本發(fā)明涉及數(shù)據(jù)分析領(lǐng)域，尤其涉及一種用戶自控負(fù)荷異常數(shù)據(jù)實(shí)時(shí)監(jiān)測(cè)方法及系統(tǒng)。

背景技術(shù)：

1、在電力系統(tǒng)中，負(fù)荷監(jiān)測(cè)是確保電力供應(yīng)的關(guān)鍵環(huán)節(jié)之一。然而，電力負(fù)荷異常情況的出現(xiàn)可能導(dǎo)致電力系統(tǒng)的不穩(wěn)定和設(shè)備的損壞。因此，準(zhǔn)確監(jiān)測(cè)和及時(shí)識(shí)別電力負(fù)荷異常是非常重要的。

2、隨著電力設(shè)備和自動(dòng)化設(shè)備的不斷發(fā)展，現(xiàn)有企業(yè)特別是大型制造業(yè)，一般都會(huì)在企業(yè)內(nèi)設(shè)有自控源荷，用于應(yīng)對(duì)電網(wǎng)波動(dòng)，而現(xiàn)有的電力系統(tǒng)負(fù)荷異常檢測(cè)，并未涉及到對(duì)自控負(fù)荷的監(jiān)測(cè)相關(guān)的方案。

技術(shù)實(shí)現(xiàn)思路

1、為了解決上述問題，本發(fā)明的目的在于提供一種用戶自控負(fù)荷異常數(shù)據(jù)實(shí)時(shí)監(jiān)測(cè)方法，實(shí)現(xiàn)實(shí)時(shí)監(jiān)控自控負(fù)荷情況，并及時(shí)預(yù)警，通知用戶監(jiān)控和管理自己的用電，促進(jìn)能源效率的提升和電網(wǎng)的穩(wěn)定運(yùn)營(yíng)。

2、為實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

3、一種用戶自控負(fù)荷異常數(shù)據(jù)實(shí)時(shí)監(jiān)測(cè)方法，包括以下步驟：

4、步驟s1:根據(jù)部署智能電表和傳感器實(shí)時(shí)收集用戶端和電網(wǎng)端的負(fù)荷數(shù)據(jù)，同時(shí)收集環(huán)境數(shù)據(jù)和用戶數(shù)據(jù)，并預(yù)處理；

5、步驟s2:采用mqtt?over?ssl/tls和ipsec?vpn進(jìn)行雙層加密傳輸，為數(shù)據(jù)提供用戶端到電網(wǎng)云平臺(tái)間端到端的保護(hù)；

6、步驟s3:電網(wǎng)云平臺(tái)基于hopfield神經(jīng)網(wǎng)絡(luò)，構(gòu)建用戶自控負(fù)荷異常檢測(cè)模型，并基于實(shí)時(shí)收集用戶端和電網(wǎng)端的負(fù)荷數(shù)據(jù)、環(huán)境數(shù)據(jù)以及存儲(chǔ)在電網(wǎng)云平臺(tái)用戶信息數(shù)據(jù)，進(jìn)行用戶自控負(fù)荷異常檢測(cè),若檢測(cè)到異常數(shù)據(jù)，則進(jìn)行步驟s4，并將異常預(yù)警反饋至用戶端；

7、步驟s4:將異常數(shù)據(jù)輸入異常類型識(shí)別模型，獲取具體的異常類型；

8、步驟s5:基于異常類型識(shí)別模型輸出的異常類型，從電網(wǎng)云平臺(tái)獲取相應(yīng)的處理建議，并將異常類型和對(duì)應(yīng)的處理建議傳輸至用戶端；

9、所述步驟s1具體為：

10、步驟s11:將用電數(shù)據(jù)、環(huán)境數(shù)據(jù)和用戶數(shù)據(jù)整合到一個(gè)數(shù)據(jù)集中，并清洗數(shù)據(jù)以去除缺失值、異常值和重復(fù)值，確保數(shù)據(jù)的質(zhì)量和準(zhǔn)確性；

