(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111626659.4 (22)申请日 2021.12.28 (71)申请人 国网山东省电力公司营销服 务中心 （计量中心） 地址 250001 山东省济南市 市中区大观园 经二路15 0号 (72)发明人 郭红霞　王兆军　李骁　李琮琮　 郭亮　王者龙　刘丽君　王翠翠　 孟玉洁　刘晓冬　刘志美　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 代理人 李琳 (51)Int.Cl. G06K 9/00(2022.01) G06K 9/62(2022.01) (54)发明名称 基于模拟学习判别的分布式电源负荷异常 识别方法及系统 (57)摘要 本发明提供了一种基于模拟学习判别的分 布式电源负荷异常识别方法及系统； 基于相关系 统获取分布式电源负荷的相关采集数据， 并根据 发电类型与规模进行样本分类， 基于各分簇样本 集， 分别采用单一正常真实样 本数据集与聚合异 常真实样 本数据集为输入最小批次训练样本集， 输入编码器生成编码数据， 随后生成器基于编码 数据生成复现样本数据， 以反馈调参实现复现样 本对真实样 本数据拟合， 并将真实样本与复现样 本输入判别器， 输出四分类判别结果， 从而在保 留各个分布式电源特征前提下， 实现异常样本数 据的模拟与共享学习， 从而在新 分布式电源负荷 异常出现时， 可有效实现异常识别。 权利要求书3页 说明书13页 附图3页 CN 114330440 A 2022.04.12 CN 114330440 A 1.一种基于模拟学习 判别的分布式电源负荷异常识别方法， 其特 征是： 包括以下步骤： 获取不同分布式电源的发电负荷数据、 不同分布式电源的档案数据及电力交易数据， 获取用户的生产数据及能耗数据和环境数据； 对发电负荷数据中由于电力交易、 用户生产与能耗需求以及环境因素造成的不可用样 本进行删除， 以单位采集数据为样本例计数， 并将剩余数据进 行预处理， 得到真实可用样本 集； 基于不同的分布式电源发电模式及发电规模， 对真实可用样本集进行分类， 并按照分 类簇对各簇异常样本进行标记， 得到各分簇真实样本集， 真实样本集按照比例分为训练真 实样本集和 测试真实样本集； 将各分簇训练真实样本集作为输入样本数据， 利用编码器对其编码， 利用生成器提取 复现样本， 固定编码器和生 成器参数， 将训练集的真实样 本和复现样本输入判别器， 输出分 类为正常 复现样本、 正常真实样本、 异常 复现样本和异常真实样本的四分类， 通过损失函数 进行反馈调参， 并以验证集进 行模型分类验证， 训练完成后， 将判别器作为分布式电源负荷 异常识别模型； 将测试真实样本集数据输入判别器， 判断正确率与精确率是否满足要求， 若否则返回 上一步骤， 若是则固定模型参数， 并将判别器作为分布式电源负荷异常识别模型； 利用分布式电源负荷异常识别模型对分布式电源负荷异常进行判别， 基于判别结果， 对其中判定为可疑样本和预警样本识别结果进行现场情况核查。 2.如权利要求1所述的一种基于模拟学习判别的分布式电源负荷异常识别方法， 其特 征是： 所述环境数据包括气象数据、 节假日数据和相关政策法规数据。 3.如权利要求1所述的一种基于模拟学习判别的分布式电源负荷异常识别方法， 其特 征是： 所述生成器为GAN 生成器。 4.如权利要求1所述的一种基于模拟学习判别的分布式电源负荷异常识别方法， 其特 征是： 将各分簇训练真实样本集作为输入样本数据时， 基于分簇真实样本集进行数据定义 及数据分布设定， 具体包括： 设定 真实样本数据集存在 满足独立且多 元的正态分布， 其隐含 提取特征 的后验分布， 采用高斯分布对各分簇真实样本集的均值和方差进行拟合求解， 获 取均值和方差， 所述隐含提取 特征即为编码器输出的编码数据； 基于真实样本集数据， 在样本数据复现阶段， 根据隐含提取特征去拟合真实样本数据 分布， 采用隐含提取 特征z表征样本x的隐含特 征分布； 利用隐含特征的概率分布去近似在 真实样本x的条件下提取z的条件分布概率， 计算二 者之间的KL散度表示的有效信息损失。 