基于SOM聚類的電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法

王磊，朱皓，黃力，張宏俊

(貴州電網(wǎng)有限責(zé)任公司六盤水供電局，貴州 六盤水，550001)

隨著電力行業(yè)不斷地向信息化發(fā)展，電力信息系統(tǒng)已經(jīng)成為我們工作中重要的組成部分[1]。電力信息系統(tǒng)可以實(shí)現(xiàn)信息共享，但在給人們帶來便利的同時(shí)，也面臨著電力運(yùn)行數(shù)據(jù)泄露的風(fēng)險(xiǎn)。在電力信息系統(tǒng)數(shù)據(jù)庫中存儲(chǔ)著大量的數(shù)據(jù)，對(duì)企業(yè)和個(gè)人來說，這些數(shù)據(jù)可能是絕密的，如果不能保證電力運(yùn)行數(shù)據(jù)的安全，不僅影響人們的生活，甚至?xí)斐韶?cái)產(chǎn)的重大損失[2]。電力運(yùn)行數(shù)據(jù)泄露的風(fēng)險(xiǎn)來源主要有兩個(gè)方面，一是來自電力信息系統(tǒng)外網(wǎng)，來自外網(wǎng)的泄露風(fēng)險(xiǎn)更引起相關(guān)領(lǐng)域的關(guān)注；二是來自電力信息系統(tǒng)網(wǎng)絡(luò)內(nèi)部的泄露風(fēng)險(xiǎn)，也得到了相關(guān)領(lǐng)域的重視。因此，對(duì)電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法的研究，成為電力信息系統(tǒng)領(lǐng)域關(guān)注的焦點(diǎn)[3]。

劉科研等人[4]提出了一種基于數(shù)據(jù)挖掘的電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法，首先采集電力運(yùn)行數(shù)據(jù)泄露信息，對(duì)采集的信息進(jìn)行去冗，再利用改進(jìn)的有限元方程算法對(duì)電力運(yùn)行泄露數(shù)據(jù)進(jìn)行分析計(jì)算，得到泄露信息的特征集，利用數(shù)據(jù)挖掘系統(tǒng)對(duì)特征集進(jìn)行風(fēng)險(xiǎn)預(yù)警。實(shí)驗(yàn)結(jié)果表明，基于數(shù)據(jù)挖掘的電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法，可有效地提高電力信息系統(tǒng)的風(fēng)險(xiǎn)預(yù)警準(zhǔn)確性。李敏等人[5]為了保證電力運(yùn)行數(shù)據(jù)的安全，提出了一種基于信息聚類融合處理的電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法。構(gòu)建電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)評(píng)估仿真模型，采集電力信息系統(tǒng)運(yùn)行狀態(tài)下的數(shù)據(jù)信息，利用模糊自適應(yīng)C聚類算法對(duì)運(yùn)行狀態(tài)下的電力數(shù)據(jù)進(jìn)行狀態(tài)評(píng)估，選取電力信息系統(tǒng)運(yùn)行狀態(tài)下風(fēng)險(xiǎn)特征量子，利用信息追蹤反饋技術(shù)對(duì)風(fēng)險(xiǎn)特征量子進(jìn)行預(yù)警。仿真試驗(yàn)結(jié)果證明，基于信息聚類融合處理的電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法，可對(duì)運(yùn)行的電力數(shù)據(jù)風(fēng)險(xiǎn)信息進(jìn)行實(shí)時(shí)預(yù)警，有效地保證了電力運(yùn)行數(shù)據(jù)的安全。

針對(duì)上述分析可知，雖然現(xiàn)有方法可以有效地進(jìn)行實(shí)施預(yù)警，但是存在很多電力運(yùn)行數(shù)據(jù)泄露都無法追蹤到具體的路徑，使相關(guān)領(lǐng)域?qū)τ陔娏\(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法研究舉步維艱。因此，本文基于SOM聚類，對(duì)電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法進(jìn)行研究，以期為實(shí)現(xiàn)電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警的實(shí)施提供幫助。

1 電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法設(shè)計(jì)

1.1 檢測(cè)電力運(yùn)行數(shù)據(jù)泄露節(jié)點(diǎn)