11、步驟s12:從清洗后的的數(shù)據(jù)中提取特征，包括用電量、溫度、濕度、企業(yè)類型、企業(yè)規(guī)模；

12、步驟s13:對(duì)特征進(jìn)行轉(zhuǎn)換，進(jìn)行平滑處理、標(biāo)準(zhǔn)化和歸一化；

13、使用python中的pandas庫進(jìn)行數(shù)據(jù)整合和清洗，具體如下；

14、使用pandas庫的read_csv方法，通過傳入csv文件的路徑作為參數(shù)，分別讀取用電數(shù)據(jù)、環(huán)境數(shù)據(jù)和用戶數(shù)據(jù)，將它們存儲(chǔ)在electricity_data、environment_data和user_data這三個(gè)dataframe中，并通過pd.merge方法將這三個(gè)dataframe按照時(shí)間戳和用戶id進(jìn)行合并，將electricity_data和environment_data按照timestamp和user_id兩列進(jìn)行合并，得到一個(gè)新的dataframe，然后，再將得到的dataframe與user_data按照user_id列進(jìn)行合并，最終得到一個(gè)包含多個(gè)特征的數(shù)據(jù)集merged_data得到了一個(gè)包含多個(gè)特征的數(shù)據(jù)集merged_data；

15、然后使用dropna方法去除merged_data中的缺失值，確保數(shù)據(jù)的完整性，并通過對(duì)電力使用量進(jìn)行范圍判斷，使用數(shù)據(jù)篩選的方式去除了電力使用量異常的數(shù)據(jù)，使用drop_duplicates方法去除merged_data中的重復(fù)值，確保每條數(shù)據(jù)的唯一性；

16、在數(shù)據(jù)傳輸前，使用了python的gzip庫，結(jié)合pandas的to_csv方法，將dataframe中的merged_data存儲(chǔ)為經(jīng)過gzip壓縮的csv文件，首先，使用gzip.open方法創(chuàng)建一個(gè)經(jīng)過gzip壓縮的文件對(duì)象，然后將其傳遞給to_csv方法，同時(shí)指定compression參數(shù)為gzip，最終將merged_data保存為一個(gè)經(jīng)過gzip壓縮的csv文件merged_data.csv.gz。

17、進(jìn)一步的，所述步驟s2具體為；

18、在電網(wǎng)云平臺(tái)的邊界和遠(yuǎn)程客戶端處部署vpn設(shè)備或服務(wù)，并配置ipsec策略，定義需要通過vpn隧道加密的流量；使用ike協(xié)議進(jìn)行密鑰管理，自動(dòng)協(xié)商安全關(guān)聯(lián)和加密密鑰。

19、并在mqtt代理上配置ssl/tls支持，在客戶端上配置mqtt客戶端以使用ssl/tls連接到代理

20、客戶端設(shè)備首先通過ipsec?vpn隧道與數(shù)據(jù)中心建立安全連接，通過vpn隧道，客戶端設(shè)備的所有網(wǎng)絡(luò)層數(shù)據(jù)都將被加密

21、客戶端通過已建立的ipsec?vpn隧道內(nèi)，進(jìn)一步建立mqtt?over?ssl/tls連接，應(yīng)用層的mqtt通信也會(huì)被ssl/tls加密。

22、客戶端設(shè)備通過雙層加密的通道向mqtt代理發(fā)送消息，電網(wǎng)云平臺(tái)接收并處理通過mqtt?over?ssl/tls在ipsec?vpn隧道中傳輸?shù)募用軘?shù)據(jù)。

23、進(jìn)一步的，所述ipsec?vpn，加密和解密具體如下：

24、加密：c＝e(k,p)

25、解密：p＝d(k,c)

26、其中：c是加密后的密文，e是加密算法；k是對(duì)稱密鑰；p是明文數(shù)據(jù)；d是解密算法；

27、ssl/tls使用非對(duì)稱加密來安全地交換對(duì)稱密鑰，然后使用對(duì)稱加密來保護(hù)數(shù)據(jù)傳輸；

28、密鑰交換：ks＝epub(k1)

