发明公开
- 专利标题: 一种基于机器学习的大规模电力异常数据检测方法及系统
- 专利标题(英): Large-scale power abnormal data detection method and system based on machine learning
-
申请号: CN201910604895.2申请日: 2019-07-05
-
公开(公告)号: CN110490329A公开(公告)日: 2019-11-22
- 发明人: 姜驰 , 严华江 , 叶方彬 , 庄越挺 , 杨洋 , 刘宗涛 , 胡瑛俊 , 赵羚 , 倪琳娜 , 王伟峰 , 孙剑桥 , 韩鑫泽 , 蒋群 , 沈王平 , 但志高 , 张威
- 申请人: 国网浙江省电力有限公司电力科学研究院 , 浙江大学 , 国网浙江省电力有限公司 , 国网浙江省电力有限公司丽水供电公司 , 国网重庆市电力公司电力科学研究院
- 申请人地址: 浙江省杭州市下城区朝晖八区华电弄1号
- 专利权人: 国网浙江省电力有限公司电力科学研究院,浙江大学,国网浙江省电力有限公司,国网浙江省电力有限公司丽水供电公司,国网重庆市电力公司电力科学研究院
- 当前专利权人: 国网浙江省电力有限公司电力科学研究院,浙江大学,国网浙江省电力有限公司,国网浙江省电力有限公司丽水供电公司,国网重庆市电力公司电力科学研究院
- 当前专利权人地址: 浙江省杭州市下城区朝晖八区华电弄1号
- 代理机构: 浙江翔隆专利事务所
- 代理商 张建青
- 主分类号: G06N20/00
- IPC分类号: G06N20/00 ; G06Q50/06 ; G06K9/62 ; G06N3/04 ; H02J13/00
摘要:
本发明公开了一种基于机器学习的大规模电力异常数据检测方法及系统。本发明的大规模电力异常数据检测方法,其包括步骤:1)输入待检测的用户数据记录;2)提取用户数据的相关特征;3)将特征输入多层感知机神经网络模型;4)输出检测概率,并基于最小化损失函数调整多层感知机神经网络模型参数。本发明采用能够探测出电力异常数据的多层感知机神经网络模型,基于海量的含有异常信息的采集数据,挖掘与数据发生采集异常存在因果关系的元素,对电力采集数据的异常状态进行探查,可以对通用类型的数据异常进行有效检测。