在電力信息系統(tǒng)運(yùn)行過程中，當(dāng)運(yùn)行數(shù)據(jù)發(fā)生變化時(shí)，其變化值超過目標(biāo)值時(shí)，表明發(fā)生了數(shù)據(jù)泄露，需要對(duì)電力運(yùn)行數(shù)據(jù)泄露節(jié)點(diǎn)進(jìn)行檢測(cè)。利用電力運(yùn)行數(shù)據(jù)的信息特征量結(jié)合動(dòng)態(tài)目標(biāo)值[6-7]，對(duì)泄露節(jié)點(diǎn)進(jìn)行預(yù)警。這種檢測(cè)電力運(yùn)行數(shù)據(jù)泄露節(jié)點(diǎn)的方法，可以根據(jù)電力運(yùn)行數(shù)據(jù)的歷史目標(biāo)值變化，調(diào)整相應(yīng)的目標(biāo)閾值，再通過對(duì)泄露節(jié)點(diǎn)的信息值與調(diào)整后的目標(biāo)閾值進(jìn)行對(duì)比分析[8]，通過分析結(jié)果判斷電力運(yùn)行數(shù)據(jù)是否存在泄露節(jié)點(diǎn)。具體操作如下：

Step1：在時(shí)間t內(nèi)對(duì)電力信息系統(tǒng)的電力運(yùn)行數(shù)據(jù)進(jìn)行信息采集，并對(duì)采集到的數(shù)據(jù)進(jìn)行分析；

Step2：計(jì)算時(shí)間t內(nèi)，計(jì)算出每一個(gè)電力運(yùn)行數(shù)據(jù)的特征量值E，根據(jù)特征量值使運(yùn)行數(shù)據(jù)信息進(jìn)行矩陣排列：

(1)

上述公式中，N為在時(shí)間T內(nèi)，電力信息系統(tǒng)不同節(jié)點(diǎn)出現(xiàn)的電力運(yùn)行數(shù)據(jù)信息的數(shù)量值，Q為第i個(gè)節(jié)點(diǎn)電力運(yùn)行數(shù)據(jù)占總電力運(yùn)行數(shù)據(jù)的百分比。

Step3：計(jì)算電力信息系統(tǒng)正常運(yùn)行情況下，電力運(yùn)行數(shù)據(jù)泄露節(jié)點(diǎn)的時(shí)刻檢測(cè)閾值ω[9-10]，以及與平均目標(biāo)閾值的差值。如果兩個(gè)電力運(yùn)行數(shù)據(jù)信息節(jié)點(diǎn)的閾值差小于k*D，表明電力信息系統(tǒng)運(yùn)行正常[11]。如果兩個(gè)電力運(yùn)行數(shù)據(jù)信息節(jié)點(diǎn)的閾值差大于k*D，則表明存在泄露節(jié)點(diǎn)。A為檢測(cè)電力運(yùn)行數(shù)據(jù)泄露節(jié)點(diǎn)的時(shí)刻檢測(cè)閾值ω的平均值，D為平均閾值A(chǔ)與ω之間存在的偏導(dǎo)系數(shù)；k為電力運(yùn)行數(shù)據(jù)泄露節(jié)點(diǎn)的最大偏導(dǎo)系數(shù)，該指數(shù)直接影響檢測(cè)電力運(yùn)行數(shù)據(jù)泄露節(jié)點(diǎn)的準(zhǔn)確性。計(jì)算公式如下：

(2)

(3)

如果電力信息系統(tǒng)沒有電力運(yùn)行數(shù)據(jù)泄露節(jié)點(diǎn)，可以在上述的矩陣中通過計(jì)算得到目標(biāo)閾值，并根據(jù)公式(3)對(duì)各個(gè)電力運(yùn)行數(shù)據(jù)節(jié)點(diǎn)進(jìn)行目標(biāo)閾值更新，以方便下一輪的電力運(yùn)行數(shù)據(jù)泄露節(jié)點(diǎn)檢測(cè)。

如果電力信息系統(tǒng)存在電力運(yùn)行數(shù)據(jù)泄露節(jié)點(diǎn)，則更新各個(gè)電力運(yùn)行數(shù)據(jù)節(jié)點(diǎn)的目標(biāo)閾值[12]。直接對(duì)電力運(yùn)行數(shù)據(jù)泄露節(jié)點(diǎn)檢測(cè)，保證檢測(cè)數(shù)據(jù)的實(shí)時(shí)性與準(zhǔn)確性。

1.2 電力運(yùn)行數(shù)據(jù)樣本的自適應(yīng)分類

為了有效地對(duì)電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)進(jìn)行提前預(yù)警，采用自適應(yīng)SOM聚類的方法[13-14]，根據(jù)電力信息系統(tǒng)正常運(yùn)行情況下泄露節(jié)點(diǎn)的特征量，確定基于自適應(yīng)SOM聚類的電力運(yùn)行數(shù)據(jù)樣本數(shù)，操作過程如下：

