CN119494691A 一种基于多维回溯分析异常节点电价智能识别方法及系统 （海南电网有限责任公司）

一种基于多维回溯分析异常节点电价智能本发明公开了一种基于多维回溯分析异常2实时对比多维实时电价特征集和多维基准电价特征集根据采集模块收集到的节点电价和多维数据整合成一个数据集，并计算数据特征点的密度，并根据实际去噪需求设定阈值，根据划分的两个群组，调整数据划分界线，以满足一个界限j表示数据j的有序程度，Gmax和Gmin分别表示数据空间3根据密度聚类计算，对密度聚类算法进行迭代，直至数据密度的计算对识别出的异常数据进行清洗，根据异常数据时序关联度的不同，划对填补后的数据进行异常值检测，判定其缺失度是否满足需求；填补输入层负责接收外部信号的节点，隐藏层负责处理信息的中间层，4输入层的信号通过隐藏层传递到输出层，若输出层的输出与期望通过前向传播和反向传播的过程来更新输入层和隐藏层之间的连接权重以及隐藏层Hli5ii}表示该节点的参数集。述划定电价正常范围包括，结合使用基于均值和标准差的方法以及基于百分位数的方法，使用第5百分位数Plow和第95百分位数Phigh来界定正常范围之外的异常值；考虑数据的对异常节点电价的多维实时电价特征集和多维基准电价特征集运用因果推理技术进8.一种采用如权利要求1_7任一所述方法的一种基于多维回溯分析异常节点电价智能采集模块，实时采集节点实时电价、节点同期实时历史电价和影计算模块，根据历史电价数据，建立引入自适应模糊6分析模块，实时对比多维实时电价特征集和多维基准电价9.一种计算机设备，包括存储器和处理器，所述存储器存被处理器执行时实现权利要求1至7中任一项所述的7[0007]根据历史电价数据，建立引入自适应模糊神经网络的BP神经系统的电价预测模[0010]作为本发明所述的基于多维回溯分析异常节点电价智能识别方法的一种优选方[0011]作为本发明所述的基于多维回溯分析异常节点电价智能识别方法的一种优选方8[0026]作为本发明所述的基于多维回溯分析异常节点电价智能识别方法的一种优选方9与异常数据时序关联度相同的正常数据的时间序列长度。对异常数据的缺失部分进行填[0042]作为本发明所述的基于多维回溯分析异常节点电价智能识别方法的一种优选方[0046]通过前向传播和反向传播的过程来更新输入层和隐藏层之间的连接权重以及隐[0069]作为本发明所述的基于多维回溯分析异常节点电价智能识别方法的一种优选方[0074]作为本发明所述的基于多维回溯分析异常节点电价智能识别方法的一种优选方[0075]对异常节点电价的多维实时电价特征集和多维基准电价特征集运用因果推理技[0086]图1为本发明第一个实施例提供的一种基于多维回溯分析异常节点电价智能识别[0087]图2为本发明第一个实施例提供的一种基于多维回溯分析异常节点电价智能识别[0088]图3为本发明第一个实施例提供的一种基于多维回溯分析异常节点电价智能识别[0089]图4为本发明第一个实施例提供的一种基于多维回溯分析异常节点电价智能识别[0090]图5为本发明第一个实施例提供的一种基于多维回溯分析异常节点电价智能识别与异常数据时序关联度相同的正常数据的时间序列长度。对异常数据的缺失部分进行填[0138]通过前向传播和反向传播的过程来更新输入层和隐藏层之间的连接权重以及隐[0169]对异常节点电价的多维实时电价特征集和多维基准电价特征集运用因果推理技[0187]计算机设备可以是服务器。该计算机设备包括处理器、存储器、输入/输出接口非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read_(ReRAM)、磁变存储器(MagnetoresistiveRandomAccessMemory，MRAM)、铁电存储器缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器[0189]实施例2为本发明的一个实施例，提供了一种基于多维回溯分析异常节点电价智[0193]通过上述表格数据分析，可以明显看出我方发明在异常节点电价识别中的优[0195]在实际应用中，我方发明的预测模型显著提高了电价异常检测的准确性和灵活