电力系统的异常检测方法、异常检测装置以及存储介质与流程

1.本发明涉及电力系统检测技术领域，具体地涉及一种电力系统的异常检测方法、一种电力系统的异常检测装置以及一种计算机可读存储介质。


背景技术：

2.在现代城市中，人们的生活用电主要依靠电网进行电能的输送，因此电力系统的安全、可靠运行至关重要。随着技术的不断发展，技术人员可以通过对电力设备的运行数据进行监控，以对电力系统的正常运行进行监控。
3.在实际应用过程中，由于接入电力系统的电力设备数量非常庞大，因此导致所监控和积累的电力数据非常庞大，因此在现有技术中，一方面，通过终端设备对庞大的电力数据进行存储和异常检测；另一方面，通过将电力数据输入专家系统，并由对应的专家对电力数据进行人工分析，以对电力系统的异常进行诊断。
4.然而，虽然可以通过终端设备对电力数据进行存储和异常检测，但现有技术中的异常检测依然需要人工首先对异常数据进行处理，例如对异常数据的特征、种类以及线路端点等数据进行标注，才能输入终端设备进行数据分析；另一方面，由于电力数据的庞大数据量，通过专家系统对异常数据进行分析的分析效率较低，分析精确性严重依赖于专家的知识储备，具有很强的不可靠性，同时导致人工成本较高，无法满足企业的实际需求。


技术实现要素：

5.为了克服现有技术中存在的上述技术问题，本发明实施例提供一种电力系统的异常检测方法，通过采用融合检测模块对电力系统的异常进行精确的、自动的异常检测，提高了异常检测的检测效率和检测精确性，提高了异常处理的处理效率。
6.为了实现上述目的，本发明实施例提供一种电力系统的异常检测方法，所述检测方法包括：获取电力系统的电力信息，所述电力信息包括多个电力数据；获取预设融合检测模型；基于所述预设融合检测模型对所述电力信息进行分析，获得分析后信息；基于所述预设融合检测模型对所述分析后信息进行处理，获得处理后信息；基于所述处理后信息生成所述电力系统的异常检测结果。
7.优选地，所述获取预设融合检测模型，包括：建立第一初始模型和第二初始模型；获取预设实验数据集，基于所述预设实验数据集生成训练数据；基于所述训练数据对所述第一初始模型进行训练，获得所述聚类检测模型；基于所述聚类检测模型获取所述训练数据的第一簇和第一簇中心；获取所述训练数据与所述第一簇中心之间的第一距离；基于所述第一簇和所述第一距离对所述训练数据进行处理，获得处理后训练数据；基于所述处理后训练数据对所述第二初始模型进行训练，获得分类检测模型；对所述聚类检测模型和所述分类检测模型执行融合操作，获得所述预设融合检测模型。
8.优选地，所述检测方法还包括：基于所述预设实验数据集生成与所述训练数据对应的测试数据；基于所述第一簇和所述第一距离对所述测试数据进行处理，获得处理后测
试数据；基于所述处理后测试数据对所述预设融合检测模型进行验证。
9.优选地，在所述基于所述处理后测试数据对所述预设融合检测模型进行验证之后，所述检测方法还包括：在验证结果为所述预设融合检测模型不符合预设检测要求的情况下，基于所述验证结果获取对应的优化参数；基于所述优化参数对所述预设融合检测模型进行优化，获得优化后的预设融合检测模型。
10.优选地，所述基于所述预设融合检测模型对所述电力信息进行分析，获得分析后信息，包括：对所述电力信息进行预处理，获得预处理后信息；对所述预处理后信息执行转换处理，获得转换后信息；基于所述预设融合检测模型对所述转换后信息执行聚类处理，获得与所述转换后信息对应的至少一个第二簇和第二簇中心；获取每个电力数据与所对应的第二簇中心之间的第二距离；基于所述电力信息、所述第二簇和所述第二距离生成所述分析后信息。
11.优选地，所述对所述电力信息进行预处理，获得预处理后信息，包括：提取所述电力信息中类型为比值型的比值信息；对所述比值信息执行基准对齐操作，获得对齐后信息；基于所述对齐后信息对所述电力信息进行更新，获得预处理后信息。