29、數(shù)據(jù)加密：c1＝e1(ks,p1)

30、數(shù)據(jù)解密：p1＝d1(ks,c1)

31、其中：ks是對(duì)稱會(huì)話密鑰，epub是使用公鑰的加密函數(shù)，k1是隨機(jī)生成的會(huì)話密鑰，c1是加密后的密文，p1是明文數(shù)據(jù)，e1和d1分別是對(duì)稱加密和解密算法。

32、進(jìn)一步的，所述步驟s3具體為：

33、首先，根據(jù)正常負(fù)荷數(shù)據(jù)對(duì)hopfield神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使網(wǎng)絡(luò)學(xué)習(xí)并存儲(chǔ)這些正常負(fù)荷數(shù)據(jù)的模式作為吸引子；

34、當(dāng)新的負(fù)荷數(shù)據(jù)輸入到訓(xùn)練好的hopfield神經(jīng)網(wǎng)絡(luò)中時(shí)，網(wǎng)絡(luò)的狀態(tài)會(huì)向最接近的吸引子收斂，嘗試恢復(fù)輸入數(shù)據(jù)；

35、如果網(wǎng)絡(luò)成功將輸入數(shù)據(jù)恢復(fù)到一個(gè)吸引子，認(rèn)為輸入數(shù)據(jù)是正常的，但如果網(wǎng)絡(luò)無法將輸入數(shù)據(jù)恢復(fù)到任何吸引子，即網(wǎng)絡(luò)的狀態(tài)不穩(wěn)定，就可以將該數(shù)據(jù)標(biāo)記為異常。

36、進(jìn)一步的，所述hopfield神經(jīng)網(wǎng)絡(luò)的狀態(tài)更新規(guī)則具體如下：：

37、對(duì)于第i個(gè)神經(jīng)元的狀態(tài)更新：

38、

39、其中，s_i是第i個(gè)神經(jīng)元的狀態(tài)，w_{ij}是第i個(gè)神經(jīng)元和第j個(gè)神經(jīng)元之間的連接權(quán)重，s_j是第j個(gè)神經(jīng)元的狀態(tài)theta_i是第i個(gè)神經(jīng)元的閾值；能量函數(shù)，n為神經(jīng)元數(shù)量：

40、能量函數(shù)為：

41、

42、進(jìn)一步的，所述異常類型識(shí)別模型基于lstm模型對(duì)用戶自控負(fù)荷數(shù)據(jù)進(jìn)行異常模式識(shí)別，并結(jié)合adam優(yōu)化算法對(duì)模型參數(shù)進(jìn)行更新，具體如下：

43、lstm模型具體為：

44、輸入門：

45、遺忘門：

46、細(xì)胞狀態(tài)更新：

47、

48、輸出門：

49、隱藏狀態(tài)更新：ht＝ot⊙tanh(ct)

50、其中，為xt為時(shí)間步t的輸入，ht為時(shí)間步t的隱藏狀態(tài)，ct為時(shí)間步t的細(xì)胞狀態(tài)，it、ft、ot分別為輸入門、遺忘門、細(xì)胞狀態(tài)更新和輸出門的激活值；σ為sigmoid激活函數(shù)，⊙為點(diǎn)乘操作；w和b為模型參數(shù)，其下標(biāo)為對(duì)應(yīng)的模型；

51、adam優(yōu)化算法對(duì)模型參數(shù)進(jìn)行更新，更新規(guī)則為：

52、mt＝β1mt-1+(1-β1)gt；

53、

54、

55、

56、

57、其中，mt和vt分別為一階矩估計(jì)和二階矩估計(jì)；和為偏差修正后的估計(jì)值；β1和β2為衰減率；α為學(xué)習(xí)率；ε為平滑項(xiàng)；θ為模型參數(shù)；

