[发明专利]一种基于矩阵分解的电力故障分析方法及系统

摘要

本发明公开了一种基于矩阵分解的电力故障分析方法及系统，电力故障分析方法步骤包括：输入电能数据矩阵、电能数据矩阵的最大秩和异常数据个数，求解的矩阵分解问题得到低秩数据矩阵，求解异常检测问题得到异常数据矩阵；判断是否满足收敛条件，如果不满足则跳转执行求解。否则输出正常数据矩阵和异常数据矩阵。电力故障分析系统包括前述步骤对应的程序单元。本发明通过充分利用采集得到的电力数据之间所具有的特性，通过矩阵分解等机器学习算法进行异常检测，从而实现对异常数据的及时发现进而针对故障元件的进行排查与维修，这种方法不同于现有的人工排查、设备监控等方式，充分利用电能数据对发生的故障元件进行智能地、及时地检测与预警。

主权项

一种基于矩阵分解的电力故障分析方法，其特征在于实施步骤包括：1)输入电能数据矩阵X、电能数据矩阵X的最大秩k和异常数据个数ε，所述电能数据矩阵X为电网中N个电能表的电力数据建模构成N*T的数据模型，每一个时刻采集的N个节点所消费的电力数据组成一个N维的列向量，其中T为采集数据的时刻数；2)求解式(1)所示的矩阵分解问题，得到低秩数据矩阵X″；minX′||C-X′||F,C=X-Es.t.rank(X′)≤k---(1)]]>式(1)中，C为电能数据矩阵X、异常数据矩阵E之间每一个元素之间的差构成的差矩阵，||*||F为矩阵的F范数，X为电能数据矩阵，X′为正常数据矩阵，E为异常数据矩阵，k为电能数据矩阵X的最大秩，表示使得矩阵C减去矩阵X‘的F范数最小化的正常数据矩阵X′的取值，s.t.表示约束条件，rank(X′)≤k表示约束条件为正常数据矩阵X′的低秩属性小于等于电能数据矩阵X的最大秩k；3)基于电能数据矩阵X、低秩数据矩阵X″求解式(2)所示的异常检测问题，得到异常数据矩阵E；minE||S-E||F,S=X-X′s.t.||E||2,0≤ϵ---(2)]]>式(2)中，S为电能数据矩阵X、低秩数据矩阵X″之间每一个元素之间的差构成的差矩阵，||*||F为矩阵的F范数，X为电能数据矩阵，X′为正常数据矩阵，E为异常数据矩阵，k为电能数据矩阵X的最大秩，表示_使得矩阵S减去矩阵E的F范数最小化的异常数据矩阵E的取值，ε为异常数据个数，s.t.表示约束条件，||E||2,0≤ε表示约束条件为异常数据矩阵E的范数小于等于异常数据个数ε；4)判断是否满足收敛条件，如果不满足则跳转执行步骤2)；否则跳转执行步骤5)；5)输出正常数据矩阵X′和异常数据矩阵E。