[发明专利]一种基于孤立森林算法的电力调度流数据异常检测方法

说明书

本发明实施例提出了一种基于孤立森林算法的电力调度流数据异常检测方法，包括：通过系统抽样方法对数据集进行抽样，构建子森林，并将其组成基森林异常检测器；通过基森林异常检测器判断进入滑动窗口数据的异常情况；对进入滑动窗口的数据进行伯努利抽样，判定其是否存入缓存区，当滑动窗口数据充满时，实时判断窗口数据异常率；根据缓存区数据量与滑动窗口数据异常率是否超过阈值，选择较小或者较大更新比例的模型更新策略；基于更新数据集计算每个子森林与基森林的异常率差值，去除差值较大的子森林，并构建多个子森林进行补充，组成新的基森林异常检测器，实现更新。本发明实施例提供的技术方案，能够提高电力流数据异常检测准确率。

【技术领域】

本发明涉及电力调度数据异常检测方法，尤其涉及一种基于孤立森林算法的电力调度流数据异常检测方法。

【背景技术】

统一坚强智能电网是以物理电网为基础，将现代先进的传感测量技术、通讯技术、信息技术、计算机技术和控制技术与物理电网高度集成而形成的新型电网，其包含发电、输电、变电、配电、用电和调度环节。在电力系统实际工作中，调度承担指挥、监督和管理电力生产运行的职能，是电力系统安全运行的重要保障。随着电网规模日益扩大，对电网安全稳定运行的要求也越来越高，调度电网数据的异常检测也愈显重要。当前调度数据的分析模式以静态离线数据分析为主，这种方式与生产运行系统结合不紧密，存在不能快速反映系统运行状态和及时发现异常现象等问题。而且，如今的调度信息数据采集量增多且随着时间推移数据不断到来，具有流数据顺序、大量、快速、连续到达的特点。因此，如何对实时到达的调度流数据进行同步处理并检测其是否存在异常，对于加强对电网状态监测、保障电网安全有重要意义。

【发明内容】

有鉴于此，本发明提出了一种基于孤立森林算法的电力调度流数据异常检测方法，以提高电力调度流数据异常检测的性能。

本发明提出一种基于孤立森林算法的电力调度流数据异常检测方法，具体包括：

通过系统抽样方法对数据集进行训练，运用训练得到的隔离树构建多个子森林异常检测器，将多个子森林异常检测器组成基森林异常检测器；

通过基森林异常检测器判断进入滑动窗口数据的异常情况；

对进入滑动窗口的流数据进行抽样，判断其是否存入缓冲区；当滑动窗口中数据充满时，实时判断此时滑动窗口数据异常率；

触发检测器更新的判断；

基于更新数据集计算每个子森林异常检测器和基森林异常检测器异常率差值，去除差值较大的子森林异常检测器，同时构建多个子森林异常检测器进行补充，以组成新的基森林异常检测器，实现更新。

上所述方法中，通过系统抽样方法对数据集进行训练，运用训练得到的隔离树构建多个子森林异常检测器，将多个子森林异常检测器组成基森林异常检测器的方法为：采集N条电力调度数据样本，组成原始电力调度数据集；构建一个隔离树时，从N条数据中均匀抽样(一般是无放回抽样)出ψ条数据样本，作为这个隔离树的训练样本；在每个隔离树样本中，随机选一个特征，并在这个特征的所有值范围内(最小值与最大值之间)随机选一个值，对样本进行二叉划分，将样本中小于该值的数据样本划分到节点的左边，大于等于该值的数据样本划分到节点的右边，得到了一个分裂条件和左、右两边的数据集；分别在左右两边的数据集上重复上面的过程，直接达到终止条件，终止条件有两个：

1)数据本身不可再分(只包括一个样本，或者全部样本相同)；

2)树的高度达到log₂(ψ)；

运用系统抽样的方法将隔离树分为n组，构建n个子森林异常检测器，记为iForest(1)～iForest(n)，其中组成iForest(i)的隔离树编号为：

iTree(i+k*L/n) k＝0,1,2,...,(L-n)/n