[发明专利]一种异常数据修复方法及装置

说明书

本发明提供了一种异常数据修复方法及装置，该方法包括：获取目标能源互联网的运行数据；根据运行数据建立无向图模型；将无向图模型的邻域顶点和邻接矩阵输入图卷积网络模型中得到邻接矩阵的特征值，根据特征值对无向图模型中的顶点进行聚类，得到多个相似行为数据簇；将异常顶点所属的相似行为数据簇输入异常数据修复模型中得到修复数据；异常数据修复模型结合相似行为簇中各顶点数据与异常数据的关联性权重计算修复数据；关联性权重根据顶点数据与异常数据形成的贝叶斯概率图确定；根据异常数据的修复数据对目标能源互联网的运行数据进行修复。本发明能够结合能源互联网的拓扑结构实现对异常数据的无差别修复，保证了能源互联网的数据安全。

技术领域

本发明涉及能源互联网的运行数据信息安全技术领域，具体涉及一种异常数据修复方法及装置。

背景技术

能源互联网人机物交互过程中数据安全可靠互联对能源互联网生产、传输、交易、消费和分析各环节安全稳定运行至关重要。然而人为失误、采集设备故障、网络恶意攻击等因素导致能源互联网各环节业务系统中异常稀疏数据频繁产生。异常数据将给能源互联网中各类能源的跨域调度、控制以及故障诊断等带来巨大的隐患。并且，能源互联网网络结构复杂、数据来源广泛、数据操作频繁，现有的基于预测补偿机制的异常数据修复方法难以对能源互联网中异常数据进行修复。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中的难以对能源互联网中异常数据进行修复缺陷，从而提供一种异常数据修复方法及装置。

本发明第一方面提供了一种异常数据修复方法，包括：获取目标能源互联网的运行数据；根据目标能源互联网的运行数据建立无向图模型；从无向图模型的顶点中选取多个邻域顶点，将邻域顶点和无向图模型的邻接矩阵输入图卷积网络模型中，得到邻接矩阵的特征值，根据邻接矩阵的特征值对无向图模型中的顶点进行聚类，得到多个相似行为数据簇；将异常顶点所属的相似行为数据簇输入异常数据修复模型中，得到异常数据的修复数据；异常数据修复模型结合相似行为簇中各顶点数据与异常数据的关联性权重计算修复数据；关联性权重根据顶点数据与异常数据形成的贝叶斯概率图确定；根据所述异常数据的修复数据对所述目标能源互联网的运行数据进行修复。

可选地，在本发明提供的异常数据修复方法中，图卷积网络模型中定义有逐层传播，传播规则为：H＝f(W^C⊙P*X)，其中，X表示卷积网络的输入，X∈R^N*F,N表示顶点数，F表示特征数，W^C表示上一层的卷积网络的权重参数，P表示邻接矩阵，f()表示激活函数,R^K*F表示邻接矩阵的转移矩阵。

可选地，在本发明提供的异常数据修复方法中，通过如下步骤形成贝叶斯概率图：根据顶点数据和异常数据的关联性定义顶点数据和异常数据的因果关系；根据因果关系形成贝叶斯概率图。

可选地，在本发明提供的异常数据修复方法中，异常数据修复模型为：其中，d_k表示修复数据，α_n表示相似行为数据簇中第n个顶点的顶点数据对异常数据的权重，d_n表示第n个顶点的顶点数据，δ为误差修正系数，N表示相似行为数据簇中的顶点数。

可选地，在本发明提供的异常数据修复方法中，从无向图模型的顶点中选取多个邻域顶点，包括：确定无向图模型中各顶点的度信息；依据中心性原则，根据各顶点之间的距离确定邻域顶点，各顶点之间的距离根据各顶点的度信息确定。

可选地，在本发明提供的异常数据修复方法中，根据邻接矩阵的特征值对无向图模型中的顶点进行聚类，得到多个相似行为数据簇，包括：根据邻接矩阵的特征值确定各顶点的特征值；按照各顶点的特征值对顶点进行聚类，得到多个相似行为数据簇。