12.优选地，所述对所述预处理后信息执行转换处理，获得转换后信息，包括：获取预设数据格式；对所述预处理后信息进行数据提取，获得提取后数据；基于所述预设数据格式对所述提取后数据进行格式转换，获得转换后信息。
13.优选地，所述基于所述预设融合检测模型对所述分析后信息进行处理，获得处理后信息，包括：基于所述预设融合检测模型对所述分析后信息进行分类处理，获得每个电力数据的分类信息，所述分类信息包括所述电力数据的异常概率；将所述分类信息作为所述处理后信息。
14.优选地，所述基于所述处理后信息生成所述电力系统的异常检测结果，包括：获取预设概率阈值；判断所述电力数据的异常概率是否大于所述预设概率阈值；在所述电力数据的异常概率大于所述预设概率阈值的情况下，生成数据异常的异常检测结果；在所述电力数据的异常概率小于等于所述预设概率阈值的情况下，生成数据正常的异常检测结果。
15.优选地，所述检测方法还包括：在所述异常检测结果为数据异常的情况下，获取对应的异常数据；提取所述异常数据的异常参数；基于所述异常参数确定所述异常数据的处理优先级；基于所述处理优先级对所述异常数据执行顺序输出操作。
16.优选地，所述异常参数包括第一异常参数d和第二异常参数l，所述基于所述异常参数确定所述异常数据的处理优先级，包括：获取所述处理优先级与所述异常参数之间的映射关系，所述映射关系表征为：p＝d k*l；其中，k为所述映射关系的预设斜率；基于所述映射关系和所述异常参数确定所述异常数据的处理优先级。
17.相应的，本发明还提供一种电力系统的异常检测装置，所述检测装置包括：第一获取单元，用于获取电力系统的电力信息，所述电力信息包括多个电力数据；第二获取单元，用于获取预设融合检测模型；分析单元，用于基于所述预设融合检测模型对所述电力信息进行分析，获得分析后信息；处理单元，用于基于所述预设融合检测模型对所述分析后信息进行处理，获得处理后信息；检测单元，用于基于所述处理后信息生成所述电力系统的异常检测结果。
18.优选地，所述第二获取单元包括：模型建立模块，用于建立第一初始模型和第二初
始模型；数据获取模块，用于获取预设实验数据集，基于所述预设实验数据集生成训练数据；第一训练模块，用于基于所述训练数据对所述第一初始模型进行训练，获得聚类检测模型；第一中间信息获取模块，用于基于所述聚类检测模型获取所述训练数据的第一簇和第一簇中心；第二中间信息获取模块，用于获取所述训练数据与所述第一簇中心之间的第一距离；数据处理模块，用于基于所述第一簇和所述第一距离对所述训练数据进行处理，获得处理后训练数据；第二训练模块，用于基于所述处理后训练数据对所述第二初始模型进行训练，获得分类检测模型；融合模块，用于对所述聚类检测模型和所述分类检测模型执行融合操作，获得所述预设融合检测模型。
19.优选地，所述第二获取单元还包括测试模块，所述测试模块用于：基于所述预设实验数据集生成与所述训练数据对应的测试数据；基于所述第一簇和所述第一距离对所述测试数据进行处理，获得处理后测试数据；基于所述处理后测试数据对所述预设融合检测模型进行验证。
20.优选地，在所述基于所述处理后测试数据对所述预设融合检测模型进行验证之后，所述测试模块还用于：在验证结果为所述预设融合检测模型不符合预设检测要求的情况下，基于所述验证结果获取对应的优化参数；基于所述优化参数对所述预设融合检测模型进行优化，获得优化后的预设融合检测模型。
21.优选地，所述分析单元包括：预处理模块，用于对所述电力信息进行预处理，获得预处理后信息；转换模块，用于对所述预处理后信息执行转换处理，获得转换后信息；第三中间信息获取模块，用于基于所述预设融合检测模型对所述转换后信息执行聚类处理，获得与所述转换后信息对应的至少一个第二簇和第二簇中心；第四中间信息获取模块，用于获取每个电力数据与所对应的第二簇中心之间的第二距离；分析信息生成模块，用于基于所述电力信息、所述第二簇和所述第二距离生成所述分析后信息。
