| 基于低秩模型的电力状态数据异常检测 |
| |
| 引用本文： | 李永攀,门锟,吴俊阳. 基于低秩模型的电力状态数据异常检测[J]. 计算机工程与应用, 2019, 55(16): 255-258. DOI: 10.3778/j.issn.1002-8331.1805-0046 |
| |
| 作者姓名： | 李永攀 门锟 吴俊阳 |
| |
| 作者单位： | 深圳供电局有限公司,广东 深圳,518001;清华四川能源互联网研究院,成都,610213 |
| |
| 基金项目： | 中国南方电网有限责任公司项目 |
| |
| 摘 要： | 智能电网在国民生计中扮演着至关重要的角色，智能电网的稳定性和安全性是网络建设中需要特别考虑的问题。在智能电网的建设和运营中，如何从日常监测数据中及时检测出异常信息和有害信息，比如网络入侵数据和系统隐患数据，对智能电网的稳定性和安全性有着举足轻重的影响。提出一种基于低秩模型的电力数据异常检测算法，将系统观测数据分解为低秩部分和稀疏部分，用低秩部分表达干净的观测，用稀疏部分表达异常数据。然后，通过增广拉格朗日方法来优化目标方程。在公开数据集上的实验结果验证了所提出算法的有效性。
|
| 关 键 词： | 低秩表示 数据挖掘 网络空间安全 电力状态估计 |
Low-Rank Representation for Outliers Detection in Power State Estimation |
| |
| LI Yongpan,MEN Kun,WU Junyang. Low-Rank Representation for Outliers Detection in Power State Estimation[J]. Computer Engineering and Applications, 2019, 55(16): 255-258. DOI: 10.3778/j.issn.1002-8331.1805-0046 |
| |
| Authors: | LI Yongpan MEN Kun WU Junyang |
| |
| Affiliation: | 1.Shenzhen Power Supply Co., Ltd, Shenzhen, Guangdong 518001, China2.Sichuan Energy Internet Research Institute, Tsinghua University, Chengdu 610213, China |
| |
| Abstract: | Smart grid plays a critical role in national production. The stability and security of smart grid is essentially important. As a result, it is significant to detect the bad and malicious data from daily observations. This paper proposes a novel outlier detection method based on low-rank representation. Specifically, the observation is decomposed into two parts：a low-rank part for clean data and a sparse part for outliers. In addition, this paper deploys ALM（Augmented Lagrange Multiplier） to optimize the objective. Extensive experiments on two popular benchmarks verify the advantages of the proposed method. |
| |
| Keywords: | low-rank representation data mining cyberspace security power state estimation |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载免费的PDF全文 |
