第一作者 劉鳳魁

劉鳳魁（1990-），女，河北石家莊人，工學碩士，研究方向為電力大數(shù)據(jù)分析。作者所在的中國電科院大數(shù)據(jù)研究團隊成立于2014年初，采用跨專業(yè)聯(lián)合攻關模式，以電力大數(shù)據(jù)應用為核心、面向價值實現(xiàn)，從數(shù)據(jù)獲取與管理、大數(shù)據(jù)處理技術、分析挖掘算法、電力業(yè)務大數(shù)據(jù)應用四個方面重點突破，打造核心競爭力。

由于數(shù)據(jù)來源不同、統(tǒng)計口徑不同、一線人員數(shù)據(jù)錄入、異常行為等問題以及缺乏相應的數(shù)據(jù)質量管控體系，常常會導致異常數(shù)據(jù)產(chǎn)生。異常數(shù)據(jù)包含了系統(tǒng)異常情況出現(xiàn)的相關信息，因此異常數(shù)據(jù)背后潛藏著巨大的研究價值，可為實際應用提供幫助。在電力行業(yè)，異常值檢測可用于電網(wǎng)故障檢測、設備故障檢測、用電異常檢測等領域。

快速密度峰值聚類算法是2014年 Rodriguez 等人發(fā)表在Sciences上的一篇論文中所提出的較新穎的聚類算法。該算法主要基于兩個設想：一是聚類中心被具有較低密度的鄰居包圍；二是聚類中心與其他具有較高密度的任何點的距離都相對較大。對于每個樣本點，需要計算兩個參數(shù)：

局部密度：

距離：

以局部密度為橫坐標，距離為縱坐標，繪制決策圖，同時具有較大局部密度和距離的點會被識別為聚類中心，然后將聚類中心的類標依次傳遞給距離最近的點完成聚類過程。

本文針對快速密度峰值聚類算法沒有考慮數(shù)據(jù)集局部特征且算法精度依賴于截斷距離d_c的不足，提出一種基于KNN 的快速密度峰值異常值檢測算法。該算法的核心是用KNN 思想計算樣本的局部密度：

KNN距離：

基于KNN 的局部密度和距離在計算時既考慮了數(shù)據(jù)集的全局特征，也考慮了數(shù)據(jù)集的局部特點。計算出樣本的之后，確定數(shù)據(jù)集中的異常值，數(shù)據(jù)集中局部密度較小、距離較大的點有可能是異常值，因為其周圍的鄰居較少且與其他樣本的距離較大。本文認為異常樣本滿足如下條件：

局部密度，且距離時，則該樣本點可以判定為異常值。其中，局部密度閾值的定義為：

距離閾值 的定義為：

案例所用數(shù)據(jù)為某省某臺交流10 kV 配電變壓器2014年1月1日至2014年4月30日共120天的日負荷數(shù)據(jù)，其采集頻率為1 h，因此日負荷曲線為24個數(shù)據(jù)點。日負荷數(shù)據(jù)標準化后的曲線如圖1所示，可以看出該變壓器的常規(guī)運行模式，而有些曲線較大程度地偏離了正常運行模式。

利用文中所提算法，對該數(shù)據(jù)集進行異常值檢測，其異常值決策圖如圖2所示。

檢測出的異常值如圖3所示。

對比圖1與圖3可以看出，本文所提算法已將圖1中的少數(shù)不同于正常運行模式的曲線檢測出來。在總共120條曲線中共篩出7條異常曲線。這7條曲線的時間分布見表1所列。2014年1月31日為中國農(nóng)歷新年，異常值所在的時間恰為春節(jié)假期，這也說明了所提算法能夠有效檢測出異常的用電模式。

1）從異常值檢測角度改進快速密度峰值聚類算法。利用KNN的思想重新定義局部密度和距離，改善了原始算法沒有考慮數(shù)據(jù)局部特點以及依賴于截斷距離的不足，并定義了判斷異常值的規(guī)則，從異常值檢測角度對其進行優(yōu)化。

2）異常值檢測有重要應用價值。異常值檢測一方面可以作為數(shù)據(jù)預處理的一部分，解決因數(shù)據(jù)采集，或人工錄入等原因導致的數(shù)據(jù)異常問題；另一方面可以進行異常用電行為分析，支撐竊電嫌疑、風險預警等應用。