一种低压配电监控终端数据采集异常检测方法及系统

1.一种低压配电监控终端数据采集异常检测方法，其特征在于，包括以下步骤：S1、获取同一低压台区内的所有低压配电终端的数据样本，构建数据集；S2、基于Z-score标准化方法对所述数据集进行标准化处理，得到标准化数据集；S3、对所述标准化数据集进行数据清洗，得到清洗数据集；S4、基于预先训练好的DBSCAN聚类模型对所述清洗数据集进行聚类分析，从而划分出异常数据样本和正常数据样本；S5、判断所述异常数据样本的个数是否大于预设的异常数据样本个数阈值，若上述判断为是，则将所述低压配电终端判定为数据采集异常；在步骤S4之前包括：S401、获取低压配电终端的历史正常数据，对所述历史正常数据进行标准化处理，将经标准化处理的历史正常数据构建为正常样本数据集；S402、基于所述正常样本数据集在同一时刻获取两个等长单变量时间序列的第一数据样本点集和第二数据样本点集，所述第一数据样本点集和所述第二数据样本点集中的样本点数相等；S403、基于时间序列相似性测度公式计算所述第一数据样本点集和所述第二数据样本点集之间的各个样本点的距离，对所述距离进行升序排列，以构建距离矩阵；S404、根据所述第一数据样本点集和所述第二数据样本点集之间的各个样本点的距离构建距离曲线图，所述距离曲线图的横坐标为样本点序号，其纵坐标为距离，每条距离曲线表示为所述第一数据样本点集的当前样本点与所述第二数据样本点集中各个样本点的距离；S405、基于所述距离曲线图，将样本点中位数处所对应的距离曲线按照距离值由大到小的次序进行排序，得到距离曲线序列，在所述距离曲线序列中以均等间隔确定四条距离曲线作为拟合曲线；S406、对步骤S405确定的四条拟合曲线分别进行四次多项式曲线拟合，其四次多项式曲线拟合的拟合方程为，dist i (x)＝p i x 4 +q i x 3 +r i x 2 +s i x+t i上式中，t为变量，表示拟合曲线的位置点，p i 、q i 、r i 、s i 和t i 均为通过相应的拟合曲线数据得到的拟合系数；S407、根据四次多项式曲线拟合的拟合结果确定每个拟合曲线的拐点位置的值，再根据每个拟合曲线的拐点位置的值再次进行四次多项式曲线拟合，得到每个拟合曲线的拟合结果，根据四个拟合曲线的拟合结果的均值确定邻域范围的半径；S408、将所述邻域范围的半径进行四次多项式曲线拟合，得到四个变量值，根据四个变量值的平均值确定密度阈值；S409、基于DBSCAN聚类算法对所述正常样本数据集进行训练，并在训练前，将所述正常样本数据集中的所有样本数据标记为未读；S410、任选一个未读的样本数据为起始数据，以所述起始数据为圆点，并根据所述邻域范围的半径进行画圆，以圆作为所述起始数据的邻域范围，对所述起始数据的邻域范围内的样本数据的个数进行计数，判断所述样本数据的个数是否大于所述密度阈值，若判断为是，则将所述样本数据判定为核心点，并将所述核心点标记为已读；S411、根据所述邻域范围的半径确定所述核心点所有密度可达的样本数据，并将所述核心点和所述核心点密度可达的样本数据归类为一簇；S412、重复步骤S410～S411直至所有未读的样本数据被标记为已读，从而确定出所有簇；若已读的样本数据未被归类到簇中，则将相应的样本数据归类为噪声点，并将所述噪声点剔除，从而构建DBSCAN聚类模型。 2.根据权利要求1所述的低压配电监控终端数据采集异常检测方法，其特征在于，步骤S3中的数据清洗的方式包括线性差值。 3.根据权利要求1所述的低压配电监控终端数据采集异常检测方法，其特征在于，所述时间序列相似性测度公式为，式中， 表示第一数据样本点集， 表示第二数据样本点集， 表示 与 概率分布的JS散度；D E i,j 为 与 对应的各个样本点之间的欧氏距离，D M i,j 表示错误模式距离，即代表 与 是否同时具有或不具有数据流中出现缺失值和有小于0的样本点两种错误。 4.