[发明专利]一种输电线路在线监测数据异常分析方法

说明书

本发明公开了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3、待搜索空间的二进制编码；步骤4、初始化设置；步骤5、个体极值与全局最优解；步骤6、更新各个粒子的速度和位置；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；解决了现有技术存在的iForest算法对于异常数据的监测在一定程度上依赖于树的数量，但是大规模的iForest会占用大量的计算资源，不能有效的提升iForest算法的准确性，甚至会拉低整体的性能等技术问题。

技术领域

本发明属于输电线路在线监测数据分析领域，尤其涉及一种输电线路在线监测数据异常分析方法。

背景技术

近些年以来随着我国逐渐加快的城市化进程，较多城市供电系统的负荷也呈现较快增长的应用形式，只有加强城市输电线路的建设才能够完善电力输电系统，以完善并提高电网供电的水平与能力，满足当今社会持续增长的供电系统负荷需求。输电线路的在线监测数据也伴随着输电线路建设得到越来越多的关注。输电线路在线监测数据异常分析主要是通过监测数据来判断设备的运行情况。

iForest适用于连续数据(Continuous numerical data)的异常检测，将异常定义为“容易被孤立的离群点(more likely to be separated)”——可以理解为分布稀疏且离密度高的群体较远的点。用统计学来解释，在数据空间里面，分布稀疏的区域表示数据发生在此区域的概率很低，因此可以认为落在这些区域里的数据是异常的。

iForest目前是异常点检测最常用的算法之一，它的优点非常突出，他具有线性时间复杂度。因为是随机森林的方法，所以可以用在含有海量数据的数据集上，通常树的数量越多，算法越稳定。由于每棵树都是互相独立生成的，因此可以部署在大规模分布式系统上来加速运算。

iForest算法对于异常数据的监测在一定程度上依赖于树的数量，但是大规模的iForest会占用大量的计算资源，并且其中部分树的存在并不能有效的提升iForest算法的准确性，甚至会拉低整体的性能。由于iForest算法对于构建树的要求使得其无法参与大规模数据的处理。

发明内容

本发明要解决的技术问题是：提供一种输电线路在线监测数据异常分析方法，以解决现有技术存在的iForest算法对于异常数据的监测在一定程度上依赖于树的数量，但是大规模的iForest会占用大量的计算资源，并且其中部分树的存在并不能有效的提升iForest算法的准确性，甚至会拉低整体的性能。由于iForest算法对于构建树的要求使得其无法参与大规模数据的处理等技术问题。

本发明的技术方案是：

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3、待搜索空间的二进制编码；

步骤4、初始化设置；

步骤5、个体极值与全局最优解；

步骤6、更新各个粒子的速度和位置；

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。

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。

步骤2所述构建包含t棵iTree的初始孤立森林的方法包括：