能源数字对象压缩流转变时间尺度异常检测方法

摘要

针对能源数字对象在供用能主体间流转效率低、异常检测实时性和准确度不高的问题，提出了一种基于压缩感知的数据流转和异常检测算法.首先，基于压缩感知理论实现了能源数字对象数据压缩，并采用基于动态基追踪和最优稀疏度估计的广义正交匹配追踪(GOMP-DBP-OSE)算法进行数据重构，提高了数据在不同主体间的流转速度；其次，提出了多时间尺度下双向长短期记忆-Transformer(BiLSTM-Transformer)融合模型的数据异常滑动检测算法，同时解析数据流的长相关性和短相似性，提升了异常检测的实时性和准确度；最后，以某地区电动汽车-充电桩-电网互动的真实数据作为能源数字对象实验实例，验证了本文所提方法的有效性.实验结果表明，所提压缩算法的压缩率相较于对比算法平均提升14.2%，重构速度相比传统变步长稀疏度自估计子空间追踪(VSSESP)和压缩采样匹配追踪(Co Sa MP)算法分别提升了32.8%和44.5%，所提多时间尺度融合模型的异常检测准确率超过95%，相较于其他异常检测算法性能优越.

关键词

能源数字对象 / 压缩感知 / 异常检测 / 双向长短期记忆