[发明专利]一种输电线路在线监测数据异常分析方法

权利要求书

1.一种输电线路在线监测数据异常分析方法，它包括：

步骤1、建立输电线路在线监测平台的异常检测设备衡量标准；

步骤2、构建包含t棵iTree的初始孤立森林；

步骤2所述构建包含t棵iTree的初始孤立森林的方法包括：

步骤2.1、建立输电线路在线监测数据训练集PowerTraindata＝{d₁,d₂,…d_a}，取ψ个训练数据为子样本集，作为树的根节点；

步骤2.2、随机取阈值以当前点为基准，以阈值范围内的随机步长进行切割；

步骤2.3、从切割点形成超平面，将数据分成了两个子空间，将维度小于p和大于p的分别放在节点的左边和右边；

步骤2.4、循环执行步骤2.2、2.3形成新的节点，当数据不能继续分割或者分割次数到达log₂ψ时，停止分割；

步骤2.5、重复步骤2.1～2.4，再构建t-1棵iTree组成孤立森林iForest＝{T₁,T₂,…T_t},其中iForest表示t棵iTree的集合；

步骤3、待搜索空间的二进制编码；

步骤3所述待搜索空间的二进制编码的方法包括：

由步骤2中的生成的iForest的非空子集构成搜索空间{F₁,F₂,…}，并用二进制编码表示；当iForest中的T₁树在子集F₁中时对应的编码为1，iForest中的T₁树不在子集F₂中对应的编码为0；编码的表示方式如下二进制编码表

步骤4、初始化设置；

步骤4所述初始化设置的方法包括：设置最大迭代次数iteration，设置速度区间V_max，防止超出最大的区间；在速度区间和搜索空间上随机初始化速度和位置，设置群体规模m；

步骤5、个体极值与全局最优解；

步骤5所述个体极值与全局最优解的方法为：群体中各个粒子编码分别转换为孤立森林{F₁,F₂,…F_m}，计算各自的适应度值；将PowerTraindata分成N个相等但不相交的子集，孤立森林在每一子集上对度量值的平均值为适应度值；个体极值为每个粒子找到的历史上最优的位置信息，并从这些个体历史最优解中找到一个全局最优解，并与历史最优解比较，选出最佳的作为当前的历史最优解；

步骤6、更新各个粒子的速度和位置；

步骤6所述更新各个粒子的速度和位置的方法包括：建立公式：

V_k＝ω·V_k+C₁·random(0,1)(P_k-X_k)+C₂·random(0,1)(P_gk-X_k)

X_k＝f(X_k，V_k)

式中：V_k为粒子编码中第k位置的速度，ω为惯性因子，C₁、C₂为加速常数，random(0,1)表示0、1上的随机数，P_k表示粒子第k位置的历史最优信息，X_k表示粒子的位置信息编码，P_gk表示全局的历史最优解，f表示粒子k位置更新函数；

其中abs()表示取绝对值；sigmoid()表示转换函数：

步骤7、当迭代次数达到终止条件结束寻优过程输出最优解，否则回到步骤4；

步骤8、对待检测数据进行预测；

所述对待检测数据进行预测的方法为：

计算待检测数据d在每一棵iTree的路径长度h(d)；由于iTree与二叉查找树的结构等价，因此包含d的叶子节点的路径长度等于二叉查找树中失败查询的路径长度；给出了二叉查找树中失败查询的路径长度：

C(n)＝2H(n-1)-(2(n-1)/n)

式中：H(i)＝Ln(i)+γ，γ为欧拉常数；n为叶子节点数；C(n)为给定n时h(n)的平均值，用以标准化h(n)；

数据的异常分数S(d,n)如下所示：

E(h(d))为iTree集合中h(d)的平均值；当E(h(d))→C(n)时，S→0.5，即当所有数据均返回的S≈0.5时，全部样本中没有明显的异常值；当E(h(d))→0时，S→1，即当数据返回的S非常接近于1时，它们是异常值；当E(h(d))→-1时，S→0，即当数据返回的S小于0.5时，它们为正常值。

2.根据权利要求1所述的一种输电线路在线监测数据异常分析方法，其特征在于：步骤1所述建立输电线路在线监测平台的异常检测设备衡量标准的方法包括：针对设备监测异常区域，采用数据库技术实现在线监测设备数据的整合与处理；分析总结脏数据的类型；对数据进行清洗和转换。