基于神经网络的电力通信异常数据识别方法

姜 辽

（陕西综合能源集团有限公司，陕西 西安 710000）

1 神经网络选取分析

1.1 DBSCAN

通过对数据的统计，选择具有噪声的基于密度的聚类方法（Density-Based Spatial Clustering of Applications with Noise，DBSCAN）[1]。DBSCAN 是根据数据的相似度来判定样本的类别，由于同一类型的资料抽样分布范围非常相近，如果该数据的附近有一个类似样本，那么根据该模型的密度可以将这些样本划分成一个集群。与K-means 方法相比，DBSCAN 无须输入类型K就能找到任何类型的聚类[2]。

DBSCAN 具有以下优势：（1）对于任何形式的密集资料集合都能进行聚类；（2）能够在集群过程中发现离群值，不会对异常值产生影响；（3）聚类的结论没有任何偏差。

DBSCAN 存在以下不足：（1）当采样组的浓度不一致且群组间隔有很大差别时，聚类的品质较差；（2）如果一个样本集的数量很大，则聚类收敛的时间会比较久，此时可以搜索最近邻建立的KD 树或者球树进行规模限制；（3）与常规的聚类相比，调参的精度略高，参数的不同会使最终的聚类结果产生显著差异。

1.2 LSTM

长短时记忆网络（Long Short-Term Memory，LSTM）是循环神经网络（Recurrent Neural Network，RNN）的一种改良，可以很好地解决RNN 算法中存在的渐近衰减问题[3]。LSTM 模型的神经元包括4 个模块，即记忆细胞（Cell）、输入门、遗忘门以及输出门。Cell负责存储留在神经元中的历史信息，输入门负责决定Cell 将接受的输入数据，遗忘门负责控制Cell 中的历史数据丢弃量，输出门负责决定输出的数据[4]。

LSTM 是一种类似于RNN 的逆向传输网络，主要包括以下3 个部分。（1）对各神经元沿正向的输出数值进行运算。（2）对各神经元错误项目的数值进行逆向运算。与RNN 相似，LSTM 错误的逆向传输也包含2 种不同的方法。一种是沿着时间的逆向传输，也就是从t时刻开始推算出各点的错误项；另一种方法是将错误项推广到更高的层次。（3）对各加权的误差率按照各自的错误项目来进行权重计算[5]。

2 基于DBSCAN 和LSTM 的电力通信异常数据检测算法

针对目前的电力通信运行状况，采用DBSCAN与LSTM 来进行异常数据自动辨识。采用DBSCAN 算法对经过分析和基础处理后的数据进行自动分析，然后按相似度进行密度聚类，获得离群数据，即异常数据。LSTM 需要预先通过一系列的数据进行训练和学习，根据所获得的变异规则对权重因子进行校正，使得神经网络处于最佳的记忆状况，从而对异常数据中的特定异常值进行有效判定。使用经过训练的LSTM，将判断为非正常状态的时间序列数据作为其输入，然后对前面n段进行预测。在LSTM 中，将判断为异常的时序数据作为其输入，设定最优输入神经元个数为n、最优输出神经元个数为1，即连续将先前n组的最大值输入到LSTM 中，从而得到下一组的结果。在此基础上，将LSTM 的预报结果设定为一个精确数值，同时设定一个上下浮动的临界点，根据上下浮动的阈值来判定序列数据对应的实测值。如果超过该阈值，则该结果被认为是一个离群点。LSTM 的预测值作为修正值继续往前预测，直至序列数据运行结束。

在密度聚类处理中使用DBSCAN，实际情况下若有特殊的异常值要求或根据评分来选择异常数据点，可使用局部离群因子检测（Local Outlier Factor，LOF）算法替代上述步骤，其余各部分均不变。

3 仿真实验

3.1 实验环境

本试验使用Python 编程语言，集成开发环境（Integrated Development Environment，IDE）为Eclipse Pydev，在此基础上编制程序和算法。Numpy 支持多维数组和矩阵操作，为数组操作提供了许多数学功能，是Python 的一种扩充程序库。Pandas 包含许多类库和某些标准的数据模式，为大规模的数据集处理工作提供了必要工具。Matplotlib 是一个Python 2D 绘图库，提供多种不同的打印和跨媒体交互环境，能够产生高品质的图像。Sciki-learn 是一种用Python 语言来完成的机器学习算法，能够完成一些常见的数据预处理、分类、回归、降维以及模型选择等任务。TensorFlow是一种开放源码的机器学习平台，常用于机器学习和深层神经网络领域。

