基于數(shù)據(jù)挖掘的電能量數(shù)據(jù)異常特征提取方法

代 慶，陳耀沖，張 霞

（南方電網(wǎng)數(shù)字電網(wǎng)研究院有限公司，廣東廣州 510520）

為了實現(xiàn)電能數(shù)據(jù)的合理利用，必須保證電能數(shù)據(jù)的質(zhì)量滿足應用要求[1]，需要進行電能數(shù)據(jù)異常特征的提取[2]。

電能量數(shù)據(jù)維度較為顯著，且數(shù)據(jù)量龐大，這對電能量數(shù)據(jù)異常特征準確、高效提取存在一定影響，文獻[3]、文獻[4]分別提出了基于DBN-RF 的電網(wǎng)工控系統(tǒng)異常識別方法、基于KL 變換和KL 散度的電網(wǎng)數(shù)據(jù)特征提取與分類方法，這兩種方法對電能量數(shù)據(jù)異常特征的提取精度較高，但運算過程較為復雜，實時性得不到保證，對高維、海量的電能量數(shù)據(jù)應用的適用性較差。為此，該文提出基于數(shù)據(jù)挖掘的電能量數(shù)據(jù)異常特征提取方法，以期實現(xiàn)電能量數(shù)據(jù)異常特征的實時提取。

1 數(shù)據(jù)異常特征提取方法

1.1 異常電能量數(shù)據(jù)檢測方法

快速密度峰值聚類算法存在兩種假設：第一種是異常電能量數(shù)據(jù)聚類中心被密度較小的鄰居數(shù)據(jù)包圍[5]；第二種是聚類中心和其他密度較小的數(shù)據(jù)點距離均十分顯著[6]。

此類情況下，針對異常電能量數(shù)據(jù)樣本點而言，必須運算兩種參數(shù)：局部密度qj與距離αj。局部密度qj的運算和另一個參數(shù)階段距離ec存在密不可分的關(guān)系，電能量數(shù)據(jù)集里隨機一個樣本點yj的局部密度qj為：

其中，電能量數(shù)據(jù)樣本點yj和yi的距離是eji；β是樣本數(shù)量。qj可描述電能量數(shù)據(jù)集Y里和yj距離低于ec的異常電能量數(shù)據(jù)樣本點數(shù)目。

距離αj描述為：

其中，qi是電能量數(shù)據(jù)樣本點i局部密度；αj是描述電能量數(shù)據(jù)樣本點yj與比其密度顯著的樣本點之間距離最小值，但電能量數(shù)據(jù)集里密度最高的樣本，存在αj=maxeji，此時，此樣本點將存在最大密度與最大距離，將被看作為聚類中心，但局部密度不大、距離顯著的數(shù)據(jù)點便屬于異常電能量數(shù)據(jù)。

在獲取電能量數(shù)據(jù)集Y里全部樣本點的(qj,αj)后，制作qj與αj的二維平面圖，簡稱決策圖，在決策圖里兼具qj與αj最大值的點，此類點能夠看作數(shù)據(jù)集Y的聚類中心。從異常數(shù)據(jù)檢測的角度分析，決策圖里能夠兼具qj與αj最小、最大的點，可初步看作為異常數(shù)據(jù)。在原始電能量數(shù)據(jù)集里[7-10]，運算隨機樣本yj和其他樣本之間的歐式距離e(yj,yi)，并把運算結(jié)果根據(jù)升序準則排序，將第h個距離的樣本設成Mh(yj)，yj的H個最近鄰是：

通過M(yj)運算yj的局部密度：

其中，H為電能量數(shù)據(jù)樣本數(shù)，其局部百分比為w，且H=wM，若局部密度值較大，則隨機樣本yj的密度較大。

1.2 電能量數(shù)據(jù)異常特征提取方法

1.2.1 樣本屬性分類

異常電能量數(shù)據(jù)特征，可體現(xiàn)電能量數(shù)據(jù)的波動性與變異性，該文使用基于數(shù)據(jù)挖掘的異常電能量數(shù)據(jù)特征分類方法，通過數(shù)據(jù)挖掘技術(shù)中的聚類算法將異常電能量數(shù)據(jù)進行特征聚類[11-14]。設置所獲取的需要進行特征分類的異常電能量數(shù)據(jù)集合為N，N具有M個異常電能量數(shù)據(jù)樣本集合。異常電能量數(shù)據(jù)樣本權(quán)值是di(t)，異常電能量數(shù)據(jù)聚類權(quán)值是對Ht個異常電能量數(shù)據(jù)樣本yi(1)設置H個聚類中心，那么異常電能量數(shù)據(jù)聚類中心為，異常電能量數(shù)據(jù)樣本相對聚類中心的模糊隸屬度為φji。假定具有m個b維異常電能量數(shù)據(jù)特征集合，描述成A=()a1,a2,…,am，那么各個特征aj相應的密度指標是：

