[发明专利]异常报文检测方法、装置、计算机设备和存储介质

权利要求书

1.一种异常报文检测方法，其特征在于，所述方法包括：

获取至少一条变电站采样值SMV报文；

对各所述SMV报文进行预处理，得到各所述SMV报文对应的SMV报文图片；

将各所述SMV报文图片输入至预设的神经网络模型进行故障检测，得到每个所述SMV报文的故障检测结果。

2.根据权利要求1所述的方法，其特征在于，所述对各所述SMV报文进行预处理，得到各所述SMV报文对应的SMV报文图片，包括：

按照时间顺序将各所述SMV报文转化为SMV报文序列；

根据所述SMV报文序列中的最大时序对应的报文、最小时序对应的报文以及各个所述SMV报文，对所述SMV报文序列进行整合；

通过GAFD法将整合后的SMV报文序列转换为所述SMV报文图片。

3.根据权利要求2所述方法，其特征在于，所述通过GAFD法将整合后的SMV报文序列转换为所述SMV报文图片，包括：

根据所述整合后的SMV报文序列，确定各所述SMV报文的时间序列角度；

根据各所述SMV报文的时间序列角度的余弦值、所述SMV报文序列中各报文的时间，将所述SMV报文序列从直角坐标系中转换至极坐标系；

根据所述极坐标系中的各所述SMV报文的时间序列角度，通过GAFD法得到各所述SMV报文对应的所述SMV报文图片。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取预设时间段内的SMV报文样本集；所述异常SMV报文样本集中包括多个不同故障类型的样本报文和每个所述样本报文对应的故障类型；

对各所述样本报文进行预处理，得到各所述样本报文的样本图片；

将各所述样本图片作为输入，将各所述样本报文对应的故障类型作为输出，对预设的初始神经网络模型进行训练得到所述预设的神经网络模型。

5.根据权利要求4所述的方法，其特征在于，所述将各所述样本图片作为输入，将各所述样本报文对应的故障类型作为输出，对预设的初始神经网络模型进行训练得到所述预设的神经网络模型，包括：

将所述样本图片输入至所述预设的初始神经网络模型中，得到预测故障结果；

根据所述预测故障结果和所述样本报文对应的故障类型，得到所述预设的初始神经网络模型的损失函数的值；

根据所述损失函数的值，对所述预设的初始神经网络模型进行训练，得到所述预设的神经网络模型。

6.根据权利要求1所述方法，其特征在于，所述预设的神经网络模型为卷积-长短期记忆神经网络CNN-LSTM模型。

7.根据权利要求6所述方法，其特征在于，所述CNN-LSTM模型包括输入层、CNN层、LSTM层、全连接层和输出层，其中，所述CNN层和LSTM层均为双层结构。

8.一种异常报文检测装置，其特征在于，所述装置包括：

获取模块，用于获取至少一条变电站采样值SMV报文；

预处理模块，用于对各所述SMV报文进行预处理，得到各所述SMV报文对应的SMV报文图片；

故障检测模块，用于将各所述SMV报文图片输入至预设的神经网络模型进行故障检测，得到每个所述SMV报文的故障检测结果。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。