买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：湖北华中电力科技开发有限责任公司;国网湖北省电力有限公司

摘要：本发明提供一种配电台区隐患辨识能力提升方法、装置、系统及存储介质，该方法包括：步骤一、获取配电台区的数据：所述配电台区的数据包括设备运行时无时序依赖关系的数据以及存在时序关系的数据；步骤二、对于配电台区的无时序依赖关系的数据，使用孤立森林算法检测异常样本点；步骤三、时间序列异常预测：对于存在时序关系的数据，利用长短期神经网络算法进行学习，基于监测数据并结合负荷变化的历史信息序列，考虑负荷日周季度间的周期性变化趋势与影响因素导致的突发性变化趋势，对未来的趋势进行预测。本发明以异常检测和异常预测结合的方式帮助判断台区设备的整体状态，使用孤立森林算法和长短期神经网络算法解决问题。

主权项：1.一种配电台区隐患辨识能力提升方法，其特征在于：包括如下步骤：步骤一、获取配电台区的数据：所述配电台区的数据包括设备运行时无时序依赖关系的数据以及存在时序关系的数据；步骤二、孤立森林异常检测：对于配电台区的无时序依赖关系的数据，使用孤立森林算法检测异常样本点，基于收集的样本数据集分布情况，考虑异常状态的可能性，从而判断是否数据存在异常；步骤三、时间序列异常预测：对于存在时序关系的数据，利用长短期神经网络算法进行学习，基于监测数据并结合负荷变化的历史信息序列，考虑负荷日周季度间的周期性变化趋势与影响因素导致的突发性变化趋势，对未来的趋势进行预测；所述配电台区的数据按设备进行管理，设备按类型进行管理；台区下同一类设备统一管理，拥有一致的属性变量，根据其模型定义判断各属性变量的类型、定义、处理方式；对设备的属性进行归类，分别进行不同的处理策略：离散数据进行异常监测，判断其在同类设备下的相同属性的取值分布中是否合理；连续时序数据进行时间序列异常预测，判断其在同一设备下的取值波动中取值是否合理；步骤二具体包括：在孤立森林的训练阶段，对每个子集通过随机选取特征划分的形式生成一棵孤立树，直到孤立树达到限定的高度，或无法继续划分；在孤立森林的测试阶段，用异常值来衡量样本为异常点的可能性大小；将测试样本按中间节点划分条件分支向下走，直到达到叶节点，并记录路径长度hx，则异常值s的计算方法为： 其中，cn表示孤立树的平均路径长度，Ehx表示样本的期望路径长度，通过拟定一个异常阈值，判读异常值大于该异常阈值的样本为异常点；步骤三具体包括：长短期神经网络算法的模型使用梯度下降法进行训练，根据模型输出与真实数值之间的误差来更新模型权重，误差用损失函数来衡量，根据不同的建模任务选择不同的损失函数来衡量误差；通过计算误差对参数的梯度，以衡量参数对误差造成的影响，得到参数的更新值： wij＝wij+η·gij其中，A为对应神经元的激活输出值，为待更新的第i个神经元的第j个权值，η为学 习率，决定模型训练的快慢，待模型训练完成后，对于输入序列X，得到输出序列Y： Yt＝σWO[A＜t-1＞,Xt]+bO。

全文数据：

权利要求：

百度查询： 湖北华中电力科技开发有限责任公司 国网湖北省电力有限公司 一种配电台区隐患辨识能力提升方法、装置、系统及存储介质