22.优选地，所述预处理模块用于：提取所述电力信息中类型为比值型的比值信息；对所述比值信息执行基准对齐操作，获得对齐后信息；基于所述对齐后信息对所述电力信息进行更新，获得预处理后信息。
23.优选地，所述对所述预处理后信息执行转换处理，获得转换后信息，包括：获取预设数据格式；对所述预处理后信息进行数据提取，获得提取后数据；基于所述预设数据格式对所述提取后数据进行格式转换，获得转换后信息。
24.优选地，所述处理单元包括：分类模块，用于基于所述预设融合检测模型对所述分析后信息进行分类处理，获得每个电力数据的分类信息，所述分类信息包括所述电力数据的异常概率；确定模块，用于将所述分类信息作为所述处理后信息。
25.优选地，所述基于所述处理后信息生成所述电力系统的异常检测结果，包括：获取预设概率阈值；判断所述电力数据的异常概率是否大于所述预设概率阈值；在所述电力数据的异常概率大于所述预设概率阈值的情况下，生成数据异常的异常检测结果；在所述电力数据的异常概率小于等于所述预设概率阈值的情况下，生成数据正常的异常检测结果。
26.优选地，所述检测装置还包括优先处理单元，所述优先处理单元包括：异常数据获取模块，用于在所述异常检测结果为数据异常的情况下，获取对应的异常数据；异常参数提取模块，用于提取所述异常数据的异常参数；优先级确定模块，用于基于所述异常参数确定所述异常数据的处理优先级；输出模块，用于基于所述处理优先级对所述异常数据执行顺
序输出操作。
27.优选地，所述异常参数包括第一异常参数d和第二异常参数l，所述基于所述异常参数确定所述异常数据的处理优先级，包括：获取所述处理优先级与所述异常参数之间的映射关系，所述映射关系表征为：p＝d k*l；其中，k为所述映射关系的预设斜率；基于所述映射关系和所述异常参数确定所述异常数据的处理优先级。
28.另一方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明提供的电力系统的异常检测方法。
29.通过本发明提供的技术方案，本发明至少具有如下技术效果：
30.通过对现有的检测模型进行改进，采用模型融合的方式获得融合后的检测模型，从而在兼顾每个检测模型的优点的基础上，减少或克服单个检测模型的缺陷或不足，从而实现更加智能化的异常检测效果，提高异常检测效率，提高了检测精确性；提高了异常处理效率，提高了电力系统的运行安全性，满足了企业的实际需求。
31.本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
32.附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
33.图1是本发明实施例提供的电力系统的异常检测方法的具体实现流程图；
34.图2是本发明实施例提供的电力系统的异常检测方法中获取预设融合检测模型的具体实现流程图；
35.图3是本发明实施例提供的电力系统的异常检测方法中对电力信息进行分析获得分析后信息的具体实现流程图；
36.图4是本发明实施例提供的电力系统的异常检测装置的结构示意图。
具体实施方式
37.为了克服现有技术中存在的上述技术问题，本发明实施例提供一种电力系统的异常检测方法，通过对多个分析模型进行融合处理，根据融合后的混合模型对电力信息进行自动的异常检测，从而有效提高异常检测的检测效率和检测精确性，降低了企业的人力成本。
38.以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
39.本发明实施例中的术语“系统”和“网络”可被互换使用。“多个”是指两个或两个以上，鉴于此，本发明实施例中也可以将“多个”理解为“至少两个”。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，字符“/”，如无特殊说明，一般表示前后关联对象是一种“或”的关系。另外，需要理解的是，在本发明实施例的描述中，“第一”、“第二”等词汇，仅用于区分描述的目的，而不能理解为指示或暗示相对重要性，也不能理解为指示或暗示顺序。
