【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及數(shù)據(jù)異常檢測(cè)，尤其涉及一種高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)方法。
技術(shù)介紹
1、隨著物聯(lián)網(wǎng)技術(shù)的發(fā)展與普及，各種與高壓線路相關(guān)的傳感器被應(yīng)用到生產(chǎn)中，使得運(yùn)維人員遠(yuǎn)程監(jiān)控高壓線路運(yùn)行狀態(tài)成為可能，極大減輕了一線運(yùn)維人員的負(fù)擔(dān)。但是，傳感器只是豐富了監(jiān)測(cè)手段，并不能代替運(yùn)行人員決策；此外，即使是同一種監(jiān)測(cè)數(shù)據(jù)，比如接地電流，在不同線路的高壓線路，在其穿越的不同環(huán)境，不同時(shí)間，也有著巨大差異。因此，僅僅依托一種監(jiān)測(cè)數(shù)據(jù)是無法判斷高壓線路運(yùn)行狀態(tài)的，即使采用再先進(jìn)的機(jī)器學(xué)習(xí)(machine?learning，ml)算法訓(xùn)練所得的模型，也是無法實(shí)際應(yīng)用的，因?yàn)閿?shù)據(jù)本身不能全面反應(yīng)高壓線路的運(yùn)行狀態(tài)。
2、為了監(jiān)測(cè)高壓線路運(yùn)行狀態(tài)，借助豐富的物聯(lián)傳感技術(shù)，當(dāng)前在高壓線路線路的關(guān)鍵位置和節(jié)點(diǎn)裝配了各式各樣的傳感設(shè)備，有光線測(cè)溫、接地電流、甚至局放、水位、氣體等等，結(jié)合運(yùn)行數(shù)據(jù)線路電壓、負(fù)載等，構(gòu)成了以輸電網(wǎng)絡(luò)拓?fù)錇榛A(chǔ)，運(yùn)行狀態(tài)全面感知的實(shí)時(shí)變化的動(dòng)態(tài)數(shù)字世界。而另一方面，高壓線路運(yùn)行狀態(tài)的評(píng)估，特別是缺陷的發(fā)現(xiàn)，卻依然需要運(yùn)維人員不定期巡檢，輔以豐富經(jīng)驗(yàn)，才能正確做出評(píng)判。在當(dāng)前人工智能技術(shù)高速發(fā)展的今天，特別是chatgpt的出現(xiàn)，利用大數(shù)據(jù)對(duì)高壓線路運(yùn)行狀態(tài)做出較高準(zhǔn)確度的評(píng)估已然稱為可能，但是，顯然當(dāng)下高壓線路豐富的監(jiān)測(cè)數(shù)據(jù)未能充分有效利用。造成這種結(jié)果，主要有以下幾個(gè)方面的原因：(1)高壓線路品種多樣，穿越地區(qū)環(huán)境復(fù)雜，準(zhǔn)確判斷運(yùn)行狀態(tài)難度高；(2)監(jiān)測(cè)數(shù)據(jù)豐富而分散，未能有效融合，構(gòu)成一個(gè)統(tǒng)一的整體；(3)高壓
3、目前異常數(shù)據(jù)檢測(cè)技術(shù)可以劃分為三類：傳統(tǒng)方法、機(jī)器學(xué)習(xí)方法和深度學(xué)習(xí)方法。傳統(tǒng)方法根據(jù)不同異常數(shù)據(jù)的特點(diǎn)，設(shè)定相對(duì)合理的閾值。機(jī)器學(xué)習(xí)方法則通過預(yù)先給定的模型自動(dòng)識(shí)別異常數(shù)據(jù)，基本都是借助高壓線路某方面特征數(shù)據(jù)進(jìn)行研判，過于片面。深度學(xué)習(xí)在多個(gè)領(lǐng)域中展現(xiàn)出比機(jī)器學(xué)習(xí)更加強(qiáng)大的異常數(shù)據(jù)識(shí)別能力，在高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)的應(yīng)用可以提供更精準(zhǔn)、及時(shí)的故障診斷和預(yù)測(cè)，以提高線路系統(tǒng)的可靠性和安全性，是當(dāng)前高壓線路運(yùn)行領(lǐng)域研究的熱點(diǎn)。
