日：2021-08-23
申请人： 北京邮电大学
IPC分类号： G06F11/30
摘要： 本发明实施例提出了一种基于密度距离综合决策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，通过局部可达距离与核密度估计来计算样本的局部密度；使用自然对数函数作为缩放函数，计算每个样本与其近邻的密度比；通过欧式距离找到每个样本密度比自身大的近邻，计算密度提升距离；将局部密度比与密度提升距离标准化后计算乘积，得到最终的异常分数，并判定数据中的异常样本。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：CN113112188A
公开(公告)日：2021-07-13
申请号：CN202110529491.9
申请日：2021-05-14
申请人： 北京邮电大学
摘要： 本发明实施例提出了一种基于预筛选动态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；使用孤立森林方法对全部基检测器进行预筛选，筛选掉性能较差的基检测器；使用集成式KNN算法从历史数据中选择与待检测数据欧式距离较小的历史数据作为验证子集；使用最大值法根据筛选后剩余的基检测器在验证子集上的输出生成验证子集的假真值，计算基检测器在验证子集上的输出与假真值的皮尔逊相关系数；使用基于直方图的基检测器选择方法根据皮尔逊相关系数选择基检测器，平均所选基检测器的输出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：CN116543198A
公开(公告)日：2023-08-04
申请号：CN202310363977.9
申请日：2023-04-06
申请人： 北京邮电大学
IPC分类号： G06V10/764 , G06V10/774 , G06V10/82 , G06V10/40 , G06N3/04 , G06N3/08
摘要： 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：CN113608968B
公开(公告)日：2023-06-23
申请号：CN202110967252.1
申请日：2021-08-23
申请人： 北京邮电大学
IPC分类号： G06F11/30
摘要： 本发明实施例提出了一种基于密度距离综合决策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，通过局部可达距离与核密度估计来计算样本的局部密度；使用自然对数函数作为缩放函数，计算每个样本与其近邻的密度比；通过欧式距离找到每个样本密度比自身大的近邻，计算密度提升距离；将局部密度比与密度提升距离标准化后计算乘积，得到最终的异常分数，并判定数据中的异常样本。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：CN115293221A
公开(公告)日：2022-11-04
申请号：CN202210295273.8
申请日：2022-03-23
申请人： 北京邮电大学
摘要： 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。
-
公开(公告)号：CN114781495A
公开(公告)日：2022-07-22
申请号：CN202210348671.1
申请日：2022-04-01
申请人： 北京邮电大学
摘要： 本发明实施例提出了一种基于样本全局再平衡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，构建VAE与GAN的融合模型，分别将每个样本作为模型的输入，将其隐编码划分为重要特征编码和次要特征编码；通过隐编码重构技术得到其变异隐编码，经解码器还原、互信息约束与判别器对抗，生成多个考虑输入样本重要特征的可靠相似变异样本；设计作用于两类样本隐编码之间的特征斥力技术进行有监督的特征表示学习；通过混合编码技术叠加样本各维度重构误差作为重要特征编码的补充，据此判定待测样本在每个二类数据集下的分类结果，通过硬投票得到其故障类别。
-
公开(公告)号：CN113128913B
公开(公告)日：2022-05-17
申请号：CN202110529495.7
申请日：2021-05-14
申请人： 北京邮电大学
摘要： 本发明实施例提出了一种基于反转信息熵动态集成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划分为训练集和验证集，使用训练集训练一定数量的基分类器，基分类器的输出为输入数据属于正常类的概率；使用异常类标记方法将验证集中一部分历史数据标记为异常类；使用KNN算法从验证集中选择与待检测数据欧式距离较小的历史数据作为验证子集；使用基于反转信息熵的基分类器评价方法计算基分类器在验证子集中数据上的得分；使用基于无参数统计学假设检验的基分类器选择方法根据得分选择基分类器，平均所选基分类器的输出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，能够降低电力调度监控数据异常检测的漏报率。
-
公开(公告)号：CN113591400A
公开(公告)日：2021-11-02
申请号：CN202110968331.4
申请日：2021-08-23
申请人： 北京邮电大学
摘要： 本发明实施例提出了一种基于特征相关性分区回归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划分为训练集和测试集，基于皮尔逊相关系数计算训练集特征间的相关系数矩阵；根据计算所得相关系数矩阵对训练集进行特征子空间的划分；根据特征子空间内特征相关程度的高低选择特征作为伪标签，剩余特征作为预测属性，基于支持向量回归SVR训练用于预测伪标签的回归模型；对测试集进行与训练集相同的特征子空间划分，并使用对应的回归模型计算各特征子空间中测试集样本的异常程度；根据特征子空间内相关程度计算所对应的权重；根据加权后集成的最终异常分数获得测试集样本的检测结果。
-
公开(公告)号：CN113128076A
公开(公告)日：2021-07-16
申请号：CN202110542073.3
申请日：2021-05-18
申请人： 北京邮电大学
IPC分类号： G06F30/20 , G06Q10/04 , G06Q10/06 , G06Q50/06 , G06F111/08 , G06F119/12
摘要： 本发明实施例提出了一种基于双向加权图模型的电力调度自动化系统故障溯源方法，包括：采集电力调度自动化系统中服务器组件的资源占用数据，将这些数据组成的多个时间序列离散化，获得包含告警段的时间序列，剔除该时间序列中包含的告警时间段，获得无告警段时间序列；计算组件信息熵和组件间传递熵，建立有无告警段的信息相关矩阵，通过其变化率衡量告警前后的差异程度，采用归一化技术获得信息差异矩阵；提取信息变化较高的特征及特征间交互信息，构建双向加权图模型，结合节点自身信息和出入度信息变化拟合故障源头程度指标进行排序，依据排序结果追溯故障源头。本发明实施例提供的技术方案，提高电力调度自动化系统故障溯源的性能。
-
-
-
-
-
-
-
-
-
搜索结果
19 条记录 (耗时 0.03 秒)