[发明专利]一种通过自适应集成的设备安全威胁预测方法及装置

说明书

本发明公开了一种通过自适应集成的设备安全威胁预测方法及装置，所述方法包括：采集多个设备运行时的异常数据集，并将所述异常数据集分别输入至n个预设的神经网络，得到n个预测结果，其中，n为大于1的正整数；对所述n个预测结果进行权重分配和集成得到初始集成结果；利用所述初始集成结果重复进行权重迭代更新得到目标集成结果；基于所述目标集成结果预测设备潜在的安全威胁。本发明通过将多个神经网络进行迭代更新和预测，不但能够避免手动提取特征和复杂的数学建模过程，实现了高精度端到端的设备潜在安全威胁预测，而且根据个体模型预测结果自适应的调整权重，可以针对不同的数据具有更好的数据适应性，进一步提高预测准确率。

技术领域

本发明涉及设备安全预测技术领域，尤其涉及一种通过自适应集成的设备安全威胁预测方法及装置。

背景技术

电力行业与人们的生活水平息息相关，时代的发展与科技的进步使得越来越多的电力设备投入到电网系统中，使得电网结构越发显得庞大复杂。同时，各种不确定的风险诸如外力因素、操作因素、设备因素及管理因素也影响着电网的安全稳定运行，增加了电网的运营风险。

为了让各个设备的安全正常地工作，以使电网安全稳定地运行，目前常用的方法是在设备运行过程中记录设备的各个运行数据，将各个运行数据输入至已训练的神经网络中，通过神经网络进行安全风险预测。

但目前常用的安全威胁预测方法有如下技术问题：采用单一已训练完成的神经网络需要手动提取特征并且单一模型鲁棒性不足，预测精度不能保证，若采用多个神经网络进行预测，多个神经网络难以协调工作，增加了预测难度，也降低了准确率。

发明内容

本发明提出一种通过自适应集成的设备安全威胁预测方法及装置，所述方法可以对个体神经网络的权重进行自适应调整以获得较优的预测精度，从而避免了手动提取特征和复杂的数学建模过程，以提高处理效率。

本发明实施例的第一方面提供了一种通过自适应集成的设备安全威胁预测方法，所述方法包括：

采集多个设备运行时的异常数据集，并将所述异常数据集分别输入至n个预设的神经网络，得到n个预测结果，其中，n为大于1的正整数；

对所述n个预测结果进行权重分配和集成得到初始集成结果；

利用所述初始集成结果重复进行权重迭代更新得到目标集成结果；

基于所述目标集成结果预测设备潜在的安全威胁。

在第一方面的一种可能的实现方式中，所述对所述n个预测结果进行权重分配和集成得到初始集成结果，包括：

分别计算所述n个预测结果中两两预测结果之间的欧式距离，得到每个所述预测结果对应的n-1个欧式距离；

根据每个所述预测结果对应的n-1个欧式距离计算每个神经网络对应的网络支持度；

基于所述网络支持度计算每个神经网络对应的初始权重，得到n个初始权重；

根据所述n个初始权重计算n个预设的神经网络对应的初始集成结果。

在第一方面的一种可能的实现方式中，所述欧式距离的计算公式如下所示：

其中，为第i个预测结果，为第j个预测结果，为欧式距离；N为每个预测结果所包含的元素个数；x_mi为第i个预测结果中的第m个元素，x_mj为第j个预测结果中的第m个元素。

在第一方面的一种可能的实现方式中，所述根据每个所述预测结果对应的n-1个欧式距离计算每个神经网络对应的网络支持度，包括：

分别计算每个所述欧式距离对应的两个预测结果相互之间的相互支持度，得到n-1个相互支持度；