【技術實現步驟摘要】
本專利技術涉及數據識別，更具體的說是涉及一種配電網異常數據識別方法、系統、設備、介質。
技術介紹
1、隨著智能電網的快速發展，配電網的規模和復雜性不斷增加，各類運行數據直接影響著配電網的正常運行。因此，對配電網的異常數據識別提出了更高的要求。為了提高配電網的穩定性和安全性，需要對配電網的異常數據進行精準識別，排除異常數據對配電網的正常運行帶來的干擾因素。
2、公開號為cn114116832a，名稱為一種基于數據驅動的配電網異常識別方法，包括以下步驟，建立由各節點電壓測量數據組成的高維矩陣模型，選取平均譜半徑作為線性特征值統計量，確定故障發生時刻；應用增廣矩陣理論進行數據相關性分析，構造平均譜半徑偏差率作為定量指標，衡量各節點電壓對系統運行狀態的影響程度。
3、公開號為cn111651503a，名稱為一種配電網數據異常識別方法、系統及終端設備，通過配電網的運行數據的第一次處理和第二處理得到樣本數據、監測數據、第一趨勢曲線和第一趨勢偏離程度，根據第一趨勢偏離程度滿足第一預設條件，得到可靠數據，基于樣本數據和監測數據的第二趨勢曲線、第二趨勢曲線的可靠度，基于第二趨勢曲線的可靠度是否滿足第二預設條件，識別與第二趨勢偏離程度對應配電網的運行數據為不可靠數據，再識別不可靠數據是否滿足第三預設條件，得到不可靠數據對應的配電網的運行數據為異常數據。
4、在目前已有的配電數據識別方法中，由于配電數據影響因素眾多，不同配電區域的配電數數據對比標準不統一，導致異常數據識別困難等問題頻發。
5、因此，如何
技術實現思路
1、有鑒于此，本專利技術提供了一種配電網異常數據識別方法、系統、設備、介質，旨在解決配電網異常數據識別方法，以解決對不同配電區域的配電數據進行異常數據識別過程中存在困難的技術問題。
2、為了實現上述目的，本專利技術采用如下技術方案：
3、一種配電網異常數據識別方法，包括：
4、基于配電數據對應的配電區域確定所述配電數據對應的第一數據；
5、根據所述配電數據對應的配電日期從所述第一數據中篩選出所述配電數據對應的第二數據；
6、基于所述第二數據對應的環境信息以及所述配電數據對應的環境信息對所述第二數據進行調整，得到所述配電數據對應的預測數據；
7、根據所述預測數據和所述配電數據，確定綜合損失函數；
8、基于所述綜合損失函數構建異常識別模型；
9、基于所述異常識別模型對比所述預測數據和所述配電數據，篩選得到所述配電數據中的異常數據。
10、進一步的，所述根據所述預測數據和所述配電數據，確定綜合損失函數，包括：
11、計算所述預測數據和所述配電數據的偏差，作為第一損失參數；
12、計算所述預測數據和所述配電數據的平均絕對誤差，作為第二損失函數；
13、基于所述第一損失參數和所述第二損失參數，確定所述綜合損失函數。
14、進一步的，所述綜合損失函數的計算公式為：
15、
16、其中，loss為損失函數，mae為平均絕對誤差，bias為偏差，n為樣本數，ytrue,i為第i個樣本的配電數據，ypred,i為第i個樣本的預測數據。
17、進一步的，在對比所述預測數據和所述配電數據之前，還包括：
18、基于所述配電數據對應的配電區域的業擴信息確定所述配電數據對應的業擴指數；所述業擴指數用于表征業擴程度；
19、所述業擴指數大于預設指數，基于所述業擴指數對所述預測數據進行調整。
20、進一步的，所述業擴信息包括新增用戶量、增容量、減容量；所述基于所述配電數據對應的配電區域的業擴信息確定所述配電數據對應的業擴指數，包括：
21、通過第一公式計算所述配電數據對應的業擴指數；
22、所述第一公式為：
23、s＝α∑kiqi+(1-α)(q增-q減)
24、式中，s為業擴指數，α為權重系數，i為配電數據對應的配電區域的區域屬性編號，ki為第類區域的用戶個數，qi為第類區域內單個用戶的用電容量，q增為增容量，q減為減容量。
25、進一步的，所述基于所述第二歷史數據對應的環境信息以及所述配電數據對應的環境信息對所述第二歷史數據進行調整，得到所述配電數據對應的預測數據，包括：
26、將所述第二數據對應的環境信息輸入至預先訓練的深度學習模型中，得到第二數據對應的第一環境影響指數；
27、將所述配電數據對應的環境信息輸入至所述預先訓練的深度學習模型中，得到所述配電數據對應的第二環境影響指數；
28、基于所述第二環境影響指數和所述第一環境影響指數的比值對所述第二數據進行調整，得到所述配電數據對應的預測數據。