根据权利要求1所述的低压配电监控终端数据采集异常检测方法，其特征在于，步骤S4具体包括：S401、将所有的所述核心点构建为核心点集；S402、向所述预先训练好的DBSCAN聚类模型中输入所述清洗数据集，将所述清洗数据集中的各个数据样本和所述核心点集中的各个核心点进行线性遍历比较，根据所述邻域范围的半径判断所述清洗数据集中的数据样本是否在所述核心点的邻域范围内，若上述判断为是，则将相应的数据样本标记为异常数据样本，若上述判断为否，则将相应的数据样本标记为正常数据样本。 5.根据权利要求1所述的低压配电监控终端数据采集异常检测方法，其特征在于，步骤S5之后包括：S6、基于预设的异常节点区分准则判断所述低压配电终端导致数据采集异常的异常节点类型，所述异常节点类型包括事件节点和故障节点，所述事件节点为所述低压配电终端的外部线路故障导致，所述故障节点为所述低压配电终端的内部故障导致。 6.根据权利要求5所述的低压配电监控终端数据采集异常检测方法，其特征在于，步骤S6具体包括：S601、在低压配电物联网中选取与所述异常数据样本相关联的LTU节点χ i ，通过所述LTU节点χ i 进行拓扑连接分析，以确定与所述LTU节点χ i 的电气距离最近的节点χ i+1 ；S602、在所述LTU节点χ i 和所述节点χ i+1 中获取对应的时间序列 和时间序列 S603、基于滑动时间窗口的方法计算所述时间序列 和所述时间序列 的互相关系数，并根据互相关系数绘制空间互相关系数曲线图，所述空间互相关系数曲线图的横坐标为时间窗口时延，其纵坐标为互相关系数；S604、基于所述空间互相关系数曲线图确定最大互相关系数的点V 1 、以及与其左右两端距离最近的谷点V 2 和谷点V 3 ，基于所述最大互相关系数的点V 1 、谷点V 2 和谷点V 3 进行连线构成几何三角形，基于所述几何三角形获取当前子时间序列内的几何特征向量和前N个子时间序列的几何特征向量的均值；S605、基于当前子时间序列内的几何特征向量和前N个子时间序列的几何特征向量的均值计算当前子时间序列内的几何特征向量的突变量；S606、将当前子时间序列内的几何特征向量和当前子时间序列内的几何特征向量的突变量作为输入量输入到模糊逻辑系统中，基于空间相关模糊规则对当前子时间序列内的几何特征向量和当前子时间序列内的几何特征向量的突变量进行分别数据处理，从而得到相应的第一输出特征和第二输出特征；S607、在所述模糊逻辑系统中，基于时间相关模糊规则对所述第一输出特征和所述第二输出特征进行合并数据处理，得到空间相关度指标；S608、判断所述空间相关度指标是否大于预设指标阈值，若上述判断为是，则将所述异常节点类型判定为事件节点，若上述判断为否，则将所述异常节点类型判定为故障节点。 7.根据权利要求5所述的低压配电监控终端数据采集异常检测方法，其特征在于，步骤S607之后，步骤S608之前包括：S617、重新选取不同的时间窗口，重新执行步骤S603～S607从而得到相应的新的空间相关度指标；则相应的，步骤S608具体包括：判断所述空间相关度指标及所述新的空间相关度指标是否均大于预设指标阈值，若上述判断为是，则将所述异常节点类型判定为事件节点，若上述判断为否，则将所述异常节点类型判定为故障节点。 8.根据权利要求1所述的低压配电监控终端数据采集异常检测方法，其特征在于，步骤S5之后还包括：当所述低压配电终端判定为数据采集异常时，则生成数据采集异常信号，并将所述数据采集异常信号发送至配电运维中心，以进行异常提醒。 9.一种低压配电监控终端数据采集异常检测系统，以执行权利要求1所述的低压配电监控终端数据采集异常检测方法，其特征在于，包括数据获取模块、标准化模块、数据清洗模块、聚类模块和异常判定模块；所述数据获取模块，用于获取同一低压台区内的所有低压配电终端的数据样本，构建数据集；所述标准化模块，用于基于Z-score标准化方法对所述数据集进行标准化处理，得到标准化数据集；所述数据清洗模块，用于对所述标准化数据集进行数据清洗，得到清洗数据集；所述聚类模块，用于基于预先训练好的DBSCAN聚类模型对所述清洗数据集进行聚类分析，从而划分出异常数据样本和正常数据样本；所述异常判定模块，用于判断所述异常数据样本的个数是否大于预设的异常数据样本个数阈值，还用于当判断所述异常数据样本大于预设的异常数据样本阈值时，则将所述低压配电终端判定为数据采集异常。