(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111578578.1 (22)申请日 2021.12.2 2 (71)申请人 杭州意能电力技 术有限公司 地址 310012 浙江省杭州市西湖区文三路 253号9楼902室 申请人 国网浙江省电力有限公司电力科 学 研究院 (72)发明人 苏烨　张新胜　陈巍文　孙坚栋　 蔡钧宇　丁俊宏　李泉　郑可轲　 丁伟聪　华丽云　 (74)专利代理 机构 浙江翔隆专利事务所(普通 合伙) 33206 代理人 许守金　张建青 (51)Int.Cl. G06K 9/62(2022.01)G06Q 50/06(2012.01) (54)发明名称 一种基于AHC-GP混合模型的热工过程报警 数据过滤方法及系统 (57)摘要 本发明公开了一种基于AHC ‑GP混合模型的 热工过程报警数据过滤方法及系统， 属于数据处 理技术领域。 现有的数据处理方案， 无法有效消 除冗余性报警， 无法及时抑制报警溢流， 加剧了 由于异常传播引发的 “报警泛滥 ”问题。 本发明提 供一种基于AHC ‑GP混合模型的热工过程报警数 据过滤方法， 能够对数据集进行预处理， 并采用 近邻传播算法确定最佳聚类数目， 再使用凝聚式 层次聚类算法对数据集进行聚类， 区分不同工 况； 其次， 利用高斯过程模型进行数据分类， 结合 后验报警概率估计值， 构建数据过滤模型， 实现 热工过程报警数据的准确过滤。 进而， 本发明可 准确定位数据集中的关键报警数据， 消除冗余性 报警； 漏检率、 误判率均较低， 具有良好的数据过 滤准确率。 权利要求书3页 说明书10页 附图2页 CN 114372515 A 2022.04.19 CN 114372515 A 1.一种基于AH C‑GP混合模型的热工过程报警数据过 滤方法， 其特 征在于， 包括以下步骤： 第一步， 获取热工过程报警数据集； 第二步， 对第一步中的热工过程报警数据集进行预处理， 采用近邻传播算法确定最佳 聚类数目， 再使用凝聚式层次聚类算法对热工过程报警数据集进 行聚类， 形成聚类数据集， 以区分不同工况； 第三步， 构建高斯过程模型， 对第二 步中的聚类数据集进行分类， 得到分类数据集； 第四步， 对第三 步中的分类数据集， 结合后验报警概 率估计值， 构建数据过 滤模型； 第五步， 利用第四步中的数据过 滤模型， 实现热工过程报警数据的准确过 滤。 2.如权利要求1所述的一种基于AHC ‑GP混合模型的热工过程报警数据过滤方法， 其特 征在于， 所述第二 步中， 近邻传播 算法确定最佳聚类数目的方法如下： 对热工过程报警数据集进行最佳聚类数目检测， 确定最佳聚类数目。 3.如权利要求1所述的一种基于AHC ‑GP混合模型的热工过程报警数据过滤方法， 其特 征在于， 所述第二步中， 凝聚式层次聚类算法为一种自底向上的层次聚类方法， 其对热工过程 报警数据集进行聚类的方法如下： 首先， 对热工过程报警数据集添加时间标签约束， 使得热工过程报警数据集在时间维 度上的连续， 以契合实际热工过程数据运行 特点； 然后， 将热工过程报 警数据集划分为初始簇， 依据簇间度量距离对簇进行合并， 直至满 足聚类要求； 并以整个热工过程报警数据集为聚类中心， 无需提前确定聚类中心， 从而其聚类结果 不会被局部最优解所影响。 4.如权利要求1所述的一种基于AHC ‑GP混合模型的热工过程报警数据过滤方法， 其特 征在于， 所述第三 步中， 高斯过程模型对聚类数据集进行分类的具体方法如下： 首先， 根据热工过程的报 警数据特点， 构建类别标签， 所述类别标签分为关键报警数据 标签和冗余报警数据标签； 然后， 建立一预测函数， 对于任意输入的聚类数据集， 有效的找到其所属的类别标签y， 将聚类数据集划分为关键报警数据和冗余报警数据； 其中， y∈{ ‑1,1}。 5.如权利要求4所述的一种基于AHC ‑GP混合模型的热工过程报警数据过滤方法， 其特 征在于， 所述分类数据集的数据点 为xi(i＝1,2,…n)， 对应的类别标签 变量为t＝(t1,…,tn)T； 对于一个具体的分类数据集的数据点xN+1， 其类别标签为tN+1， 其后验概率分布为p(tN+1 ∣ t)； 并且引入向量aN+1上的高斯过程先验， 它的分量 为a(x1),…,a(xN+1)； 向量aN+1为一个高斯过程， 基于已有的研究经验及数据集特点， 高斯过程模型使用变分 推断法进行高斯近似， 采用logistic  sigmoid函数进行变换， 变换后向量aN+1为非高斯随机 过程， 向量aN+1取值变为(0,1)；权　利　要　求　书 1/3 页 2 CN 114372515 A 2从而相应的确定了tN+1上的一个非高斯过程， 并通过训练数据tN， 求解分类数据集中数 据点xN+1的后验报警概 率估计值。 6.如权利要求5所述的一种基于AHC ‑GP混合模型的热工过程报警数据过滤方法， 其特 征在于， 所述aN+1上的高斯过程先验的计算公式如下： 其中， CN+1为协方差矩阵； 后验报警概 率估计值p(tN+1＝1∣ tN)的计算公式如下 所示： p(tN+1∣ tN)＝ ∫p(tN+1＝1∣ aN+1)p(aN+1∣ tN)daN+1   (21) p(tN+1＝1∣ aN+1)＝σ(aN+1)   (22)； 其中， σ 为核参数， 表示核半径， 控制径向作用范围。 7.如权利要求1所述的一种基于AHC ‑GP混合模型的热工过程报警数据过滤方法， 其特 征在于， 第四步， 所述数据过 滤模型的构建方法如下： 首先， 计算分类数据集的各 数据点的后验报警概 率估计值； 然后根据后验报警概率估计值的大小， 对分类数据集进行筛选过滤， 得到关键报警数 据点； 所述后验报警概 率估计值的计算公式如下： p(y*＝{‑1,1}∣ X,y,x*)   (23) 其中， X为分类数据集， y、 y*为类别标签， x*为无标签测试集样本,p为报警概 率估计； 后验报警概 率估计值标准差σ★和均值 μ*的计算公式如下： k*＝k(X,x*)   (17) k**＝k(x★,x★)   (18) 其中： K为 分类数据集核矩阵， k*为新分类数据集在核 函数矩阵中的向量值， I代表一个n ×n的单位矩阵， σn为第n个数据点的标准差 。 8.如权利要求1所述的一种基于AHC ‑GP混合模型的热工过程报警数据过滤方法， 其特 征在于， 同时采用准确率、 误判率和漏检率对数据过 滤模型的过 滤效果进行评价； 所述准确率的计算公式如下： ACR＝正确个数/真实报警数据个数； 所述误判率的计算公式如下： MDR＝误判个数/真实报警数据个数； 所述漏检率的计算公式： MJR＝漏检个数/真实报警数据个数。 9.一种基于AH C‑GP混合模型的热工过程报警数据过 滤方法， 其特 征在于， 包括以下步骤：权　利　要　求　书 2/3 页 3 CN 114372515 A 3