4、深度學(xué)習(xí)逐漸成為了異常檢測(cè)的主要方法。我國高壓線路極少出現(xiàn)異常情況，致使高壓線路監(jiān)測(cè)得到的絕大多數(shù)數(shù)據(jù)都是正常數(shù)據(jù)。因此若直接使用這些監(jiān)測(cè)數(shù)據(jù)，采用深度學(xué)習(xí)算法訓(xùn)練構(gòu)建線路異常數(shù)據(jù)檢測(cè)模型，可能導(dǎo)致模型過擬合或欠擬合的問題，不具有實(shí)用性。目前異常數(shù)據(jù)檢測(cè)方法在幾個(gè)關(guān)鍵方面仍然存在一系列問題，其中包括但不限于準(zhǔn)確率不高、難以適應(yīng)復(fù)雜數(shù)據(jù)分布以及特征提取不準(zhǔn)確等方面。這些問題的累積效應(yīng)導(dǎo)致整體誤報(bào)率相對(duì)較高，尤其在對(duì)異常數(shù)據(jù)進(jìn)行判斷的過程中，這一問題尤為顯著。鑒于現(xiàn)狀，迫切需要找到更為切實(shí)可行和有效的方法，以提升異常數(shù)據(jù)檢測(cè)系統(tǒng)的整體性能。這一需求的緊迫性在于當(dāng)前方法的不足可能會(huì)對(duì)高壓線路運(yùn)行安全造成潛在威脅。為應(yīng)對(duì)上述問題，亟需研究并推動(dòng)更先進(jìn)、更可靠的異常數(shù)據(jù)檢測(cè)方法。
技術(shù)實(shí)現(xiàn)思路
1、為應(yīng)對(duì)高壓線路運(yùn)作異常數(shù)據(jù)檢測(cè)中的挑戰(zhàn)，提供一種強(qiáng)大的深度學(xué)習(xí)模型，以實(shí)現(xiàn)高壓線路運(yùn)行異常數(shù)據(jù)的檢測(cè)。特別是在面對(duì)類別不平衡和高噪聲情況下，能夠提供更加準(zhǔn)確和可靠的識(shí)別與檢測(cè)。實(shí)現(xiàn)對(duì)高壓線路運(yùn)行中產(chǎn)生的異常數(shù)據(jù)自動(dòng)檢測(cè)并識(shí)別分類，實(shí)現(xiàn)檢測(cè)異常數(shù)據(jù)并及時(shí)告警，減少高壓線路的安全風(fēng)險(xiǎn)。
2、本專利技術(shù)的目的是提出一種高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)方法，包括以下步驟：
3、步驟1：實(shí)時(shí)采集運(yùn)行數(shù)據(jù)流量，并進(jìn)行數(shù)據(jù)預(yù)處理，再轉(zhuǎn)到步驟2；
4、步驟2：將步驟1處理后的數(shù)據(jù)發(fā)送至?xí)r序預(yù)測(cè)模型，再轉(zhuǎn)到步驟3；
5、步驟3：通過時(shí)序預(yù)測(cè)模型生成對(duì)比流量變化基線，再轉(zhuǎn)到步驟4；
6、步驟4：判斷數(shù)據(jù)流量是否正常；若是，則轉(zhuǎn)到步驟5；若否，則高壓線路運(yùn)行正常；
7、步驟5：訓(xùn)練rime-cnn-lstm-attention模型，再轉(zhuǎn)到步驟6；
8、步驟6：檢測(cè)線路運(yùn)行異常數(shù)據(jù)流量，再轉(zhuǎn)到步驟7；
9、步驟7：判斷是否關(guān)聯(lián)流量預(yù)警；若是，則轉(zhuǎn)到步驟8；若否，則轉(zhuǎn)到步驟9；
10、步驟8：生成異常數(shù)據(jù)關(guān)聯(lián)預(yù)警信息，再同時(shí)轉(zhuǎn)到步驟10和步驟11；
11、步驟9：生成未知原因異常數(shù)據(jù)預(yù)警信息，再轉(zhuǎn)到步驟10；
12、步驟10：未知異常數(shù)據(jù)分析診斷；
13、步驟11：觸發(fā)線路異常數(shù)據(jù)應(yīng)急措施。
14、步驟5中rime-cnn-lstm-attention模型的構(gòu)建過程具體包括以下步驟：
15、步驟51：經(jīng)過attention注意力層處理數(shù)據(jù)集，重新評(píng)估輸入特性，計(jì)算新的權(quán)重；
16、步驟52：將提取的數(shù)據(jù)傳入cnn層；
17、步驟53：將cnn層的輸出傳遞到lstm層；
18、步驟54：使用冰霜優(yōu)化算法對(duì)lstm層的超參數(shù)進(jìn)行優(yōu)化；
19、步驟55：通過softmax分類器對(duì)模型預(yù)測(cè)結(jié)果進(jìn)行分類，得到高壓線路異常數(shù)據(jù)模型對(duì)運(yùn)行數(shù)據(jù)檢測(cè)的預(yù)測(cè)結(jié)果。