首先，設(shè)電力信息系統(tǒng)正常運(yùn)行下電力運(yùn)行數(shù)據(jù)的泄露節(jié)點(diǎn)集合為X=x1,x2,……,xN，各個(gè)泄露節(jié)點(diǎn)的電力運(yùn)行數(shù)據(jù)和為目標(biāo)集合A(L)，B(L)為電力運(yùn)行數(shù)據(jù)泄露節(jié)點(diǎn)的種類，L為電力信息系統(tǒng)運(yùn)行情況下電力運(yùn)行數(shù)據(jù)樣本的自適應(yīng)分類。

其次，以第一個(gè)電力運(yùn)行數(shù)據(jù)泄露節(jié)點(diǎn)作為起點(diǎn)，確定自適應(yīng)聚類中心為泄露節(jié)點(diǎn)的樣本點(diǎn)，規(guī)定數(shù)據(jù)信息的密度集為xi，并將密度集作為自適應(yīng)聚類中心的核心節(jié)點(diǎn)[15]，當(dāng)A(1)=xi，B(1)=1時(shí)，電力運(yùn)行數(shù)據(jù)樣本的密度指數(shù)如下：

(4)

上述公式中，d1為電力型數(shù)據(jù)的樣本點(diǎn)，xi為聚類中心的半徑。

然后，計(jì)算出每一個(gè)電力運(yùn)行數(shù)據(jù)泄露節(jié)點(diǎn)的樣本點(diǎn)xj與聚類中心的距離r，設(shè)自適應(yīng)聚類閾值為d2。當(dāng)r小于或等于d2時(shí)，將電力運(yùn)行數(shù)據(jù)泄露節(jié)點(diǎn)的樣本點(diǎn)歸入自適應(yīng)聚類中心中，當(dāng)r大于d2時(shí)，樣本點(diǎn)暫不做歸類處理。把上述已歸類的樣本點(diǎn)重新做自適應(yīng)分析處理，得到樣本集合X′，重復(fù)上述操作，設(shè)定一個(gè)閾值為M，最終使r≤d2。綜上所述，得到電力運(yùn)行數(shù)據(jù)樣本自適應(yīng)分類L。

利用下述公式計(jì)算，求得每一個(gè)電力運(yùn)行數(shù)據(jù)泄露節(jié)點(diǎn)樣本的類別A(i)，ci為隱藏樣本的原始數(shù)據(jù)。

(5)

上述公式中，i=1,2,3,……,L。

通過上述公式得到隱藏樣本的聚類中心，再利用下面公式求得聚類函數(shù)的擴(kuò)展度[16-17]。

(6)

上述公式中，cmax為原始數(shù)據(jù)中心點(diǎn)與聚類中心的距離。利用聚類函數(shù)[18]，實(shí)現(xiàn)電力運(yùn)行數(shù)據(jù)樣本的自適應(yīng)分類，則得出：

(7)

綜上所述，通過對(duì)電力信息系統(tǒng)電力運(yùn)行數(shù)據(jù)泄露節(jié)點(diǎn)的樣本進(jìn)行自適應(yīng)聚類，增加其聚類函數(shù)的擴(kuò)展度，最終實(shí)現(xiàn)電力運(yùn)行數(shù)據(jù)樣本的自適應(yīng)分類。

1.3 構(gòu)建電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警模型

本文基于SOM聚類分析，對(duì)電力運(yùn)行數(shù)據(jù)泄露節(jié)點(diǎn)進(jìn)行采集篩查，并通過自適應(yīng)分類[19]，最終構(gòu)建電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警模型。

設(shè)H為電力運(yùn)行數(shù)據(jù)W的信息合集，Y為電力運(yùn)行數(shù)據(jù)的特征量，O為每個(gè)節(jié)點(diǎn)電力運(yùn)行數(shù)據(jù)的抽樣的樣本，得到電力信息系統(tǒng)的電力運(yùn)行數(shù)據(jù)泄露時(shí)刻特征量為：

W=(H,Y,O)

(8)

設(shè)O為電力信息系統(tǒng)運(yùn)行過程某個(gè)隱蔽的電力運(yùn)行數(shù)據(jù)泄露節(jié)點(diǎn)[20-21]，那么O就是n個(gè)泄露節(jié)點(diǎn)內(nèi)的一個(gè)泄露風(fēng)險(xiǎn)信息，那么用下述方程表示電力運(yùn)行數(shù)據(jù)泄露信息O：

