本发明涉及负荷异常检测，具体为一种基于空间聚类的负荷异常值检测方法。
背景技术：
1、随着物联网、智能电网、建筑自动化等技术的发展，电力系统、工业设施乃至建筑物内部的能源消耗数据得以实时采集与传输，这些海量数据蕴含了丰富的负荷行为模式和潜在异常信息。为了提升能源管理效率、保障系统稳定运行、预防故障发生并及时响应异常事件，行业对精准、高效、自动化的负荷异常检测技术的需求日益增长。因此需要提供一种基于空间聚类的负荷异常值检测方法，实现对异常数据的早期预警与精准定位。
2、例如公告号为cn109840312b的发明专利，为一种锅炉负荷率-能效曲线的异常值检测方法和装置，该方法包括：s1：获取锅炉运行中的负荷率-能效数据集；s2：通过交叉验证法计算所述负荷率-能效数据集中误差值数组；s3：根据预设异常评判准则从误差值数组中确定异常值。同时，本发明还公开了一种锅炉负荷率-能效曲线的异常值检测装置，该装置包括：数据获取模块、误差计算模块和异常确定模块。本发明通过采用交叉验证可以减少由于训练集选取片面所导致的学习结果分布有偏差的问题，从而减少了异常值对回归器造成的影响，进而更加准确有效地检测出负荷率-能效曲线中的异常点。
3、例如公告号为cn112733417b的发明专利，为一种基于模型优化的异常负荷数据检测与修正方法和系统，该系统包括负荷数据预处理器、异常负荷数据检测器、异常负荷数据修正器，负荷数据处理器与异常负荷数据检测器连接，异常负荷数据检测器与异常负荷数据修正器连接，本发明方法采用基因表达式编程对svdd算法进行参数优化，利用最优参数建立的svdd模型进行异常负荷数据检测，随后利用深度长短时记忆网络进行负荷预测，并将预测负荷值作为异常数据的替代值。该方法用于电网异常负荷处理，通过本发明中的方法，可以较为准确的检测出用电负荷中的异常负荷数据，这将有利于精确负荷预测、计划用电管理、制定合理的电源建设规划，有利于提高电力系统的经济效益和社会效益。
4、基于上述方案发现，目前对负荷异常检测方面还存在一些不足，具体体现在对负荷数据时空特性的忽视，传统的阈值法、统计模型等异常检测方法难以充分捕捉这些复杂的时空关联性，对负荷异常的监测结果不够精确。
技术实现思路
1、针对现有技术的不足，本发明提供了一种基于空间聚类的负荷异常值检测方法，能够有效解决上述背景技术中涉及的问题。
2、为实现以上目的，本发明通过以下技术方案予以实现：本发明提供了一种基于空间聚类的负荷异常值检测方法，包括：对电力负荷监控地区进行区域划分，标记为各负荷监测区域，通过数据统计分析得到第一数据，所述第一数据包括各负荷监测区域的空间特性参量和负荷监测时间点的时间特性参量；获取各负荷监测区域的负荷异常评估阈值，并对各负荷监测区域的第一数据进行监测，分析得到各负荷监测区域的负荷异常评估值；根据各负荷监测区域的负荷异常评估阈值和各负荷监测区域的负荷异常评估值，对各负荷监测区域的负荷异常进行评估，并根据得到的评估结果进行预警反馈。
3、上述方案中，所述各负荷监测区域的负荷异常评估阈值，具体通过将各负荷监测区域的空间特性参量和负荷监测时间点的时间特性参量联合处理得到各负荷监测区域的区域特征向量及区域特征向量可行域，并匹配得到各负荷监测区域的负荷异常评估阈值。
4、上述方案中，所述将各负荷监测区域的空间特性参量和负荷监测时间点的时间特性参量联合处理得到各负荷监测区域的区域特征向量及区域特征向量可行域，并匹配得到各负荷监测区域的负荷异常评估阈值，具体包括：以各负荷监测区域的空间特性参量作为纵轴变量，以负荷监测时间点的时间特性参量作为横轴变量，将两个数值变量合并为一个二维向量，得到各负荷监测区域的区域特征向量，，其中，表示第i个负荷监测区域的区域特征向量，表示第i个负荷监测区域的空间特性参量，表示负荷监测时间点的时间特性参量，i表示各负荷监测区域的编号，，n表示负荷监测区域的总数；根据预设的空间特性参量间隔和时间特性参量间隔分别对空间特性参量取值范围和时间特性参量取值范围进行等距划分，得到若干空间特性参量区间和时间特性参量区间；定位各负荷监测区域的空间特性参量所属空间特性参量区间和负荷监测时间点的时间特性参量所属时间特性参量区间，经处理得到各负荷监测区域的区域特征向量可行域；将各负荷监测区域的区域特征向量可行域与负荷异常检测数据库中存储的各区域特征向量可行域对应的负荷异常评估阈值进行匹配，得到各负荷监测区域的负荷异常评估阈值。
5、上述方案中，所述分析得到各负荷监测区域的负荷异常评估值，具体分析过程为：部署若干筛查时间点，采集各负荷监测区域的各筛查时间点的负荷值，并获取各负荷监测区域的覆盖面积，综合分析得到各负荷监测区域的负荷异常评估值。