40.请参见图1，本发明实施例提供一种电力系统的异常检测方法，所述检测方法包
括：
41.s10)获取电力系统的电力信息，所述电力信息包括多个电力数据；
42.s20)获取预设融合检测模型；
43.s30)基于所述预设融合检测模型对所述电力信息进行分析，获得分析后信息；
44.s40)基于所述预设融合检测模型对所述分析后信息进行处理，获得处理后信息；
45.s50)基于所述处理后信息生成所述电力系统的异常检测结果。
46.在现有技术中，通过单一检测模型对电力系统进行异常检测，往往同时具有某个方向上的检测优点，同时具有另一方面的检测缺点。因此为了解决上述技术问题，在一种可能的实施方式中，在对电力系统进行异常检测之前，为电力系统构建基于多种监测模型的预设融合检测模型，例如该预设融合检测模型可以由多种检测模型融合而成，上述多种检测模型包括但不限于统计检测模型、聚类检测模型、分类检测模型、回归检测模型、深度神经网络检测模型等，通过将上述检测模型执行融合操作，从而在充分利用每个检测模型的优点的基础上，通过其他检测模型改善每个检测模型的缺陷，以实现更好的电力异常检测效果。
47.请参见图2，在本发明实施例中，所述获取预设融合检测模型，包括：
48.s21)建立第一初始模型和第二初始模型；
49.s22)获取预设实验数据集，基于所述预设实验数据集生成训练数据；
50.s23)基于所述训练数据对所述第一初始模型进行训练，获得聚类检测模型；
51.s24)基于所述聚类检测模型获取所述训练数据的第一簇和第一簇中心；
52.s25)获取所述训练数据与所述第一簇中心之间的第一距离；
53.s26)基于所述第一簇和所述第一距离对所述训练数据进行处理，获得处理后训练数据；
54.s27)基于所述处理后训练数据对所述第二初始模型进行训练，获得分类检测模型；
55.s28)对所述聚类检测模型和所述分类检测模型执行融合操作，获得所述预设融合检测模型。
56.在一种可能的实施方式中，可以首先确定需要融合的检测模型，例如在本发明实施例中，首先建立第一初始模型和第二初始模型，然后获取预设实验数据集，例如该预设实验数据集可以从电力系统的日志数据库中获取，由于日志数据库中的数据量往往较为庞大，因此可以采用etl工具批量导出。在获取到预设实验数据集后，根据预设实验数据集生成对应的训练数据，并基于该训练数据对第一初始模型进行训练，并获得对应的聚类检测模型。
57.此时，进一步根据训练出的聚类检测模型对训练数据进行处理，例如在本发明实施例中，根据聚类模型对训练数据进行处理，以获得训练数据的第一簇以及对应的第一簇中心，进一步地，获得每个训练数据与第一簇中心之间的第一距离，然后根据上述获得的第一簇和第一距离对训练数据进行处理，以获得便于进行后续处理的处理后数据，此时根据处理后训练数据对第二初始模型进行训练，以获得分类检测模型，此时对聚类检测模型和分类检测模型进行融合操作，并获得最终融合后的预设融合检测模型。
58.在本发明实施例中，通过在现有技术的基础上，对检测模型进行优化，将具有不同
优点的检测模型进行融合，以在兼具各个检测模型的检测优势的基础上，有效降低每个检测模型本身所具有的缺陷，有效提高了对电力系统进行异常检测的检测精确性和检测效率，满足了企业的实际异常检测需求。
59.在本发明实施例中，所述检测方法还包括：基于所述预设实验数据集生成与所述训练数据对应的测试数据；基于所述第一簇和所述第一距离对所述测试数据进行处理，获得处理后测试数据；基于所述处理后测试数据对所述预设融合检测模型进行验证。
60.进一步地，在本发明实施例中，在所述基于所述处理后测试数据对所述预设融合检测模型进行验证之后，所述检测方法还包括：在验证结果为所述预设融合检测模型不符合预设检测要求的情况下，基于所述验证结果获取对应的优化参数；基于所述优化参数对所述预设融合检测模型进行优化，获得优化后的预设融合检测模型。