∑ωa1a2……amxa1xa2……+b0……0

(9)

上述方程中，無法確定的電力運(yùn)輸數(shù)據(jù)泄露風(fēng)險(xiǎn)信息為ωa1a2……am，電力運(yùn)行數(shù)據(jù)信息泄露點(diǎn)合集為a=1,2,3,……,r，當(dāng)隱藏泄露點(diǎn)信息量為x=xa1,xa2,……,aam，結(jié)合公式(9)可得到相應(yīng)的電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)信息為：

(10)

用以下公式表示，當(dāng)電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)信息進(jìn)入監(jiān)控區(qū)域時(shí)，對(duì)泄露風(fēng)險(xiǎn)信息進(jìn)行聚類分析[22-23]，然后通過聚類樣本的動(dòng)態(tài)閾值確定準(zhǔn)確的泄露風(fēng)險(xiǎn)節(jié)點(diǎn)。

(11)

假如，G為電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)信息的橫向函數(shù)差，則電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)函數(shù)為：

(12)

假如，電力運(yùn)行數(shù)據(jù)信息的輸入樣本l的泄露風(fēng)險(xiǎn)信息為xl，k為電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)信息的樣本因子，ck代表聚類樣本信息重點(diǎn)，ωkj為各個(gè)電力運(yùn)輸數(shù)據(jù)節(jié)點(diǎn)的連接值，m和yj為電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)信息的函數(shù)數(shù)目與種類，那么得到電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警函數(shù)公式為：

(13)

根據(jù)電力運(yùn)行數(shù)據(jù)方程，計(jì)算了電力運(yùn)行數(shù)據(jù)的具體數(shù)值，利用電力運(yùn)行數(shù)據(jù)的轉(zhuǎn)入函數(shù)，構(gòu)建了電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警模型，實(shí)現(xiàn)了電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)的預(yù)警。

2 仿真分析

為了證明基于SOM聚類的電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法在實(shí)際應(yīng)用中可以達(dá)到一種可觀的效果，將此次預(yù)警方法應(yīng)用于某電網(wǎng)實(shí)時(shí)運(yùn)行風(fēng)險(xiǎn)管控系統(tǒng)中進(jìn)行驗(yàn)證。

2.1 搭建仿真環(huán)境

該電網(wǎng)實(shí)時(shí)運(yùn)行風(fēng)險(xiǎn)管控系統(tǒng)的數(shù)據(jù)傳輸與發(fā)送主要表現(xiàn)在電網(wǎng)能量管理模塊，該模塊包括主站、生產(chǎn)管理系統(tǒng)以及調(diào)度操作執(zhí)行下發(fā)系統(tǒng)三部分，其中主站每5分鐘向總系統(tǒng)發(fā)布最新的電網(wǎng)運(yùn)行數(shù)據(jù)信息，提供其必需的電網(wǎng)運(yùn)行負(fù)荷等基本參數(shù)。生產(chǎn)管理系統(tǒng)則作為存儲(chǔ)和管理預(yù)設(shè)數(shù)據(jù)的來源，向其提供預(yù)設(shè)數(shù)據(jù)信息。調(diào)度操作執(zhí)行下發(fā)系統(tǒng)由調(diào)度員定期發(fā)送調(diào)度操作指令，供風(fēng)險(xiǎn)管控系統(tǒng)分析決策。基于此分析，設(shè)置了如表1所示的仿真環(huán)境參數(shù)。

表1 仿真環(huán)境參數(shù)Tab.1 Simulation environment parameters

2.2 設(shè)定評(píng)價(jià)指標(biāo)

在表1仿真環(huán)境參數(shù)設(shè)置完成后，確定此次仿真分析的評(píng)級(jí)指標(biāo)?？紤]到電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警需要具備實(shí)時(shí)性、高精度等特點(diǎn)，因此設(shè)定預(yù)警精度、查全率以及查全率和風(fēng)險(xiǎn)預(yù)警精度的調(diào)和均值為此次仿真分析的三個(gè)評(píng)價(jià)指標(biāo)。評(píng)價(jià)指標(biāo)參數(shù)的結(jié)果解釋如表2所示。

表2 評(píng)價(jià)指標(biāo)參數(shù)的結(jié)果解釋Tab.2 Result interpretation of evaluation index parameters