6、上述方案中，所述对各负荷监测区域的负荷异常进行评估，并根据得到的评估结果进行预警反馈，具体为：将各负荷监测区域的负荷异常评估值分别与各负荷监测区域的负荷异常评估阈值进行比对，若某负荷监测区域的负荷异常评估值大于或等于该负荷监测区域的负荷异常评估阈值，则将该负荷监测区域评估为负荷异常区域，并将评估结果进行预警反馈。
7、作为进一步的方法，所述各负荷监测区域的空间特性参量，是通过对各负荷监测区域的地理空间特征值和输电线路长度进行综合分析得到的量化评估值，用于量化评估各负荷监测区域的空间特征对负荷数据的影响。
8、作为进一步的方法，所述各负荷监测区域的空间特性参量，具体数值表达式为：
9、
10、式中，表示第i个负荷监测区域的空间特性参量，表示第i个负荷监测区域的地理空间特征值，表示第i个负荷监测区域的输电线路长度，表示参照输电线路长度，表示设定的地理空间特征值对应的空间特性参量影响因子，表示设定的输电线路长度对应的空间特性参量影响因子，i表示各负荷监测区域的编号，，n表示负荷监测区域的总数。
11、作为进一步的方法，所述负荷监测时间点的时间特性参量，是通过对负荷监测时间点的时间段属性量化值和时间序列位置特征量化值进行分析得到的量化指标，用于量化评估负荷监测时间点的时间特征对负荷数据的影响。
12、作为进一步的方法，所述负荷监测时间点的时间特性参量，具体数值表达式为：
13、
14、式中，表示负荷监测时间点的时间特性参量，表示负荷监测时间点的时间段属性量化值，表示负荷监测时间点的时间序列位置特征量化值，表示设定的时间段属性量化值对应的时间特性参量影响因子，表示设定的时间序列位置特征量化值对应的时间特性参量影响因子。
15、相对于现有技术，本发明的实施例至少具有如下优点或有益效果：
16、（1）本发明通过提供一种基于空间聚类的负荷异常值检测方法，根据负荷的空间特征和时间特征进行聚类分析，针对各个区域的特异性设定阈值，能够更好地反映各区域负荷的个体差异，提高异常评估的针对性，有利于识别出区域特有的异常模式，为负荷异常的精细化管理和针对性干预提供有力支持。
17、（2）本发明通过对电力负荷监控地区进行区域划分，不仅有助于构建起层次分明、适应性强的电力负荷监测网络，还可以为及时发现并定位负荷异常、优化电力资源配置、保障电网安全稳定运行提供强有力的数据支持。
18、（3）本发明通过对负荷监测区域的建筑物个数和各建筑物高度进行统计分析，根据建筑密度和高度分布设置合理的负荷阈值，可以提高负荷异常检测的精确性，同时结合时空数据分析建筑物高度和个数在空间上的分布与负荷异常事件的空间分布是否一致，有助于发现负荷异常的地域聚集现象。
19、（4）本发明通过各负荷监测区域的时间特征和空间特征确定负荷异常评估阈值，能够根据数据点在多维空间中的密度分布进行聚类，有效揭示负荷数据内在的时空结构和模式，从而更准确地识别出那些与正常模式显著偏离的异常负荷现象，实现阈值的自动更新与动态调整，始终保持异常评估的时效性和有效性。
1.一种基于空间聚类的负荷异常值检测方法，其特征在于，包括：
2.根据权利要求1所述的基于空间聚类的负荷异常值检测方法，其特征在于：所述各负荷监测区域的负荷异常评估阈值，具体通过将各负荷监测区域的空间特性参量和负荷监测时间点的时间特性参量联合处理得到各负荷监测区域的区域特征向量及区域特征向量可行域，并匹配得到各负荷监测区域的负荷异常评估阈值。
3.根据权利要求2所述的基于空间聚类的负荷异常值检测方法，其特征在于：所述将各负荷监测区域的空间特性参量和负荷监测时间点的时间特性参量联合处理得到各负荷监测区域的区域特征向量及区域特征向量可行域，并匹配得到各负荷监测区域的负荷异常评估阈值，具体包括：
4.根据权利要求1所述的基于空间聚类的负荷异常值检测方法，其特征在于：所述分析得到各负荷监测区域的负荷异常评估值，具体分析过程为：
5.根据权利要求4所述的基于空间聚类的负荷异常值检测方法，其特征在于：所述对各负荷监测区域的负荷异常进行评估，并根据得到的评估结果进行预警反馈，具体为：
6.根据权利要求2所述的基于空间聚类的负荷异常值检测方法，其特征在于：所述各负荷监测区域的空间特性参量，是通过对各负荷监测区域的地理空间特征值和输电线路长度进行综合分析得到的量化评估值，用于量化评估各负荷监测区域的空间特征对负荷数据的影响。
7.根据权利要求6所述的基于空间聚类的负荷异常值检测方法，其特征在于：所述各负荷监测区域的空间特性参量，具体数值表达式为：
8.根据权利要求3所述的基于空间聚类的负荷异常值检测方法，其特征在于：所述负荷监测时间点的时间特性参量，是通过对负荷监测时间点的时间段属性量化值和时间序列位置特征量化值进行分析得到的量化指标，用于量化评估负荷监测时间点的时间特征对负荷数据的影响。
9.根据权利要求8所述的基于空间聚类的负荷异常值检测方法，其特征在于：所述负荷监测时间点的时间特性参量，具体数值表达式为：