29、進一步的，還包括：
30、設定參考配電數據，將所述參考配電數據的環境影響指數確定為第一指數；
31、基于每個歷史配電數據與所述參考配電數據的比值對第一指數進行調整，得到所述每個歷史配電數據對應的環境影響指數；
32、將所述每個歷史配電數據及所述每個歷史配電數據對應的環境影響指數作為訓練集訓練得到深度學習模型。
33、一種配電網異常數據識別系統，包括：
34、第一數據篩選模塊，用于基于配電數據對應的配電區域確定所述配電數據對應的第一數據；
35、第二數據篩選模塊，用于根據所述配電數據對應的配電日期從所述第一數據中篩選出所述配電數據對應的第二數據；
36、數據調整模塊，用于基于所述第二數據對應的環境信息以及所述配電數據對應的環境信息對所述第二數據進行調整，得到所述配電數據對應的預測數據；
37、損失函數確定模塊，用于根據所述預測數據和所述配電數據，確定綜合損失函數；
38、模型構建模塊，用于基于所述綜合損失函數構建異常識別模型；
39、數據識別模塊，用于基于所述異常識別模型對比所述預測數據和所述配電數據，篩選得到所述配電數據中的異常數據。
40、一種電子設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如權利要求1至7任一項所述方法的步驟。
41、一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述方法的步驟。
42、上述技術方案至少包括如下技術效果：
43、經由上述的技術方案可知，本專利技術公開提供了一種配電網異常數據識別方法、系統、設備、介質，相較于現有技術，本專利技術能夠考慮到不同配電區域和配電日期對應的配電數據具有不同特征，本實施例提供的配電網異常數據識別方法根據本文檔來自技高網...
【技術保護點】
1.一種配電網異常數據識別方法，其特征在于，包括：
2.根據權利要求1所述的一種配電網異常數據識別方法，其特征在于，所述根據所述預測數據和所述配電數據，確定綜合損失函數，包括：
3.根據權利要求2所述的一種配電網異常數據識別方法，其特征在于，所述綜合損失函數的計算公式為：
4.根據權利要求1所述的一種配電網異常數據識別方法，其特征在于，在對比所述預測數據和所述配電數據之前，還包括：
5.根據權利要求4所述的一種配電網異常數據識別方法，其特征在于，所述業擴信息包括新增用戶量、增容量、減容量；所述基于所述配電數據對應的配電區域的業擴信息確定所述配電數據對應的業擴指數，包括：
6.根據權利要求1所述的一種配電網異常數據識別方法，其特征在于，所述基于所述第二歷史數據對應的環境信息以及所述配電數據對應的環境信息對所述第二歷史數據進行調整，得到所述配電數據對應的預測數據，包括：
7.根據權利要求6所述的一種配電網異常數據識別方法，其特征在于，還包括：
8.一種配電網異常數據識別系統，適用于權利要求1-7所述的
9.一種電子設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1至7任一項所述方法的步驟。
10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1至7任一項所述方法的步驟。
...【技術特征摘要】
1.一種配電網異常數據識別方法，其特征在于，包括：
2.根據權利要求1所述的一種配電網異常數據識別方法，其特征在于，所述根據所述預測數據和所述配電數據，確定綜合損失函數，包括：
3.根據權利要求2所述的一種配電網異常數據識別方法，其特征在于，所述綜合損失函數的計算公式為：
4.根據權利要求1所述的一種配電網異常數據識別方法，其特征在于，在對比所述預測數據和所述配電數據之前，還包括：
5.根據權利要求4所述的一種配電網異常數據識別方法，其特征在于，所述業擴信息包括新增用戶量、增容量、減容量；所述基于所述配電數據對應的配電區域的業擴信息確定所述配電數據對應的業擴指數，包括：
6.根據權利要求1所述的一種配電網異常數據識別方法，其特征在于...
【專利技術屬性】
技術研發人員：徐倩，姚荃，石碧薇，戎士敏，王聰，宋楠，邊喆，李延龍，劉濤，杜鵬宇，王兆謙，姚齊，
申請(專利權)人：國網河北省電力有限公司石家莊供電分公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。