在公开的Moore 数据集上验证电力通信异常数据检测算法。利用pandas 包中的describe 函数和info 函数来初始观测实验数据，从而确定该数据的大体分配和该离散数值的尺寸分配。其中，info 函数主要介绍数据集各列的数据类型，明确数据是否为空值及内存占用情况；describe 函数主要介绍数据集各列的数据统计情况，包括最大值、最小值、标准偏差等。将一天中基本为0 的采样数据剔除，以确保资料的完整。将所有数据中的缺失值进行均值填充，全部用Float格式的字符串进行处理，以确保其正确性。对资料进行Shape 处理，使资料的维数一致，确保以后的模式能够平稳运行。将时间序列的数据按一定的时间长短分割，并加以存储，从而为LSTM 的训练提供一定的资料。

3.2 实验分析

3.2.1 DBSCAN 实验分析

通过DBSCAN 聚类寻找异常点，一般都具有聚类特征。实验中随机抽取资料，并对实验随机获取的数据进行测试，得到聚类结果如图1 所示。

图1 数据聚类效果

聚类的效果主要取决于半径的选择，如果半径过小，则会出现很多不能聚集的离群点；如果半径过大，则会导致分散的区域大量聚集在一起。实际使用过程中，使用者可以依据实际需求选择符合要求的参量，从而得到合适的聚类分区。通过对上述各种参量的聚类结果进行比较，当需要将局部稠度点聚集为若干个集群时，设置最小包含点数阈值（MinPts），通过调节半径的取值使其变小，根据上述要求生成数量众多的簇，但随之而来的是数目众多的散乱离群点。为了解决离群点问题，可以采用二次聚集的方法来降低群体数量，并将这些离散的个体按一定的比例分布到特定的群体。当需要较大的集群时，可以将半径的数值设置较大，从而产生小的集群和小的孤立点。

3.2.2 LSTM 实验分析

根据试验资料的特点，选取经过DBSCAN 模式辨识的异常离群点，作为异常数据。对于每个异常数据包含的时间点序列数据，连续选取前10 个数据点作为LSTM 网络的输入，即将输入的时间序列长度设置为10，将输入维设置为1，将隐含层中的细胞个数设置为8。激活函数为sigmoid 函数，输出的激活函数为tanh 函数。根据LSTM 前向计算和反向传播算法，需要初始化一系列矩阵和向量。这些矩阵和向量有2类用途，一类用于保存模型参数，另一类用于保存各种中间计算结果，以便反向传播算法使用，其中包括各个权重对应的梯度。

通过前向传播Forward 方法实现长短期记忆LSTM 的前向传播计算，通过反向传播Backward 方法实现长短期记忆LSTM 的反向传播计算。值得一提的是，与Backword 相关的内部状态变量事实上是在调用Backward 方法后才开展初始化工作。如果长短期记忆LSTM 只是用于推理工作，那么就不需要初始化这些相关变量，能够提高算法整体性能，节省大量内存。

利用LSTM 算法进行离群值预测，结果如图2所示。

图2 预测结果

由图2 可知，该方法的预测精度随迭代次数的增加而不断提高，损耗值相反，整体逐渐趋于稳定，获得了良好的标定结果。

4 结 论

智能电网是传统电网智能化的产物，集成了电力系统中的电力流、信息流以及业务流。其目标在于优化能源资源的配置，满足居民用电需求，确保电力供应的安全、可靠，降低运营成本，促进节能减排，推动国民经济的发展。通过对电力通信网中的业务进行识别和分类，提升网络中业务的可视化程度，为网络资源调配提供参考。传统方式难以有效处理电力系统产生的大量数据，采用基于聚类的方法进行自动划分。电网数据一般都具有很强的时序性规律，通过将DBSCAN 算法与LSTM 模型相结合的方式来高效检测电网数据异常问题，符合电网运行规律。