公开(公告)号：CN110807014B

公开(公告)日：2022-10-14

申请号：CN201910906640.1

申请日：2019-09-24

申请人： 国网北京市电力公司 ,  国家电网有限公司

发明人： 李洪涛 ,  王存平 ,  于浩然 ,  于希娟 ,  及洪泉 ,  赵贺 ,  郝良 ,  傅强 ,  杨锦成

IPC分类号： G06F16/21 ,  G06F16/28

摘要： 本发明公开了一种基于交叉验证的台区数据异常甄别方法和装置，首先，对用采数据断点、异常点和现场实际运行数据情况进行统计分析；进而，分别采用原型聚类法、密度聚类法、概率密度法、深度学习方法等四种方法进行异常值的甄别，并比较各模型的异常值判定精度；为避免单一判断准则的随机性与不准确性，将四种模型异常值甄别结果进行相互交叉验证，取其交集为最终的异常值甄别结果；基于已经训练完成的模型，在线监测异常数据，最终建立基于交叉验证的异常数据甄别模型。本发明解决了传统机器学习方法处理海量数据时面临的难度大、效率低、实时性不高等问题。

公开(公告)号：CN110807014A

公开(公告)日：2020-02-18

申请号：CN201910906640.1

申请日：2019-09-24

申请人： 国网北京市电力公司 ,  国家电网有限公司

发明人： 李洪涛 ,  王存平 ,  于浩然 ,  于希娟 ,  及洪泉 ,  赵贺 ,  郝良 ,  傅强 ,  杨锦成

IPC分类号： G06F16/21 ,  G06F16/28

摘要： 本发明公开了一种基于交叉验证的台区数据异常甄别方法和装置，首先，对用采数据断点、异常点和现场实际运行数据情况进行统计分析；进而，分别采用原型聚类法、密度聚类法、概率密度法、深度学习方法等四种方法进行异常值的甄别，并比较各模型的异常值判定精度；为避免单一判断准则的随机性与不准确性，将四种模型异常值甄别结果进行相互交叉验证，取其交集为最终的异常值甄别结果；基于已经训练完成的模型，在线监测异常数据，最终建立基于交叉验证的异常数据甄别模型。本发明解决了传统机器学习方法处理海量数据时面临的难度大、效率低、实时性不高等问题。