(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 202111297960.5 (22)申请日 2021.11.04 (71)申请人 佳源科技股份有限公司 地址 210000 江苏省南京市雨 花台区宁双 路19号云密城14-17层 (72)发明人 马培龙　孙坚　 (74)专利代理 机构 苏州中合知识产权代理事务 所(普通合伙) 32266 代理人 阮梅 (51)Int.Cl. G06Q 10/00(2012.01) G06Q 50/06(2012.01) G06F 16/906(2019.01) G06F 16/2458(2019.01) G06N 20/00(2019.01)G06Q 10/04(2012.01) (54)发明名称 一种基于日志特征智能挖掘的电力系统异 常监测方法 (57)摘要 本发明公开一种基于日志特征智能挖掘的 电力系统异常监测方法， 包括如下步骤： 采集多 时间跨度多场景下的日志数据并进行预处理后， 形成日志数据样本； 基于DBSCAN聚类算法对日志 数据样本进行聚类分析， 获取聚类结果， 并采用 Pearson相 关系数对聚类结果进行筛选， 得到日 志数据样 本中的异常日志； 利用自然语 言处理技 术对异常日志文本进行解析， 将解析后的内容反 馈至相关工作人员。 本发明将基于机器学习聚类 算法和自然语 言处理技术， 针对业务场景特点与 原算法缺陷对算法进行改进， 使得全流程无需人 工干预， 自动化分析日志信息， 提升异常检测性 能， 能够有效实现异常电力检测， 提升电力稽查 自动化程度和稽查效率并节省人力物力。 权利要求书2页 说明书10页 附图1页 CN 114048870 A 2022.02.15 CN 114048870 A 1.一种基于日志特 征智能挖掘的电力系统异常监测方法， 其特 征在于， 包括如下步骤： 步骤S1， 采集多时间跨度多场景 下的日志数据并进行 预处理后， 形成日志数据样本； 步骤S2， 基于DBSCAN聚类算法对日志数据样本进行聚类分析， 获取聚类结果， 并采用 Pearson相关系数对聚类结果进行筛 选， 得到日志数据样本中的异常日志； 步骤S3， 利用自然语言处理技术对异常日志文本进行解析， 将解析后的异常日志概要 反馈至相关工作人员。 2.根据权利要求1所述的一种基于日志特征智能挖掘的电力系统异常监测方法， 其特 征在于， 所述 步骤S1， 具体包括如下步骤： 步骤S101， 从平台 中选取近T年的电力日志数据， 其中， T为 不小于1的整数； 步骤S102， 基于季节筛选数据， 按照春、 夏、 秋、 冬四季划分， 采集每个季节中选出两个 月的电力日志数据； 基于时间段筛选数据， 采集早、 晚不同时间段的电力日志数据； 基于节 假日筛选数据， 采集节假日和大型活动时期的电力日志数据； 基于市县间的地区差异筛选 数据， 采集城区和乡镇农村的电力日志数据； 基于地区功能特点筛选数据， 采集工业区、 居 民区和商业区的电力日志数据； 步骤S103， 将步骤S102中采集到的日志数据打乱并整合， 创建最终的日志数据样本 。 3.根据权利要求1所述的一种基于日志特征智能挖掘的电力系统异常监测方法， 其特 征在于， 所述 步骤S2， 具体包括如下步骤： 步骤S201， 计算日志数据样本中各 数据点间的欧氏距离； 步骤S202， 将获取的欧式距离结果按照升序进行排序， 构建距离矩阵； 步骤S203， 以列为单位计算矩阵平均值， 得到平均距离向量， 随机选取簇中一个未标记 的日志样本点， 将所述未标记的日志样本点的平均距离 向量内的值作为ε ‑近邻的候选值； 利用生成的每一个候选值计算出在 ε ‑近邻内包含的数据点个数， 对 各个邻域内的数据点个 数取均值， 建立 ε ‑近邻与密度阈值Mi npts的候选集； 步骤S204， 使用候选集 参数进行DBSCAN聚类， 并计算聚类结果的轮廓系数； 步骤S205， 重 复步骤S201～步骤S204， 评估不同候选参数下聚类结果的轮廓系数， 确定 最优聚类结果； 步骤S206， 采用Pearson相关系数对聚类结果进行筛选， 获取日志数据样本中的异常 日 志。 4.根据权利要求1或3所述的一种基于日志特征智能挖掘的电力系统异常监测方法， 其 特征在于， 所述预处理包括噪声数据剔除、 重复数据处理、 数值型缺失值处理、 类别型特征 编码、 数值标准 化和日志文本类数据处 理。 5.根据权利要求4所述的一种基于日志特征智能挖掘的电力系统异常监测方法， 其特 征在于， 所述类别型特征编码包括one ‑hot编码方式或频率编码方式； 所述标准化采用min ‑ max标准化方式。 6.根据权利要求1所述的一种基于日志特征智能挖掘的电力系统异常监测方法， 其特 征在于， 所述 步骤S3， 具体包括如下步骤： 步骤S301， 提取日志数据样本内的错 误日志中的所有词， 构建异常 关键词特 征集合； 步骤S302， 计算异常 关键词的信息增益 值IG， 具体计算公式为：权　利　要　求　书 1/2 页 2 CN 114048870 A 2其中， 表示yi类别文本在数据集中出现的概率， 即yi类别文本数除以总的文本数， yi 类别文本为信息日志 文本或错误日志 文本； 表示数据集中包含关键词特征项xi的文本的 概率， 即包含特征项xi的文本数除以总的文本数； xi表示不包含关键词特征项xi的文本； p (yi|xi)表示文本包含关键词特征项xi时属于yi类别的条件概率， 即包含关键词特征项xi且 属于类别yi的文本数除以包 含关键词特 征xi的文本数； 步骤S303， 将计算得到的异常关键词的信息增益值结合到TF ‑IDF算法中， 得到改进后 的TF‑IDF计算公式： 若异常关键词存在日志中， 则使用改进的权重计算公式ωnew， 计算特征项权重值， 否则 按传统权重计算 公式ω计算， 其中， t表示文本中特征项， A表 示错误日志关键词集合， B表 示 电力日志文本， ω表示特 征项t在文本d中的权 重值， 表示异常 关键词的信息增益 值； 步骤S304， 根据步骤S303中计算出的特征项权重值对所有的异常关键词进行排序， 选 取权重值最高的若干个异常 关键词集 合构成异常日志概要， 并发送至相关工作人员。权　利　要　求　书 2/2 页 3 CN 114048870 A 3