其中，異常電能量數(shù)據(jù)特征aj的鄰域區(qū)間半徑是sa，將此區(qū)間里密度最大值設成a1，那么密度指標設 成E1。ai、aj依次 是 描 述 異 常 電能量數(shù) 據(jù)i、j的特征。如果第k次異常電能量數(shù)據(jù)聚類中心是ak，其密度指標是Ek，則式（6）變換為：

其中，異常電能量數(shù)據(jù)密度指標的鄰域區(qū)間半徑是sb。

1.2.2 特征提取優(yōu)化

將異常電能量數(shù)據(jù)集合設成N={n1,n2,…,nn}，異常電能量數(shù)據(jù)特征分類的個體最優(yōu)解集合是Rj={rj1,rj2,…,rjb}，全局最優(yōu)解集合是Rg={rg1,rg2,…,rgb}，此時異常電能量數(shù)據(jù)特征分類的更新方案是：

求解異常電能量數(shù)據(jù)特征分布聚類的最大值，則：

求解平均粒度，則：

其中，第i個采樣點j維中的分布聚類是gji(t)；異常電能量數(shù)據(jù)維度是b；總樣本N里異常電能量數(shù)據(jù)數(shù)量是n。

將高階統(tǒng)計量的異常電能量數(shù)據(jù)特征聚類度設成v，則有：

將v值進行循環(huán)迭代，便能完成異常電能量數(shù)據(jù)特征參數(shù)優(yōu)化選擇，獲取最終的異常電能量數(shù)據(jù)特征aj，實現(xiàn)電能量數(shù)據(jù)異常特征提取。

2 實驗結(jié)果與分析

2.1 實驗設置

為測試該文方法對電能量數(shù)據(jù)異常特征的提取效果，在Windows10 系統(tǒng)中搭建實驗平臺，內(nèi)存為16 GB，主要使用Python3.6 實現(xiàn)。實驗中所用電能量數(shù)據(jù)集源于某電力集團2020 年的電能量數(shù)據(jù)，在排除了356 條不可用數(shù)據(jù)后，以剩余的30 232 條電能量數(shù)據(jù)記錄為數(shù)據(jù)樣本，此樣本中分為正向有功總電量、反向無功總電量、四象限無功電量三種。

2.2 異常電能量數(shù)據(jù)檢測結(jié)果與分析

使用該文方法檢測該電力集團2020 年的電能量數(shù)據(jù)中正向有功總電量、反向無功總電量、四象限無功電量三種電能量數(shù)據(jù)樣本里的異常數(shù)據(jù)，檢測結(jié)果如表1 所示。

根據(jù)表1 測試結(jié)果顯示，檢測結(jié)果和異常數(shù)據(jù)樣本量記錄基本一致，可有效檢測異常電能量數(shù)據(jù)。

表1 異常電能量數(shù)據(jù)檢測效果

使用該文方法、文獻[3]方法、文獻[4]方法對正向有功總電量、反向無功總電量、四象限無功電量三種數(shù)據(jù)進行異常數(shù)據(jù)檢測，檢測結(jié)果如圖1-3 所示。

圖1 正向有功總電量數(shù)據(jù)中異常電能量數(shù)據(jù)檢測結(jié)果

根據(jù)圖1-3 顯示結(jié)果可知，該文方法、文獻[3]方法、文獻[4]方法對正向有功總電量、反向無功總電量、四象限無功電量三種數(shù)據(jù)進行異常數(shù)據(jù)檢測后，該文方法的檢測率均高于0.95，且均大于文獻[3]方法、文獻[4]方法。誤報率均小于0.02，且均小于對比方法。由此可證，在同類檢測方法中，該文方法對異常電能量數(shù)據(jù)的檢測效果最佳。

圖2 反向無功總電量數(shù)據(jù)中異常電能量數(shù)據(jù)檢測結(jié)果

圖3 四象限無功電量數(shù)據(jù)中異常電能量數(shù)據(jù)檢測結(jié)果

3 結(jié)論

使用該文方法檢測正向有功總電量、反向無功總電量、四象限無功電量三種電能量數(shù)據(jù)樣本里的異常數(shù)據(jù)后，檢測結(jié)果和異常數(shù)據(jù)樣本量記錄基本一致，檢測偏差值最大值為1 條，在可接受范圍之內(nèi)；對正向有功總電量、反向無功總電量、四象限無功電量三種數(shù)據(jù)進行異常數(shù)據(jù)檢測后，檢測率均高于0.95，誤報率均小于0.02，對電能量數(shù)據(jù)異常特征的提取效果最好。由此可知，該文方法可提升電能量數(shù)據(jù)異常特征提取效果。