基于變分自編碼器的異常負荷檢測算法研究

秦佳奇 許源源

（1.四川大學計算機學院 四川省成都市 610065 2.四川省計算機研究院 四川省成都市 610041）

隨著國民經濟的高速發展，我國的電力行業也正在加速智能化和自動化。其中智能電網也已經從概念發展成了電力系統的核心[1]。在電網市場化的過程中，對未來一段時間內的電力負荷變化進行估算預測是保證系統穩定運行和智能調度的關鍵步驟[2]。負荷預測的精度愈高，其對一線電力調度員的參考價值也就越大，同時也能指導電力公司更精確對電價進行調整引導企業和用戶合理用電。目前進行負荷預測主要是基于各省市電力調度中心存儲的海量歷史負荷數據，通過統計或模型的方法挖掘歷史負荷變化的規律，從而去預測未來的負荷變化情況[3]。

在實際生產過程中，面對海量的電力負荷數據，如果通過人工去標注全部的異常數據需要花費大量的時間成本和昂貴的專家成本，這顯然是不太現實的。而在僅有少量標簽或能夠憑經驗直觀判斷異常的情況下，半監督學習方法可以較好地滿足我們進行負荷異常檢測的需求。

本文針對電力負荷異常檢測問題，提出一種基于變分自編碼器的負荷異常檢測方法。

1 電力負荷異常數據

本文電力負荷數據全部采集自SCADA 系統，除了有效數據外，還包含有一些誤差數據，這些誤差數據主要是由于測量儀器和環境干擾造成的，大部分誤差數據是服從正態分布，通過一定的方式進行處理后基本不會對電力系統產生不良影響。另外電力系統工作過程中還有部分負荷數據缺失或者數據突變的情況，這些數據便是異常電力負荷數據。按照異常數據產生原因的不同，將其分為三類：缺失數據、畸變數據、突變數據。對于缺失數據，通過簡單的循環判斷算法便可以檢測出，然后可以通過拉格朗日插值法或者平均插值法來填補?；償祿话阌捎谙到y內部噪聲或者極端環境影響造成負荷出現小范圍的隨機性波動，其變化范圍較小，對系統和預測工作影響不大。突變數據是負荷曲線出現極值，在一些時間點低于波谷值或高于波峰值。本文所提的方法主要用來檢測突變數據。

2 算法原理

2.1 變分自編碼器

自編碼器（Auto-Encoder, AE）是一種基于非監督學習的人工神經網絡，主要包括編碼器、解碼器以及中間隱藏層?；谧跃幋a器可以實現特征降維和重建，具體過程如圖1 所示。

編碼器首先將輸入的數據X 進行壓縮編碼得到低維隱向量Z，解碼器又將隱向量重建為數據X'。其中編碼函數為f(X)，解碼函數為g(X)， 訓練神經網絡過程時的損失函數為：

編碼器和解碼器所使用的計算公式表示如下：

圖1：自編碼器結構

圖2：變分自編碼器結構

圖3：測試集的異常負荷檢測結果

上式中δ(),δ'()為非線性激活函數，W，W'為對應的權重矩陣，b，b'為偏置。

變分自編碼器（Variational Auto-Encoder, VAE）是自編碼器的一種，其原理如圖2 所示。相對于一般的自編碼器，VAE 是將輸入變量編碼成隱變量的分布，然后根據隱變量的分布進行數據采樣，從而隱變量分布被解碼成為了輸出變量的分布；另外VAE 有2 個編碼器，分別用于對輸入數據的均值和方差進行壓縮編碼，從而得到均值為0、方差為1 的標準正態分布；VAE 相對于AE 具有較好地魯棒性，因為其對編碼器的結果增加了高斯噪聲，從而提高了模型在實際應用過程中應對各種噪聲的能力。

2.2 變分自編碼器用于異常負荷檢測

本文的電力負荷數據是一種劇透穩定性的時間序列數據。針對時間序列的異常檢測而言，我們使用VAE 對輸入的時間段負荷序列進行壓縮和重構，如果重構出來的負荷序列與原始時間負荷序列存在整體誤差和局部誤差，我們就有理由認為原始序列中存在異常點。在壓縮過程中，我們得到了原始時序數據的低維特征，其中異常數據和正常數據彼此分離，利用低維特征重建時序數據，在這個過程中能夠產生異常的特征和噪聲將被忽略。本文基于對原始負荷序列的重建誤差來檢測樣本的異常程度。