58、進(jìn)一步，為了防止過擬合，在adam優(yōu)化算法對(duì)模型參數(shù)進(jìn)行更新時(shí)，將更新規(guī)則調(diào)整為包含l2正則化的參數(shù)更新規(guī)則：

59、

60、

61、其中，λ為l2正則化系數(shù)。

62、一種用戶自控負(fù)荷異常數(shù)據(jù)實(shí)時(shí)監(jiān)測(cè)度系統(tǒng)，包括數(shù)據(jù)采集單元、數(shù)據(jù)傳輸單元、電網(wǎng)云平臺(tái)、數(shù)據(jù)庫、數(shù)據(jù)分析單元、異常識(shí)別單元和用戶端；

63、所述數(shù)據(jù)采集單元根據(jù)部署智能電表和傳感器實(shí)時(shí)收集用戶端和電網(wǎng)端的負(fù)荷數(shù)據(jù)，同時(shí)收集環(huán)境數(shù)據(jù)和用戶數(shù)據(jù)，并預(yù)處理；

64、所述數(shù)據(jù)傳輸單元采用mqtt?over?ssl/tls和ipsec?vpn進(jìn)行雙層加密傳輸，為數(shù)據(jù)提供用戶端到電網(wǎng)云平臺(tái)間端到端的保護(hù)；

65、所述電網(wǎng)云平臺(tái)基于數(shù)據(jù)分析單元內(nèi)嵌有用戶自控負(fù)荷異常檢測(cè)模型和異常類型識(shí)別模型；

66、所述用戶自控負(fù)荷異常檢測(cè)模型，基于實(shí)時(shí)收集用戶端和電網(wǎng)端的負(fù)荷數(shù)據(jù)、環(huán)境數(shù)據(jù)以及存儲(chǔ)在電網(wǎng)云平臺(tái)用戶信息數(shù)據(jù)，進(jìn)行用戶自控負(fù)荷異常檢測(cè),若檢測(cè)到異常數(shù)據(jù)，則將異常數(shù)據(jù)輸入異常類型識(shí)別模型，并將異常預(yù)警反饋至用戶端；

67、所述異常類型識(shí)別模型基于異常數(shù)據(jù)獲取具體的異常類型；基于異常類型識(shí)別模型輸出的異常類型，并從電網(wǎng)云平臺(tái)的數(shù)據(jù)庫中獲取相應(yīng)的處理建議，將異常類型和對(duì)應(yīng)的處理建議傳輸至用戶端。

68、本發(fā)明具有如下有益效果：

69、1、本發(fā)明實(shí)時(shí)監(jiān)控自控負(fù)荷情況，并及時(shí)預(yù)警，通知用戶監(jiān)控和管理自己的用電，促進(jìn)能源效率的提升和電網(wǎng)的穩(wěn)定運(yùn)營(yíng)；

70、2、本發(fā)明基于hopfield神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)異常檢測(cè)，利用hopfield神經(jīng)網(wǎng)絡(luò)的自適應(yīng)性和模式恢復(fù)能力，通過判斷網(wǎng)絡(luò)狀態(tài)的穩(wěn)定性來識(shí)別異常數(shù)據(jù)，通過結(jié)合實(shí)時(shí)數(shù)據(jù)流處理和神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)對(duì)用戶用電行為的快速檢測(cè)和響應(yīng)；并結(jié)合mqtt?over?ssl/tls和ipsec?vpn極大地增強(qiáng)智能電網(wǎng)系統(tǒng)的通信安全性；

71、3、本發(fā)明當(dāng)異常數(shù)據(jù)被檢測(cè)到時(shí)，系統(tǒng)可以自動(dòng)觸發(fā)警報(bào)并記錄異常數(shù)據(jù)，同時(shí)進(jìn)行進(jìn)一步的分析以確定異常的原因和影響，幫助運(yùn)維人員及時(shí)發(fā)現(xiàn)和處理異常情況，從而提高電網(wǎng)的安全性和穩(wěn)定性。