61.在一种可能的实施方式中，为了保证所生成的预设融合检测模型具有足够的准确性以及对异常进行检测的覆盖率，在获取上述预设融合检测模型的过程中，在基于预设实验数据集生成训练数据的同时，也生成对应的测试数据，例如该测试数据可以为与训练数据相同的备份数据，也可以为与训练数据不同的测试数据，以及在根据聚类检测模型获取到训练数据的第一簇和第一距离后，可以进一步根据该第一簇和第一距离对测试数据进行处理，并获得处理后测试数据，此时再通过处理后测试数据对预设融合检测模型进行验证，例如通过该预设融合检测模型对处理后测试数据进行异常检测，并获得对应的异常检测结果。
62.例如在一种实施例中，向预设融合检测模型中输入了10个处理后测试数据进行异常检测，并输出了2项数据正常，8项数据异常的异常检测结果。而上述10个处理后测试数据中实际包含10项异常数据，即该预设融合检测模型的正确率为80％，例如在本发明实施例中，当预设融合检测模型的正确率为90％以上时，确定该预设融合检测模型符合预设检测要求，即本实施例中获取的预设融合检测模型的验证结果不符合预设检测要求，因此根据上述验证结果获取对应的优化参数，例如可以根据上述误检测或漏检测的2项数据对该预设融合检测模型进行优化分析，并获取对应的优化参数，此时根据该优化参数对预设融合检测模型进行优化，例如将优化参数对原参数进行替换并获得优化后的预设融合检测模型。
63.在本发明实施例中，通过在建立预设融合检测模型的过程中，根据预设融合检测模型的实际检测的相关指标，例如该相关指标包括但不限于该预设融合检测模型的正确率、异常覆盖率等对预设融合检测模型进行优化，以获得符合检测要求的预设融合检测模型，从而有效保证了在后续的异常检测过程中能够有足够的检测精确性。
64.在创建合格的预设融合检测模型后，开始对电力系统进行实时的异常监控。请参见图3，在本发明实施例中，所述基于所述预设融合检测模型对所述电力信息进行分析，获得分析后信息，包括：
65.s31)对所述电力信息进行预处理，获得预处理后信息；
66.s32)对所述预处理后信息执行转换处理，获得转换后信息；
67.s33)基于所述预设融合检测模型对所述转换后信息执行聚类处理，获得与所述转换后信息对应的至少一个第二簇和第二簇中心；
68.s34)获取每个电力数据与所对应的第二簇中心之间的第二距离；
69.s35)基于所述电力信息、所述第二簇和所述第二距离生成所述分析后信息。
70.在一种可能的实施方式中，首先获取电力系统的电力信息，在获取的电力信息中包括多个电力数据。在电力系统的实际监控过程中，电力系统的每个线路端点周期性地对每个线路的电力信息进行采集，并存储至数据库，因此在获取上述电力信息的过程中，由于数据库中存储的电力信息数据量巨大，因此可以通过etl工具批量导出电力信息。然而在实际应用过程中，由于线路端点的数据是流式数据，每个数据是由线路id以及数据记录组成的键值对构成，而该流式数据不符合检测模型的输入数据格式要求，因此需要对所获取的电力信息进行预处理，以符合预设融合检测模型的输入数据格式要求。
71.在本发明实施例中，所述对所述电力信息进行预处理，获得预处理后信息，包括：提取所述电力信息中类型为比值型的比值信息；对所述比值信息执行基准对齐操作，获得对齐后信息；基于所述对齐后信息对所述电力信息进行更新，获得预处理后信息。
72.由于电力系统中的电力数据与其他行业中的数据不同，电力数据中具有较多的比值型数据，然而不同的比值型数据的比值基准是不同的，因此为了保证在后续进行数据分析和异常检测的有效性和精确性，首先提取电力信息中类型为比值型的比值信息，然后对上述比值信息执行基准对齐操作，例如在本发明实施例中，可以将每个比值型信息的比值基准设置为1，以保证每个比值型数据具有相同的参考基准，以获得对齐后信息，然后根据对齐后信息对电力信息进行更新，例如将对齐后信息和非比值型电力信息进行融合，以获得预处理后信息。
73.进一步地，对预处理后信息的数据格式进行转换，在本发明实施例中，所述对所述预处理后信息执行转换处理，获得转换后信息，包括：获取预设数据格式；对所述预处理后信息进行数据提取，获得提取后数据；基于所述预设数据格式对所述提取后数据进行格式转换，获得转换后信息。
74.在一种可能的实施方式中，首先获取预设数据格式，例如该预设数据格式可以为[序号，属性名称，属性值]，然后对预处理后信息进行数据提取，获得提取后数据，例如可以将预处理后信息中的属性名称以及对应的属性值提取出来，然后按照该预设数据格式对提取后数据进行格式转换，例如可以存储为预设格式的数据，以获得转换后信息，请参见表1：
[0075]
序号属性名称属性值1time08.17.492bv_value500kv3status1
[0076]
表1
[0077]
此时根据预设融合检测模型对上述转换后信息执行聚类处理，以获得与转换后信息对应的至少一个第二簇和第二簇中心，例如在本发明实施例中，对转换后信息进行聚类处理后获得5个簇以及对应的5个簇中心，此时进一步获取电力信息中每个电力数据与第二簇中心之间的第二距离，并根据上述电力信息、第二簇和第二距离生成分析后信息，例如将上述信息打包以生成分析后信息，例如该分析后信息的存储格式为[电力数据，第二簇，第二距离]。
[0078]
在本发明实施例中，通过对电力数据进行预先的处理以将流式数据以及随意存储的数据转化为能够进行机器处理的数据，并进一步通过聚类模型对上述数据进行处理，以
对电力数据实现信息增益的效果，有效降低了后续数据处理的处理难度，提高了数据处理过程中的可靠性和精确性。
[0079]
在本发明实施例中，所述基于所述预设融合检测模型对所述分析后信息进行处理，获得处理后信息，包括：基于所述预设融合检测模型对所述分析后信息进行分类处理，获得每个电力数据的分类信息，所述分类信息包括所述电力数据的异常概率；将所述分类信息作为所述处理后信息。
[0080]
进一步地，在本发明实施例中，所述基于所述处理后信息生成所述电力系统的异常检测结果，包括：获取预设概率阈值；判断所述电力数据的异常概率是否大于所述预设概率阈值；在所述电力数据的异常概率大于所述预设概率阈值的情况下，生成数据异常的异常检测结果；在所述电力数据的异常概率小于等于所述预设概率阈值的情况下，生成数据正常的异常检测结果。
[0081]
在现有技术中，在单独通过分类模型对电力数据进行处理的过程中，需要人工对每个电力数据进行标注，例如对电力数据的种类等信息进行标注，因此需要耗费大量的人力，大大增加了技术人员的工作量，降低了工作效率。因此，为了解决上述技术问题，在一种可能的实施方式中，首先通过预设融合检测模型对电力数据进行聚类处理，以实现对电力数据的数据增益效果，在此基础上，预设融合检测模型能够基于分析后信息中包含的第二簇以及对应的第二距离对每个电力数据进行直接的分类操作，并获得对应的分类信息，例如该分类信息中包括每个电力数据的异常概率。
[0082]
此时获取预设概率阈值，并判断上述每个电力数据的异常概率是否大于预设概率阈值，例如在一种实施例中，某电力数据的异常概率大于预设概率阈值，则确定该电力数据为异常数据，因此生成对应的数据异常的异常检测结果。
[0083]
在本发明实施例中，通过采用融合模型的方式，在兼顾每个检测模型的优点的基础上，实现有效克服单一检测模型的缺陷的技术效果，从而实现对电力系统的智能化、自动化异常检测，有效提高了异常检测过程中的检测效率和检测精确性，满足了企业的正常检测需求。
[0084]
在本发明实施例中，所述检测方法还包括：在所述异常检测结果为数据异常的情况下，获取对应的异常数据；提取所述异常数据的异常参数；基于所述异常参数确定所述异常数据的处理优先级；基于所述处理优先级对所述异常数据执行顺序输出操作。
[0085]
进一步地，在本发明实施例中，所述异常参数包括第一异常参数d和第二异常参数l，所述基于所述异常参数确定所述异常数据的处理优先级，包括：获取所述处理优先级与所述异常参数之间的映射关系，所述映射关系表征为：p＝d k*l；其中，k为所述映射关系的预设斜率；基于所述映射关系和所述异常参数确定所述异常数据的处理优先级。
[0086]
在现有技术中，当检测到某个电力数据为异常时，往往是直接将该异常数据输入至专家系统中进行异常分析和异常处理，然而在实际应用过程中，由于不同的异常对电力线路的影响程度不同，同时专家在解决不同的异常数据时所需要消耗的时间也不同，因此现有的异常处理方法将导致异常处理效率低下、异常处理不合理(更重要的异常滞后处理等情况)的情况，因此无法满足企业的实际异常处理需求。
[0087]
因此，在一种可能的实施方式中，在获取到上述异常检测结果后，当异常检测结果为数据异常的情况下，获取对应的异常数据，此时进一步提取该异常数据的异常参数，例如
该异常参数包括但不限于第一异常参数d和第二异常参数l，例如第一异常参数d为该异常数据的解决消耗时间，第二异常参数l为该异常数据对电力系统的影响程度，每个电力数据所对应的异常参数可以为技术人员预先在数据库中保存，并在该电力数据为异常数据时由电力系统自动调用。
[0088]
此时获取每个电力数据的处理优先级与异常参数之间的映射关系，在本发明实施例中，该映射关系可以表征为p＝d k*l的线性映射关系，其中k表征为所述映射关系的预设斜率。根据该映射关系，可以确定每个异常数据的处理优先级，优选地，在本发明实施例中，该处理优先级的分配为唯一的，即每个处理优先级仅对应一个异常数据。此时，根据该处理优先级对异常数据执行顺序输出操作，例如按照该处理优先级将每个异常数据顺序输出值专家系统，以实现对影响程度更大的异常数据更优先处理，或对消耗时长更大的异常数据滞后处理的技术效果。
[0089]
在本发明实施例中，通过采用基于优先级的异常处理方法，能够有效提高对异常数据的处理效率，降低异常数据对电力系统的影响，提高了电力系统的运行安全性，满足的企业的实际需求。
[0090]
下面结合附图对本发明实施例所提供的电力系统的异常检测装置进行说明。
[0091]
请参见图4，基于同一发明构思，本发明实施例提供一种电力系统的异常检测装置，所述检测装置包括：第一获取单元，用于获取电力系统的电力信息，所述电力信息包括多个电力数据；第二获取单元，用于获取预设融合检测模型；分析单元，用于基于所述预设融合检测模型对所述电力信息进行分析，获得分析后信息；处理单元，用于基于所述预设融合检测模型对所述分析后信息进行处理，获得处理后信息；检测单元，用于基于所述处理后信息生成所述电力系统的异常检测结果。
[0092]
在本发明实施例中，所述第二获取单元包括：模型建立模块，用于建立第一初始模型和第二初始模型；数据获取模块，用于获取预设实验数据集，基于所述预设实验数据集生成训练数据；第一训练模块，用于基于所述训练数据对所述第一初始模型进行训练，获得聚类检测模型；第一中间信息获取模块，用于基于所述聚类检测模型获取所述训练数据的第一簇和第一簇中心；第二中间信息获取模块，用于获取所述训练数据与所述第一簇中心之间的第一距离；数据处理模块，用于基于所述第一簇和所述第一距离对所述训练数据进行处理，获得处理后训练数据；第二训练模块，用于基于所述处理后训练数据对所述第二初始模型进行训练，获得分类检测模型；融合模块，用于对所述聚类检测模型和所述分类检测模型执行融合操作，获得所述预设融合检测模型。
[0093]
在本发明实施例中，所述第二获取单元还包括测试模块，所述测试模块用于：基于所述预设实验数据集生成与所述训练数据对应的测试数据；基于所述第一簇和所述第一距离对所述测试数据进行处理，获得处理后测试数据；基于所述处理后测试数据对所述预设融合检测模型进行验证。