20、cnn層包括輸入層、卷積層、池化層和全連接層。
21、卷積層的激活函數(shù)為relu函數(shù)。
22、步驟5中訓(xùn)練rime-cnn-lstm-attention模型時(shí)，選擇的損失函數(shù)為cross-entropy。
23、一種高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)方法的檢測(cè)系統(tǒng)，包括高壓線路運(yùn)行狀態(tài)監(jiān)控模塊、高壓線路運(yùn)行流量監(jiān)控模塊、高壓線路運(yùn)行數(shù)據(jù)流量實(shí)時(shí)分析模塊、高壓線路運(yùn)行異常數(shù)據(jù)流量監(jiān)測(cè)模塊，且以上模塊依次連接。
24、高壓線路運(yùn)行狀態(tài)監(jiān)控模塊建立高壓線路運(yùn)行數(shù)據(jù)采集通道，監(jiān)測(cè)高壓線路的狀態(tài)變化。
25、高壓線路運(yùn)行流量監(jiān)控模塊建立高壓線路運(yùn)行數(shù)據(jù)監(jiān)測(cè)通道，監(jiān)測(cè)高壓線路運(yùn)行數(shù)據(jù)流量變化。
26、高壓線路運(yùn)行數(shù)據(jù)流量實(shí)時(shí)分析模塊采集高壓線路運(yùn)行數(shù)據(jù)流量信息，根據(jù)系統(tǒng)配置的流量預(yù)警閾值判斷異常數(shù)據(jù)流量。
27、高壓線路運(yùn)行異常數(shù)據(jù)流量監(jiān)測(cè)模塊對(duì)異常數(shù)據(jù)進(jìn)行分析并生成實(shí)時(shí)高壓線路運(yùn)行異常數(shù)據(jù)流量預(yù)警并觸發(fā)相應(yīng)的高壓線路異常數(shù)據(jù)應(yīng)急措施，同時(shí)同步高壓線路運(yùn)行數(shù)據(jù)流量信息至大數(shù)據(jù)分析平臺(tái)。
28、本專利技術(shù)的有益效果在于：
29、1.使用冰霜優(yōu)化算法對(duì)改進(jìn)的高壓線路異常檢測(cè)模型的超參數(shù)進(jìn)行優(yōu)化，可以有效提高高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)模型的檢測(cè)精確度。
30、2.本專利技術(shù)能夠自動(dòng)監(jiān)控線路運(yùn)行數(shù)據(jù)流量變化并進(jìn)行異常分析，相對(duì)于傳統(tǒng)的人工處理異常數(shù)據(jù)流量風(fēng)險(xiǎn)預(yù)警，提高了故障檢測(cè)和分析效率。該方法顯著減少人工干預(yù)和操作，提高了高壓線路運(yùn)行的安全性和穩(wěn)定性，同時(shí)降低了高壓線路運(yùn)營成本和維護(hù)難度。
31、3.使用cnn與lstm相結(jié)合的方法可以有效地提高高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)的準(zhǔn)確性和魯棒性。
32、4.該方法使用soft本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)方法，其特征在于，所述步驟5中RIME-CNN-LSTM-Attention模型的構(gòu)建過程具體包括以下步驟：
3.根據(jù)權(quán)利要求2所述的高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)方法，其特征在于，所述CNN層包括輸入層、卷積層、池化層和全連接層。
4.根據(jù)權(quán)利要求3所述的高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)方法，其特征在于，所述卷積層的激活函數(shù)為relu函數(shù)。
5.根據(jù)權(quán)利要求2所述的高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)方法，其特征在于，所述步驟5中訓(xùn)練RIME-CNN-LSTM-Attention模型時(shí)，選擇的損失函數(shù)為Cross-entropy。