假設(shè)precision表示電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警精度，recall為查全率，F(xiàn)-measure表示查全率和風(fēng)險(xiǎn)預(yù)警精度的調(diào)和均值，計(jì)算公式為：

(14)

(15)

(16)

2.3 結(jié)果與分析

分別引入傳統(tǒng)電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法、文獻(xiàn)[4]的數(shù)據(jù)挖掘方法和文獻(xiàn)[5]的信息聚類融合處理方法，與基于SOM聚類的電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法形成對(duì)比進(jìn)行仿真分析，在2000組～9000組不同規(guī)模測(cè)試組內(nèi)進(jìn)行仿真分析，結(jié)果如下。

四種風(fēng)險(xiǎn)預(yù)警方法的準(zhǔn)確率對(duì)比結(jié)果如圖1所示。

圖1 預(yù)警準(zhǔn)確率對(duì)比結(jié)果Fig.1 Comparison results of early warning accuracy

從圖1的結(jié)果可以看出，與其他三種電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法相比，基于SOM聚類的電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法獲取到的預(yù)警準(zhǔn)確率在70%以上，并且始終沒有出現(xiàn)比較大的波形。原因是本文設(shè)計(jì)的風(fēng)險(xiǎn)預(yù)警方法采用SOM聚類的方法首先檢測(cè)了電力運(yùn)行數(shù)據(jù)泄露節(jié)點(diǎn)，減少了電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)在預(yù)警的最后階段產(chǎn)生的干擾信息，大大提高了電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)的預(yù)警準(zhǔn)確率。

為了驗(yàn)證基于SOM聚類的電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法在應(yīng)用時(shí)的性能，測(cè)試了四種電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法的F-measure值，結(jié)果如圖2所示。

圖2 F-measure值對(duì)比結(jié)果Fig.2 F-measure value comparison results

從圖2的結(jié)果可以看出，隨著迭代次數(shù)的增加，基于SOM聚類的電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法在預(yù)警電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)時(shí)的性能是最好的，F(xiàn)-measure值最高時(shí)為迭代20次時(shí)的0.8。原因是本文設(shè)計(jì)的電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法可以通過對(duì)電力運(yùn)行數(shù)據(jù)樣本進(jìn)行自適應(yīng)分類，計(jì)算出可能出現(xiàn)泄露風(fēng)險(xiǎn)的節(jié)點(diǎn)，大大降低了電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警的計(jì)算量，還可以有效提高查全率，最終獲得的預(yù)警結(jié)果具有更高的可信度。

基于SOM聚類的電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法在實(shí)際應(yīng)用過程中幅度波動(dòng)率測(cè)試結(jié)果如圖3所示。

圖3 幅度波動(dòng)率測(cè)試結(jié)果Fig.3 Range volatility test results

電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警幅度波動(dòng)率可以反映出風(fēng)險(xiǎn)預(yù)警模型的預(yù)警結(jié)果是否穩(wěn)定，判斷出外界環(huán)境因素是否會(huì)影響預(yù)警效果。從圖3的結(jié)果可以看出，基于SOM聚類的電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法在應(yīng)用過程中預(yù)警的幅度波動(dòng)率保持在[50,-50]之間，說明本文設(shè)計(jì)的風(fēng)險(xiǎn)預(yù)警模型在外界環(huán)境干擾的條件下，也可以獲得更加準(zhǔn)確的風(fēng)險(xiǎn)預(yù)警效果，適合在多種環(huán)境中應(yīng)用。

3 結(jié)束語

為了有效緩解電力系統(tǒng)中電力運(yùn)行數(shù)據(jù)的泄露問題，采用SOM聚類方法對(duì)電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法進(jìn)行改善，結(jié)果顯示，本文設(shè)計(jì)的電力運(yùn)行數(shù)據(jù)泄露風(fēng)險(xiǎn)預(yù)警方法在實(shí)際應(yīng)用中具有更好的預(yù)警效果，預(yù)警準(zhǔn)確率在70%以上，查全率和風(fēng)險(xiǎn)預(yù)警精度的調(diào)和均值最高時(shí)為迭代20次時(shí)的0.8，預(yù)警的幅度波動(dòng)率保持在[50,-50]。由于本文參考的文獻(xiàn)資料有限，雖然可以檢測(cè)出電力運(yùn)行數(shù)據(jù)的泄露節(jié)點(diǎn)，但是無法確定泄露路徑，仍然無法從根本上解決電力運(yùn)行數(shù)據(jù)的泄露問題，在今后的研究中要考慮到這一因素。