基于孤立森林算法的电力数据异常检测方法设计

由于电力数据异常检测时的电力数据特征提取效果较差，导致电力数据异常检测准确性较低，对此，提出基于孤立森林算法的电力数据异常检测方法。采用总线传输控制协议进行短期负荷电力数据参数采集，通过堆叠多层神经网络来执行机器学习，得到电力数据有最小值，构建电力数据采样模型。基于采集到的短期负荷电力数据，利用相邻子模块融合方法对短期负荷电力数据进行融合处理，基于上述融合处理后的短期负荷电力数据，对其进行数据特征提取。根据数据特征提取结果，使用孤立森林学习算法进行短期负荷电力数据异常检测。实验结果表明：该方法对电力数据异常检测的聚类性和收敛性较好，且数据异常检测精度最高达97%,检测时长最高为16 s,具有实用性。