买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网江苏省电力有限公司南京供电分公司;国网江苏省电力有限公司

摘要：异常状况下高频电力数据高鲁棒性压缩感知方法，基于稀疏字典的压缩感知方法对包含异常点的分钟级电表数据进行压缩感知，在数据集上学习一个稀疏字典，捕捉电表数据的数种波动模式与特征，进行压缩与重构，其中由边缘端检测包含异常点的分钟级电表数据并对其中的正常值压缩，由主站侧解压重构并对异常值进行补齐，针对异常点的数据标注与检测，使用半监督的协同森林方法扩充异常点数据集与输出支撑集；为了提高正常值的重构精度，使用原子特征遮蔽方法学习稀疏表示字典，为压缩感知提供前提条件；针对数据传输后可能存在的噪声与异常点的真实数据估计问题，使用序列生成对抗网络对观测信号进行重构，并给出预测值的分布。

主权项：1.异常状况下高频电力数据高鲁棒性压缩感知方法，其特征是基于稀疏字典的压缩感知方法对包含异常点的分钟级电表数据进行压缩感知，在数据集上学习一个稀疏字典，捕捉电表数据的数种波动模式与特征，进行压缩与重构，其中由边缘端检测包含异常点的分钟级电表数据并对其中的正常值压缩，由主站侧解压重构并对异常值进行补齐，包括以下步骤：1对电力数据的数据集基于协同森林和度量学习进行异常点标签标注及扩充，在原始数据集上使用协同森林进行半监督训练，根据已知异常类型对原始数据集进行机器标注，对于未知的异常类型，基于孪生网络的度量学习模型在机器标注的数据上进行新类型发现，计算各个类型的机器标注的数据与其他所有类型数据的平均相似度，如果某条机器标注的数据与每个类型下所有人工标注数据的相似度的平均值都大于设定阈值，则认为该条机器标注的数据属于新类型的异常，对数据集进行标签扩充，最终得到标记及扩充的标记数据集，标记指对电力数据中异常点的进行标注；2在边缘端，对实时产生的高频电力数据序列X，基于少样本学习使用基于孪生网络的度量学习模型检测数据序列中是否存在异常值并标记异常值位置，得到对应的记录异常点位置的向量Xm，Xm中对应X序列异常值的位置的元素置为1，正常值为0，度量学习模型进行异常检测所需的支撑数据集来源于步骤1中得到的标记数据集，并将异常检测所得异常点标签加入标注数据集，进行标签扩充；3用步骤1得到的标记数据集预先训练稀疏字典，之后使用训练好的稀疏字典D与步骤2中标记的异常值的位置，基于原子特征遮蔽的匹配追踪方法，屏蔽异常值对应稀疏字典特征列的残差计算，根据稀疏字典D和用于原子特征遮蔽的向量Xm，对高频电力数据X进行压缩感知，得到高频电力数据X对应的压缩表示S；4在主站侧基于序列生成对抗网络进行数据重构，首先使用去噪网络对压缩的数据进行去噪，对去噪后的压缩表示根据稀疏字典D初步重构，还原得到对应的高频电力数据Xr'；之后使用序列生成对抗网络处理高频电力数据序列的初始重构Xr'，预测数据序列中异常点位置的正常数值，序列生成对抗网络输出Xr'对应的概率分布序列，对概率分布序列进行概率采样，得到数值预测输出Xr，将Xr与Xr'的正常值合并得到最终的重构结果Xr。

全文数据：

权利要求：

百度查询： 国网江苏省电力有限公司南京供电分公司 国网江苏省电力有限公司 异常状况下高频电力数据高鲁棒性压缩感知方法