表1：測試集上的各種異常檢測方法實驗結果對比

2.3 評價指標

本文選擇準確率A（accuracy）、精確率P（precision）、召回率R（recall）、綜合評價指標F1（F1-measure）4 個指標對異常檢測的效果進行評價。其計算方式如下所示：

上述公式中TP 表示異常負荷點檢測為異常的樣本數，TN 表示正常點檢測為正常的樣本數，FP 表示正常點檢測為異常的樣本數、FN 表示異常點檢測為正常的樣本數。算法對所有樣本點的整體識別準確率用A 來表示。精確率P 表示檢測到的異常點是真實異常點的比率。召回率R 表示的異常點占據所有真實異常點的比率。綜合評價指標F1 是綜合精確率P 和召回率R 的評價指標，F1 較高時表明實驗方法比較有效。

3 實驗

3.1 數據準備和預處理

本文采集了甘肅省某變電站2018年1月1日至2018年1月31日的負荷數據，采集頻率為每5 分鐘一個時間點，共包含8928個時間點。因為采集到的負荷數據中可能因為外界因素影響產生空缺值，我們首先采用拉格朗日插值法對空缺值進行插值；然后為了降低異常負荷數據檢測計算的復雜度并消除負荷增長對實驗結果造成的影響，我們采用min-max 標準化方法對所有的負荷數據進行歸一化處理：

為了訓練VAE 異常檢測模型，我們按照時間順序將數據集分割成多個片段。我們按照天為單位將原始數據集分31 個時間片段，再將每個天時間段按小時劃分為24 個小時間片段作為標準樣本時間段。每個標準樣本段包含12 個負荷觀測值。最終是將這些標準樣本段輸入模型中。另外我們采用留出法的思想分配數據，前三周的數據作為訓練集，第四周的數據作為測試集。訓練集中的數據經過預處理不包含異常點，測試集中總的樣本量為2018 個，異常樣本點為18 個。

3.2 實驗過程與分析

在使用變分自編碼算法進行負荷異常檢測的過程中，我們使用訓練集對變分自編碼器進行訓練，訓練完成后，將測試集中的數據段輸入訓練好的自編碼器中進行編解碼來計算重建概率。具體檢測異常的操作為，我們對所有測試集樣本點的重建概率分布進行檢測，設定某個閾值，將誤差超出這個閾值的樣本點進行標記，判定其為異常點。在測試過程中，我們控制閾值其值從0.1 變化到0.5，步長為0.01，使用綜合評價指標F1 來評價異常值檢測效果。最終我們發現當閾值取0.4 的時候效果最好。圖3 為測試集的檢測結果，超過閾值的樣本點用紅色圓點標注，代表其為異常負荷點。根據圖可以看到異常主要出現在最后一周的第四天、第五天、第七天。

為了進一步驗證變分自編碼器的異常檢測效果，將本文算法與主流的兩種異常檢測算法進行對比：孤立森林iforest 算法、OCSVM（One Class SVM）算法進行比較。孤立森林算法參數設置為：MaxSamples=64，Trees=50，Alpha=0.02；OCSVM 的參數設置為：核函數=RBF，徑向基函數，nu=0.05。實驗結果如表1 所示。

實驗結果表明本文所采用的變分自編碼器算法對異常負荷的檢測準確率最高，同時精確率也明顯高于其他兩種方法，說明本文方法對于異常負荷點和正常負荷點具有較好地識別效果。但召回率略低于OCSVM，說明本方法仍將一部分異常點判作為成了正常樣本，因此需要對模型進一步訓練和優化。此外，基于變分自編碼器的檢測算法的綜合評價指標也明顯優于其他方法，說明本文實驗方法設定合理且綜合效果比較好。

4 結語

目前，推動電力系統不斷智能化已經是我國國家電網發展的重要目標。各省電力調度中心都逐漸通過SCADA 系統對負荷數據進行采集、傳輸和存儲。然而由于系統故障、常規檢修等隨機事件，會導致負荷數據中不可避免地出現一些異常值。這些異常負荷點影響了負荷預測的精度，對調度人員造成一定程度的干擾。本文針對這一問題提出了一種基于變分自編碼的異常負荷檢測算法，使用實際真實數據進行相關對比實驗，充分驗證了本文所提算法的有效性和可行性。