[0094]
在本发明实施例中，在所述基于所述处理后测试数据对所述预设融合检测模型进行验证之后，所述测试模块还用于：在验证结果为所述预设融合检测模型不符合预设检测要求的情况下，基于所述验证结果获取对应的优化参数；基于所述优化参数对所述预设融合检测模型进行优化，获得优化后的预设融合检测模型。
[0095]
在本发明实施例中，所述分析单元包括：预处理模块，用于对所述电力信息进行预
处理，获得预处理后信息；转换模块，用于对所述预处理后信息执行转换处理，获得转换后信息；第三中间信息获取模块，用于基于所述预设融合检测模型对所述转换后信息执行聚类处理，获得与所述转换后信息对应的至少一个第二簇和第二簇中心；第四中间信息获取模块，用于获取每个电力数据与所对应的第二簇中心之间的第二距离；分析信息生成模块，用于基于所述电力信息、所述第二簇和所述第二距离生成所述分析后信息。
[0096]
在本发明实施例中，所述预处理模块用于：提取所述电力信息中类型为比值型的比值信息；对所述比值信息执行基准对齐操作，获得对齐后信息；基于所述对齐后信息对所述电力信息进行更新，获得预处理后信息。
[0097]
在本发明实施例中，所述对所述预处理后信息执行转换处理，获得转换后信息，包括：获取预设数据格式；对所述预处理后信息进行数据提取，获得提取后数据；基于所述预设数据格式对所述提取后数据进行格式转换，获得转换后信息。
[0098]
在本发明实施例中，所述处理单元包括：分类模块，用于基于所述预设融合检测模型对所述分析后信息进行分类处理，获得每个电力数据的分类信息，所述分类信息包括所述电力数据的异常概率；确定模块，用于将所述分类信息作为所述处理后信息。
[0099]
在本发明实施例中，所述基于所述处理后信息生成所述电力系统的异常检测结果，包括：获取预设概率阈值；判断所述电力数据的异常概率是否大于所述预设概率阈值；在所述电力数据的异常概率大于所述预设概率阈值的情况下，生成数据异常的异常检测结果；在所述电力数据的异常概率小于等于所述预设概率阈值的情况下，生成数据正常的异常检测结果。
[0100]
在本发明实施例中，所述检测装置还包括优先处理单元，所述优先处理单元包括：异常数据获取模块，用于在所述异常检测结果为数据异常的情况下，获取对应的异常数据；异常参数提取模块，用于提取所述异常数据的异常参数；优先级确定模块，用于基于所述异常参数确定所述异常数据的处理优先级；输出模块，用于基于所述处理优先级对所述异常数据执行顺序输出操作。
[0101]
在本发明实施例中，所述异常参数包括第一异常参数d和第二异常参数l，所述基于所述异常参数确定所述异常数据的处理优先级，包括：获取所述处理优先级与所述异常参数之间的映射关系，所述映射关系表征为：p＝d k*l；其中，k为所述映射关系的预设斜率；基于所述映射关系和所述异常参数确定所述异常数据的处理优先级。
[0102]
进一步地，本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明所述的电力系统的异常检测方法。
[0103]
以上结合附图详细描述了本发明实施例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。
[0104]
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。
[0105]
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)执行本技术各个实施例所述方法的全部或部分步骤。而前
述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0106]
此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。