本發(fā)明涉及變電站檢測，具體而言，涉及一種變電站異常檢測模型訓(xùn)練方法、異常檢測方法、裝置及電子設(shè)備。

背景技術(shù)：

1、隨著電力行業(yè)的快速發(fā)展，變電站作為電力系統(tǒng)的核心組成部分，其運行異常直接影響到整個電網(wǎng)的安全與穩(wěn)定。因此，對變電站運行異常的實時監(jiān)測和預(yù)警顯得尤為重要。

2、目前，主要通過實時監(jiān)控的方式進行，主要包括重點維護性監(jiān)測和日常保護性監(jiān)測。重點維護性監(jiān)測通過實時監(jiān)控或定期檢查，監(jiān)測設(shè)備的缺陷，避免嚴(yán)重故障的發(fā)生。但該方式無法在變電站出現(xiàn)潛在故障時進行及時預(yù)警。

技術(shù)實現(xiàn)思路

1、有鑒于此，本發(fā)明實施例的目的在于，提供一種變電站異常檢測模型訓(xùn)練方法、異常檢測方法、裝置及電子設(shè)備以至少部分地改善上述問題。

2、為了實現(xiàn)上述目的，本發(fā)明實施例采用的技術(shù)方案如下：

3、第一方面，本發(fā)明實施例提供了一種變電站異常檢測模型訓(xùn)練方法，應(yīng)用于變電站異常檢測模型訓(xùn)練系統(tǒng)，所述變電站異常檢測模型訓(xùn)練系統(tǒng)包括自回歸移動平均模型以及邏輯回歸模型，所述方法包括：

4、獲取變電站的歷史數(shù)據(jù)集，對所述歷史數(shù)據(jù)集進行預(yù)處理，得到預(yù)處理后的標(biāo)準(zhǔn)數(shù)據(jù)集；所述標(biāo)準(zhǔn)數(shù)據(jù)集包括所述變電站的電力數(shù)據(jù)以及所述變電站異常記錄；

5、將所述電力數(shù)據(jù)輸入所述自回歸移動平均模型進行訓(xùn)練，得到電力數(shù)據(jù)預(yù)測模型；

6、將所述電力數(shù)據(jù)以及所述異常記錄輸入所述邏輯回歸模型進行訓(xùn)練，得到變電站異常檢測模型。

7、可選地，所述電力數(shù)據(jù)包括所述變電站的電壓、所述變電站的電流、所述變電站的功率以及所述變電站的電柜溫度，所述將所述電力數(shù)據(jù)輸入所述自回歸移動平均模型，得到電力數(shù)據(jù)預(yù)測模型的步驟，包括：

8、根據(jù)所述電壓、所述電流、所述功率以及所述電柜溫度，計算出所述自回歸移動平均模型的自回歸階數(shù)和所述自回歸移動平均模型的移動平均階數(shù)，得到自回歸移動平均候選模型；

9、使用最大似然估計算法計算出所述自回歸移動平均候選模型的估計參數(shù)；

10、檢查所述自回歸移動平均候選模型的殘差是否滿足白噪聲假設(shè)，若滿足，用所述自回歸移動平均候選模型作為電力數(shù)據(jù)預(yù)測模型。

11、可選地，所述將所述電力數(shù)據(jù)以及所述異常記錄輸入所述邏輯回歸模型進行訓(xùn)練，得到變電站異常檢測模型的步驟，包括：

12、設(shè)置所述邏輯回歸模型的權(quán)重、偏置以及損失函數(shù)；

13、將所述電力數(shù)據(jù)以及所述異常記錄劃分為n個訓(xùn)練集；

14、循環(huán)將每個所述訓(xùn)練集輸入所述邏輯回歸模型，計算出所述損失函數(shù)的值、所述邏輯回歸模型的梯度，并更新所述權(quán)重以及所述偏置，直至第m個訓(xùn)練周期滿足預(yù)設(shè)條件，則結(jié)束訓(xùn)練，將訓(xùn)練后的邏輯回歸模型作為變電站異常檢測模型。

15、可選地，所述訓(xùn)練集包括至少一個樣本，所述將每個所述訓(xùn)練集輸入所述邏輯回歸模型，計算出所述損失函數(shù)的值、所述邏輯回歸模型的梯度，并更新所述權(quán)重以及所述偏置的步驟，包括：

16、根據(jù)單個所述樣本的所述電力數(shù)據(jù)，計算出預(yù)測結(jié)果為正類的預(yù)測概率；

17、根據(jù)所述樣本的真實標(biāo)簽以及所述預(yù)測概率，計算出所述損失函數(shù)對所述預(yù)測概率的導(dǎo)數(shù)；

18、計算出所述損失函數(shù)對所述權(quán)重的導(dǎo)數(shù)和所述偏置的導(dǎo)數(shù)；

19、根據(jù)所述預(yù)測概率的導(dǎo)數(shù)、所述權(quán)重的導(dǎo)數(shù)以及所述偏置的導(dǎo)數(shù)，計算出所述邏輯回歸模型的梯度；