6.一種權(quán)利要求1～5任一項(xiàng)所述高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)方法的檢測(cè)系統(tǒng)，其特征在于，包括高壓線路運(yùn)行狀態(tài)監(jiān)控模塊、高壓線路運(yùn)行流量監(jiān)控模塊、高壓線路運(yùn)行數(shù)據(jù)流量實(shí)時(shí)分析模塊、高壓線路運(yùn)行異常數(shù)據(jù)流量監(jiān)測(cè)模塊，且以上模塊依次連接。
7.根據(jù)權(quán)利要求6所述高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)方法的檢測(cè)系統(tǒng)，其
8.根據(jù)權(quán)利要求6所述高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)方法的檢測(cè)系統(tǒng)，其特征在于，所述高壓線路運(yùn)行流量監(jiān)控模塊建立高壓線路運(yùn)行數(shù)據(jù)監(jiān)測(cè)通道，監(jiān)測(cè)高壓線路運(yùn)行數(shù)據(jù)流量變化。
9.根據(jù)權(quán)利要求6所述高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)方法的檢測(cè)系統(tǒng)，其特征在于，所述高壓線路運(yùn)行數(shù)據(jù)流量實(shí)時(shí)分析模塊采集高壓線路運(yùn)行數(shù)據(jù)流量信息，根據(jù)系統(tǒng)配置的流量預(yù)警閾值判斷異常數(shù)據(jù)流量。
10.根據(jù)權(quán)利要求6所述高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)方法的檢測(cè)系統(tǒng)，其特征在于，所述高壓線路運(yùn)行異常數(shù)據(jù)流量監(jiān)測(cè)模塊對(duì)異常數(shù)據(jù)進(jìn)行分析并生成實(shí)時(shí)高壓線路運(yùn)行異常數(shù)據(jù)流量預(yù)警并觸發(fā)相應(yīng)的高壓線路異常數(shù)據(jù)應(yīng)急措施，同時(shí)同步高壓線路運(yùn)行數(shù)據(jù)流量信息至大數(shù)據(jù)分析平臺(tái)。
...【技術(shù)特征摘要】
1.一種高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)方法，其特征在于，所述步驟5中rime-cnn-lstm-attention模型的構(gòu)建過程具體包括以下步驟：
3.根據(jù)權(quán)利要求2所述的高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)方法，其特征在于，所述cnn層包括輸入層、卷積層、池化層和全連接層。
4.根據(jù)權(quán)利要求3所述的高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)方法，其特征在于，所述卷積層的激活函數(shù)為relu函數(shù)。
5.根據(jù)權(quán)利要求2所述的高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)方法，其特征在于，所述步驟5中訓(xùn)練rime-cnn-lstm-attention模型時(shí)，選擇的損失函數(shù)為cross-entropy。
6.一種權(quán)利要求1～5任一項(xiàng)所述高壓線路運(yùn)行異常數(shù)據(jù)檢測(cè)方法的檢測(cè)系統(tǒng)，其特征在于，包括高壓線路運(yùn)行狀態(tài)監(jiān)控模塊、高壓線路運(yùn)行流量監(jiān)控模塊、高壓線路運(yùn)行數(shù)據(jù)流量實(shí)時(shí)分析模塊、高壓...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：焦宇陽，劉青，尚英強(qiáng)，丁一銘，張彥輝，吳夢(mèng)焓，
申請(qǐng)(專利權(quán))人：北京卓越電力建設(shè)有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。