申请/专利权人：燕山大学

申请日：2021-05-11

公开（公告）日：2022-09-20

公开（公告）号：CN113240005B

主分类号：G06K9/62

分类号：G06K9/62;G06Q50/06

优先权：

专利状态码：有效-授权

法律状态：2022.09.20#授权;2021.08.27#实质审查的生效;2021.08.10#公开

摘要：本发明涉及一种用静态网络表示电力系统复杂网络进行虚假数据检测的方法。该方法首先对电力系统复杂网络进行建模，在采集数据并完成数据处理后，根据电压等级不同进行层次区域划分；其次，对于节点类型和线路权重进行考虑，建立加权网络；再次，考虑潮流方向，确保复杂网络理论对于电力网络建模方向上面的正确性，分别建立加权有功网络和加权无功网络，并计算节点的出度和入度；最后，采用node2vec与struc2vec相结合的方法，提取节点特征，获得节点相似性，检测出虚假数据。通过node2vec与struc2vec相结合的方法，即考虑了节点的自身属性，同时考虑了节点的结构，能够使检测结果更加全面，检测正确率更高。

主权项：1.一种基于静态网络表示的电力系统复杂网络虚假数据检测方法，其特征在于，其包括以下步骤：步骤1：建立电力系统复杂网络模型；步骤2：对所述步骤1中的电力系统复杂网络模型计算与线路容量CP、线路电阻R和线路电抗X有关的边的权重ω，构造所述电力系统复杂网络模型的加权网络；根据线路潮流方向，分解所述电力系统复杂网络模型的有向网络，获得所述电力系统复杂网络模型的有功有向网络和无功有向网络，计算所述电力系统复杂网络模型的有功有向网络的出入度矩阵AP和无功有向网络的出入度矩阵AQ；步骤3：根据所述步骤2中获得的电力系统复杂网络模型的加权网络、有功有向网络的出入度矩阵AP和无功有向网络的出入度矩阵AQ，采用node2vec和struc2vec相结合的方法提取电力系统复杂网络模型的节点特征，获得有功网络的节点相似度Pis和无功网络的节点相似度Qis，具体包括以下步骤：步骤31：采用node2vec方法提取电力系统复杂网络模型的节点特征，所述采用node2vec方法提取的电力系统复杂网络模型的节点特征包括：节点固有属性集合VP、节点的出度Aout和节点的入度Ain；步骤32：采用struc2vec方法提取电力系统复杂网络模型的节点特征，所述采用struc2vec方法提取的电力系统复杂网络模型的节点特征包括边的权重ω；步骤33：采用node2vec和struc2vec相结合的方法，利用所述步骤31和步骤32中提取的电力系统复杂网络模型的节点特征表示属性图GS：GS＝V,E,FV＝{v1,v2,...,vi,...,vn}F＝{f1,f2,...,fi,...,fr}式中：V为节点组成的集合；vi为第i个节点；n为节点的个数；E为节点i到节点j之间的共有m条边组成的边集集合；F为结构或属性组成的集合；fi为第i个结构或属性；r为结构或属性的个数；步骤34：对所述步骤33中的属性图GS引入负熵加权法，获得向量参数的特定属性权重向量，通过最小化目标函数求得各个属性子空间权重向量：ρi＝ρ1,ρ2,...,ρrT式中：ρi为第i个节点空间的节点自身属性和结构权重向量；步骤35：计算节点的相似性度量，所述节点的相似性度量包括有功网络的节点相似度Pis和无功网络的节点相似度Qis； 步骤4：根据所述步骤35中获得的电力系统复杂网络模型的节点的相似性度量，检测虚假数据。

全文数据：

权利要求：

百度查询： 燕山大学 基于静态网络表示的电力系统复杂网络虚假数据检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD