[发明专利]一种多站融合系统运行态势异常监测和告警合并方法

说明书

本发明涉及智能电网领域，尤其涉及一种多站融合系统运行态势异常监测和告警合并方法，包括：基于电力多站融合系统的历史数据训练异常检测模型，确定异常值阈值；实时获取电力多站融合系统运行态势的时间序列数据，将处理好的时间序列数据输入到训练好的异常检测模型中，得到数据的异常分数，将异常分数与异常值阈值进行比较，判断异常信息；基于历史告警数据信息，挖掘告警信息之间的相关性，确定关联规则；确定异常信息的类别和紧急程度，并生成对应的告警信息，基于关联规则完成告警信息的合并和输出。本发明实现告警信息的合并和输出，实现电力多站融合系统运维中时序数据中异常数据的有效检测。

技术领域

本发明涉及智能电网领域，尤其涉及一种多站融合系统运行态势异常监测和告警合并方法。

背景技术

异常检测是关于寻找不符合期望行为的数据模式的问题，在现实生活中有着广泛的应用场景。电力系统的安全稳定运行十分重要，因此需要对智能电网系统中的异常进行检测，以便及时地处理安全隐患或者解决存在的问题。同时，由于收集到的电力系统运行数据的时空维度复杂、计算量大，大部分传统的方法难以捕获电力系统复杂的时空多样性，难以应用于大规模的在线检测系统，实现快速地、实时地电力系统异常检测。

在电力系统的运维过程中，当检测到异常时，则发出报警信息。若一段连续时间内，检测到多个异常，每个异常均发出告警信息，海量的报警信息对于工作人员而言工作量过大且难以及时查看，容易致使重要告警信息延迟或者遗漏，造成严重的损失。

但是在大型系统中，告警信息之间包含一定的相关关系，告警信息之间也存在一定的内部规律，分析多个变量异常数据的变化规律，可以挖掘出告警信息之间的潜在关联，对关联度高的相关信息进行收敛合并，在很大程度上可以缓解上述问题。

发明内容

为解决上述问题，本发明提出一种多站融合系统运行态势异常监测和告警合并方法。

一种多站融合系统运行态势异常监测和告警合并方法，包括：

基于电力多站融合系统的历史数据训练异常检测模型，确定异常值阈值；

实时获取电力多站融合系统运行态势的时间序列数据，将处理好的时间序列数据输入到训练好的异常检测模型中，得到数据的异常分数，将异常分数与异常值阈值进行比较，判断异常信息；

基于历史告警数据信息，挖掘告警信息之间的相关性，确定关联规则；

确定异常信息的类别和紧急程度，并生成对应的告警信息，基于关联规则完成告警信息的合并和输出。

优选的，所述基于电力多站融合系统的历史数据训练异常检测模型，从而确定异常值阈值包括：

对采集的电力多站融合系统的历史数据进行清洗以及归一化处理，得到有效数据格式的时序变量；

基于DAE-RNN模型根据时序变量训练异常检测模型；

根据训练好的训练异常检测模型对正常数据和异常数据的特征提取，确定异常值阈值。

优选的，所述将异常分数与异常值阈值进行比较，判断异常信息包括：

若异常分数小于异常值阈值，则接收到的时间序列数据为正常数据，否则，则为异常数据。

优选的，所述基于历史告警数据信息，挖掘告警信息之间的相关性，确定关联规则包括：

获取历史告警信息，并对数据进行清洗；

通过挖掘窗口进行滑动，把位于同一个窗口内的历史告警信息归结为一个事务；挖掘出频繁项集，从频繁项集中产生规则；

确定合适的关联阈值，得出所有规则的支持度和置信度，确定合适的置信度阈值，将满足置信度阈值的关联规则归纳为一条规则。