5.如权利要求1所述的一种基于模拟学习判别的分布式电源负荷异常识别方法， 其特 征是： 利用编码器对其编码的具体过程包括： 基于分布式电源的正常真实样本集， 选择每个分布式电源的历史采集样本数据集， 并 随机从中选择多个历史采集数据形成最小批次样本集， 并将最小批次样本集数据输入编码 器， 基于编码器输出 数据计算得损失函数； 基于分簇分布式电源的异常真实样本集， 随机从中选择多个历史采集数据形成最小批 次样本集， 并将最小批次样本集数据输入编码器。 6.如权利要求1所述的一种基于模拟学习判别的分布式电源负荷异常识别方法， 其特权　利　要　求　书 1/3 页 2 CN 114330440 A 2征是： 利用生成器提取复现样本的具体过程包括： 设定基于单例分布式电源样本的所有真 实正常样 本数据集提取的 隐含特征满足先验正态分布 N(0,I)， 随机选择特征编码Z， 并输入 生成器生成正常复现样本数据， 并设置目标损失函数； 设定基于某一分簇样本的所有真实异常样本数据集提取的隐含特征满足先验正态分 布N(0,I)， 随机选择特征编码Zp， 并输入生成器， 获取复现异常样本数据， 并设置目标损失 函数。 7.如权利要求1所述的一种基于模拟学习判别的分布式电源负荷异常识别方法， 其特 征是： 通过损失函数进行反馈调参， 并以验证集进行模型分类验证的具体过程包括： 将正常真实样本和异常真实样本、 正常复现样本和异常复现样本输入判别器， 输出正 常复现样本、 正常真实样本、 异常 复现样本和异常真实样 本的四分类识别结果， 并基于识别 结果构建损失函数； 基于编码器、 生成器和判别器的损失函数， 调节模型的各类参数； 经过迭代调参反馈训练后， 使用验证集对编码器、 生成器和判别器进行测试， 若验证结 果不满足模型判别要求， 则继续反馈调参； 若验证结果满足模型判别要求， 固定模型参数； 输出判别器的模型参数， 将正常真实样本识别结果作为无异常判别结果， 正常复现样 本判别结果作为可疑样本， 异常复现样本和异常真实样本识别结果作为异常样本， 并进行 预警。 8.一种基于模拟学习 判别的分布式电源负荷异常识别系统， 其特 征是： 包括： 数据获取模块， 被配置为获取不同分布式电源的发电负荷数据、 不同分布式电源的档 案数据及电力交易数据， 获取用户的生产数据及能耗数据和环境数据； 样本构建模块， 被配置为对发电负荷数据中由于电力交易、 用户生产与能耗需求以及 环境因素造成的不可用样本进行删除， 以单位采集数据为样本例计数， 并将剩余数据进行 预处理， 得到真实可用样本集； 样本分类模块， 被配置为基于不同的分布式电源发电模式及发电规模， 对真实可用样 本集进行分类， 并按照分类簇对各簇异常样本进 行标记， 得到各分簇 真实样本集， 真实样本 集按照比例分为训练真实样本集和 测试真实样本集； 模型构建和训练模块， 被配置为将各分簇训练真实样本集作为输入样本数据， 利用编 码器对其编码， 利用生成器提取复现样本， 固定编 码器和生成器参数， 将训练集的真实样本 和复现样本输入判别器， 输出分类为正常 复现样本、 正常真实样本、 异常复现样本和异常真 实样本的四分类， 通过损失函数进行反馈调参， 并以验证集进行模型分类验证， 训练完成 后， 将判别器作为分布式电源负荷异常识别模型； 优化模块， 被配置为将测试真实样本集数据输入判别器， 判断正确率与精确率是否满 足要求， 若否则返回上一模块， 若是则固定模型参数， 并将判别器作为分布式电源负荷异常 识别模型； 判别模块， 被配置为利用分布式电源负荷异常识别模型对分布式电源负荷异常进行判 别， 基于判别结果， 对其中判定为可疑样本和预警样本识别结果进行现场情况核查。 9.一种电子设备， 其特征是： 包括存储器和处理器以及存储在存储器上并在处理器上 运行的计算机指 令， 所述计算机指 令被处理器运行时， 完成权利要求 1‑7中任一项 所述的方 法中的步骤。权　利　要　求　书 2/3 页 3 CN 114330440 A 3