[发明专利]基于变分自编码器的低压台区线损率异常检测方法及装置

权利要求书

1.一种基于变分自编码器的低压台区线损率异常检测方法，其特征在于，所述方法包括以下步骤：

S1：输入台区运行数据，利用随机矩阵理论对线损数据进行相关性分析；

S2：筛选出线损率影响因子，构建低压台区线损率影响因子指标体系；

S3：建立基于变分自编码器的线损率异常检测模型，在隐空间内对输入特征进行建模；

S4：采样出异常特征，将产生重构数据的重构概率与阈值相比较对异常值进行识别。

2.根据权利要求1中所述的方法，其特征在于：

所述台区运行数据包括：城网农网类型、运行容量、居民户数、非居民户数、居民容量、非居民容量、综合倍率、配变户均供电容量、月平均负载率、理论线损率、日功率因数、日最大负载率、日有功电量、日无功电量、总供电量、日上网电量、日发电量。

3.根据权利要求2中所述的方法，其特征在于，所述步骤S1包括：

生成状态数据矩阵Z_n1，该矩阵每一行对应每一个台区i天的线损率；

选取一个影响因素，形成影响因素矩阵Z_n2，该矩阵每一行表示该影响因素i天的数值；

引入随机矩阵N，该矩阵为非负的随机数矩阵，与矩阵Z_n2形式相同，服从正态分布，构建实验矩阵Z和对比矩阵Z_N如下所示：

对两个矩阵分别用设定的滑动窗口进行采样，滑动窗口行数与矩阵Z相同，对每次采样窗口中的数据进行平均谱半径的计算，直到滑动窗口经过矩阵中全部数据，形成平均谱半径序列。

4.根据权利要求3所述的方法，其特征在于，

平均谱半径差表示为：

K_MSR,Z(N)(t),K_MSR,Z(t)分别表示实验矩阵Z平均谱半径曲线和对比矩阵Z_N平均谱半径曲线，对平均谱半径差值进行积分计算得到相关特性指标S_MSR：

S_MSR能够定性表示影响因素与线损率的相关程度。

5.根据权利要求4所述的方法，其特征在于，

所述变分自编码器模型是一种包含隐变量的生成模型，假设在高维空间Z中存在隐变量z可以对Z中的先验P(z)采样，存在一组确定性函数f(z；θ)，其中θ为参数向量，其目标在于优化θ使得z在从P(z)中采样时可以更大概率的得到近似于X的数据，其公式表达为：P(X)＝∫P(X|z；θ)P(z)dz，

优化上述模型，转化为使Q(z|x)的分布N(z|μ(x；θ),σ(x；θ))尽可能逼近P(z)的分布N(0,1)，其中

Q(z|x)＝N(z|μ(x；θ),σ(x；θ))

μ和σ为任意确定性函数，参数θ从数据中学习得到。

6.根据权利要求5所述的方法，其特征在于，所述步骤S3包括：

S31：确定变分自编码器的损失函数，根据公式

将二进制交叉熵与KL散度作为变分自编码器的损失函数对模型进行优化；

S32：使用构建好的变分自编码器模型对输入数据进行训练，通过训练得到变分自编码器的默认参数σ(i)，μ(i)；

S33：根据σ(i)，μ(i)得到关于z的正态分布N(μ(i),σ(i))并从中抽取样本L；

S34：对抽取样本中的每一个数据z进行解码操作得到X′，并将其和X相比较，计算重构概率并在此基础上设置阈值。

7.根据权利要求6所述的方法，其特征在于，所述步骤S4包括：

将测试集数据输入到训练好的变分自编码器模型中，并根据步骤S34中得到的阈值，结合公式

对测试集的数据进行分类，重构概率大于阈值的为正常数据，小于阈值的为异常数据。