20、根據(jù)所述邏輯回歸模型的梯度以及學(xué)習(xí)率，更新所述邏輯回歸模型的權(quán)重以及所述邏輯回歸模型的偏置。

21、可選地，所述對所述歷史數(shù)據(jù)集進行預(yù)處理，得到預(yù)處理后的標(biāo)準(zhǔn)數(shù)據(jù)集的步驟，包括：

22、處理所述歷史數(shù)據(jù)集的異常值，得到正常數(shù)據(jù)集；

23、對所述正常數(shù)據(jù)集進行標(biāo)準(zhǔn)化處理，得到所述標(biāo)準(zhǔn)數(shù)據(jù)集。

24、可選地，所述處理所述歷史數(shù)據(jù)集的異常值，得到正常數(shù)據(jù)集的步驟，包括：

25、計算出所述歷史數(shù)據(jù)集的平均值，根據(jù)所述平均值找出所述異常值；

26、使用所述異常值的相鄰數(shù)據(jù)的值平均值替換所述異常值。

27、第二方面，本發(fā)明實施例提供了一種變電站異常檢測方法，應(yīng)用于變電站異常檢測模型，所述變電站異常檢測模型包括電力數(shù)據(jù)預(yù)測模型以及邏輯回歸模型，所述方法包括：

28、獲取當(dāng)前時間之前一段時間內(nèi)變電站的電力數(shù)據(jù)以及環(huán)境數(shù)據(jù)；

29、將所述電力數(shù)據(jù)輸入所述電力數(shù)據(jù)預(yù)測模型，得到未來一段時間所述變電站的預(yù)測電力數(shù)據(jù)；

30、將所述預(yù)測電力數(shù)據(jù)輸入所述邏輯回歸模型，得到所述變電站異常概率。

31、第三方面，本發(fā)明實施例提供了一種變電站異常檢測模型訓(xùn)練裝置，應(yīng)用于變電站異常檢測模型訓(xùn)練系統(tǒng)，所述變電站異常檢測模型訓(xùn)練系統(tǒng)包括自回歸移動平均模型以及邏輯回歸模型，所述裝置包括：

32、數(shù)據(jù)處理單元，用于獲取變電站的歷史數(shù)據(jù)集，對所述歷史數(shù)據(jù)集進行預(yù)處理，得到預(yù)處理后的標(biāo)準(zhǔn)數(shù)據(jù)集；所述標(biāo)準(zhǔn)數(shù)據(jù)集包括所述變電站的電力數(shù)據(jù)以及所述變電站異常記錄；

33、電力數(shù)據(jù)預(yù)測模型訓(xùn)練單元，用于將所述電力數(shù)據(jù)輸入所述自回歸移動平均模型進行訓(xùn)練，得到電力數(shù)據(jù)預(yù)測模型；

34、邏輯回歸模型訓(xùn)練單元，用于將所述電力數(shù)據(jù)以及所述異常記錄輸入所述邏輯回歸模型進行訓(xùn)練，得到變電站異常檢測模型。

35、第四方面，本發(fā)明實施例提供了一種變電站異常檢測裝置，應(yīng)用于變電站異常檢測模型，所述變電站異常檢測模型包括電力數(shù)據(jù)預(yù)測模型以及邏輯回歸模型，所述裝置包括：

36、數(shù)據(jù)獲取單元，用于獲取當(dāng)前時間之前一段時間內(nèi)變電站的電力數(shù)據(jù)以及環(huán)境數(shù)據(jù)；

37、電力數(shù)據(jù)預(yù)測單元，用于將所述電力數(shù)據(jù)輸入所述電力數(shù)據(jù)預(yù)測模型，得到未來一段時間所述變電站的預(yù)測電力數(shù)據(jù)；

38、變電站異常判斷單元，用于將所述預(yù)測電力數(shù)據(jù)輸入所述邏輯回歸模型，得到所述變電站異常概率。

39、第五方面，本發(fā)明實施例提供了一種電子設(shè)備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執(zhí)行所述程序時實現(xiàn)上述任一項所述的方法。

40、本發(fā)明實施例提供的一種變電站異常檢測模型訓(xùn)練方法、異常檢測方法、裝置及電子設(shè)備，通過獲取變電站的歷史數(shù)據(jù)集，對歷史數(shù)據(jù)集進行預(yù)處理，得到預(yù)處理后的標(biāo)準(zhǔn)數(shù)據(jù)集，標(biāo)準(zhǔn)數(shù)據(jù)集包括變電站的電力數(shù)據(jù)以及變電站異常記錄，將電力數(shù)據(jù)輸入自回歸移動平均模型進行訓(xùn)練，得到電力數(shù)據(jù)預(yù)測模型，將電力數(shù)據(jù)以及異常記錄輸入邏輯回歸模型進行訓(xùn)練，得到變電站異常檢測模型。并通過獲取當(dāng)前時間之前一段時間內(nèi)變電站的電力數(shù)據(jù)以及環(huán)境數(shù)據(jù)，將所述電力數(shù)據(jù)輸入所述電力數(shù)據(jù)預(yù)測模型，得到未來一段時間所述變電站的預(yù)測電力數(shù)據(jù)，將所述預(yù)測電力數(shù)據(jù)輸入所述邏輯回歸模型，得到所述變電站異常概率。從而能夠判斷在未來一段時間變電站異常的情況，能夠在變電站出現(xiàn)潛在故障時進行及時預(yù)警。

41、為使本技術(shù)的上述目的、特征和優(yōu)點能更明顯易懂，下文特舉較佳實施例，并配合所附附圖，作詳細(xì)說明如下。