CN117857019B 用于能源大数据的安全防护策略优化方法及系统 （国网河南省电力公司经济技术研究院）

用于能源大数据的安全防护策略优化方法此计算各时刻的综合峰值概率；采用DPC算法对高峰时刻相似扩展范围结合RSA加密算法对能源2对于能源数据，将每个电力能源消耗需求方作为一个电力数据实体体在各采集时刻的耗电量组成实体电力数据序列，将实体电力数据序列均分为各时序区对于各实体区间电力序列，根据实体区间电力序列中的各电力数局部电力峰值强度以及各时刻所在电力时段的电力震荡显著因子得到各时刻的电力综合根据实体区间代表峰值簇中各数据点的局部密度及时刻占比值得到实体区间代表峰对于各电力时段，计算电力时段内电力数据的均值，获取所述均值与计算所述差值绝对值与所述和值的比值，将高峰极值所述根据实体区间电力序列中各数据的时刻占比值及电力高峰区间真实系数构建各将实体区间代表峰值簇中所有数据的时刻占比值均值作为实体区间电力序列的高峰对于第n个电力数据实体的第m个时序区间，将其左侧且时间间隔最区间作为第m个时序区间的左突变区间，将其右侧且时间间隔最近的高峰时刻突变区间作3第n个电力数据实体中第m个时序区间向左、向右侧所取的相表达式分别为：n个电力数据实体中第m个时序区间的左、右突变区间对应的电力特征向量，Cos(第n个电力数据实体中第m个时序区间的高峰所述根据高峰时刻相似扩展范围结合RSA加密算法对电力数据进行自适应加密处理，对于第n个电力数据实体的第m个时序区间，当其它任意一个时采用第m个时序区间的累加器数值的获取方法统计各时序区间的累加器数值，将累加器数值最大的时序区间对应的电力特征向量记为第n个电力数据实体的电力实体特征向采用DBSCAN算法对所有电力数据实体的电力实体特征向量聚类，将将实体区间电力序列中各时刻与实体区间电力序列中最大时刻的比值作为各时刻的将实体区间电力序列作为大津法的输入，输出电力分割阈值，将实体采用最小二乘法对电力时段的数据进行非线性曲线拟合，获取拟合曲线的各极值点，将各极值点按照对应时刻的时刻占比值从小到大的顺序进行排序组成高峰极值序列。4计算各时刻的电力数据与二级电力序列中各电力数据的差值对于各时刻，若第a个时刻属于实体区间电力序列中的任一电力时段，计算述和值的乘积结果作为第a个时刻的电力综若第a个时刻不属于实体区间电力序列中的任一电力时段，将据实体区间代表峰值簇中各数据点的局部密度及时刻占比值得到实体区间代表峰值簇的计算实体区间代表峰值簇中任意两个数据点的时刻占比峰值簇中所有任意两个数据点得到的所述计算结果的和值作为实体区间代表峰值簇的电将实体区间代表峰值簇中所有数据点的局部密度均值与所述电力波峰时序聚集系数7.用于能源大数据的安全防护策略优化系统5各时刻的局部电力峰值强度以及各时刻所在电力时段的电力震荡显著因子得到各时刻的[0008]根据实体区间代表峰值簇中各数据点的局部密度及时刻占比值得到实体区间代6[0010]将实体区间电力序列中各时刻与实体区间电力序列中最大时刻的比值作为各时7区间代表峰值簇中所有任意两个数据点得到的所述计算结果的和值作为实体区间代表峰[0025]将实体区间代表峰值簇中所有数据点的局部密度均值与所述电力波峰时序聚集[0027]将实体区间代表峰值簇中所有数据的时刻占比值均值作为实体区间电力序列的突变区间作为第m个时序区间的左突变区间，将其右侧且时间间隔最近的高峰时刻突变区为第n个电力数据实体中第m个时序区间的左、右突变区间对应的电力特征向量，Co[0034]优选的，所述根据高峰时刻相似扩展范围结合RSA加密算法对电力数据进行自适[0036]采用第m个时序区间的累加器数值的获取方法统计各时序区间的累加器数值，将累加器数值最大的时序区间对应的电力特征向量记为第n个电力数据实体的电力实体特征8理器执行所述计算机程序时实现上述任意一项所述方法[0041]本发明根据时序区间内电力数据之间高电力时刻的波峰特征，结合大津法和DPC[0043]图1为本发明一个实施例提供的用于能源大数据的安全防护策略优化方法的步骤[0047]下面结合附图具体的说明本发明所提供的用于能源大数据的安全防护策略优化[0048]请参阅图1，其示出了本发明一个实施例提供的用于能源大数据的安全防护策略9能源大数据中心的数据库，每隔t个取样时间间隔，将电力数据实体的耗电量作为电力数n表示能源大数据中心中第n个电子数据实体对应的实体电力数据序列，表示的是能源大数据中心中第n个电力数据实体中第m个时序区间的实体区间电力序列。实体时序区间的电力高峰区间真实系数，结合贝叶斯在线变点检测算法和DBSCAN聚类算电力数据的变化会体现电子数据实体的运营发展方向。比如工厂属于一种电力数据实体，[0056]在能源大数据中心中，电力数据实体对应的电力数据可[0057]以能源大数据中心中的第n个电力数据实体的第m个时序区间对应的实体区间电体区间电力序列中第r个电力时段内电力数据的均值，是实体区间电力序列的电序列其中任意一个电力时段，表示第a个时刻不属于实体区间电力序列中的时刻的电力数据值越不可能是独立出现的噪声点，越可能是整个实体区间电力序列的及实体区间电力序列的K个聚类簇。[0070]计算所有DPC聚类簇中所有数据点在电力综合峰值概率维度上的均值，将具有最f区间代表峰值簇对应的时刻在实体区间电力序列中越是聚集在一起出现，则实体区间代表峰值簇越符合实体区间电力序列中高峰区间的时刻聚集特征，电力波峰时序聚集是实体区间电力序列的实体区间代表峰值簇中所有数据点的局部密度均值。当实体区序聚集系数的可信度越大，同时当实体区间代表峰值簇越符合实体区间电力序列中高[0075]根据上述步骤，计算实体区间电力序列的实体区间代表峰值簇中所有数据的其中高峰时刻值表征实体区间电力序列的电力数据高峰时刻，电力[0077]由于电力数据实体的电力使用情况具有一定的规律性，比如工厂每天设备的启[0078]根据上述步骤，将能源大数据中心中的第n个电力数据实体中所有实体区间电力体中第m个时序区间的左突变区间对应的电力特征向[0084]是第n个电力数据实体中第m个时序区间向右侧所取的相邻相似区间个数，n个电力数据实体中第m个时序区间的右突变区间对应的高峰突变[0086]当第m个时序区间与对应的左突变区间之间的电力特征向量的余弦相似度越大，即越大，说明第m个时序区间与左突变区间的实体区间电力序列的电力数据高峰时刻值在高峰时刻序列中变化程度越低，则左侧与第m个时序区间相似的时序区间越[0088]由于各个电力数据实体对应的电力实体特征向量中，各个维度的向量值量纲不表不同的聚类