[1]吕勃翰,郭岩,李慧勇,等.基于集成隔离森林与业务感知动态选择的电力调度数据异常检测方法[J].机械与电子,2026,44(05):120-126.
　LYU Bohan,GUO Yan,LI Huiyong,et al.Power Dispatch Data Anomaly Detection Based on Integrated Isolation Forest and Business-aware Dynamic Detector Selection[J].Machinery & Electronics,2026,44(05):120-126.
点击复制

基于集成隔离森林与业务感知动态选择的电力调度数据异常检测方法()

分享到：

《机械与电子》[ISSN:1001-2257/CN:52-1052/TH]

Title:: Power Dispatch Data Anomaly Detection Based on Integrated Isolation Forest and Business-aware Dynamic Detector Selection

Author(s):: LYU Bohan ; GUO Yan ; LI Huiyong ; MENG Peiyu ; SUN Kun ; GAO Xin; ( Power Dispatching and Control Center , China Southern Power Grid Co. , Ltd. , Guangzhou 510663 , China )

Keywords:: power dispatch data anomaly detection ; local anomalies ; Mahalanobis distance ; ensemble learning ; multi-dimensional correlation isolation

摘要:: 针对电力调度自动化系统业务种类繁多、监测维度多样及异常模式复杂的特点,提出一种基于业务感知混合选择集成的电力调度数据异常检测方法。在已有对数区间隔离森林框架的基础上,引入马氏距离度量与维度关联性分析以增强多维特征空间中的局部异常识别能力。所提出的业务感知的混合选择集成策略为:通过基于孤立森林的静态筛选预先剔除性能偏差基检测器以提高假真值可靠性,再依据一致性指标、业务相关性指标和测点关联性指标对每个测试样本进行动态检测器选择集成,在保证检测精度的同时提升检测效率。实验表明,所提方法在公开数据集和某省级电网调度中心业务数据集上的 AUC 值等综合性能指标上优于现有方法,能够有效识别数据跳变、应用断网和遥测表不刷新等典型电力调度业务异常。

Abstract:: To address the challenges in the power dispatch automation systems , such as diverse business types , multi-dimensional monitoring , and complex anomaly patterns , this paper proposes an anomaly detection method based on business aware hybrid selection integration.Building upon the existing Logarithmic Interval Isolation Forest ( LIIF ) framework , the method incorporates Mahalanobis distance metrics and dimensional correlation analysis to enhance local anomaly identification within multi dimensional feature spaces.A business aware hybrid selection ensemble strategy is introduced : first , base detectors with performance biases are pre-filtered through an isolation forest based static screening to improve true / false value reliability.Subsequently , a dynamic ensemble selection is performed for each test sample based on the consistency , business relevance , and measurement point correlation indicators , thereby balancing detection accuracy with computational efficiency.Experimental results on public datasets and business datasets from a provincial power grid dispatch center demonstrate that the proposed method outperforms existing approaches in comprehensive metrics such as AUC.It effectively identifies typical power dispatch anomalies , including data jumps , application disconnections , and remote telemetry table failures.

[ 1 ] 盛振明,郭耀松,刘超,等 . 基于深度学习的电网指标数据异常检测方法研究[ J ] . 河南理工大学学报(自然科学版),2025 , 44 ( 4 ): 59-65.

[ 2 ] 蒲天骄,赵琦,王新迎 . 电力人工智能技术研究框架、应用现状及展望[ J ] . 电网技术, 2025 , 49 ( 5 ): 1751-1770.

[ 3 ] 杨佳泽,王灿,王增平 . 新型电力系统背景下的智能负荷预测算法研究综述[ J ] . 华北电力大学学报(自然科学版),2025 ( 3 ): 54-67.

[ 4 ] 刘舒巍,杨和辰,余夏,等 .AI 技术在电力系统发展中的应用与前景[ J ] . 南方能源建设, 2024 , 11 ( 5 ): 149-158.

[ 5 ] 陈思畏,李建军,邹信迅,等 . 基于孪生延迟 DDPG 强化学习的电热耦合系统低碳经济调度[ J ] . 现代电力,2025 , 42 ( 2 ): 314-321.

[ 6 ] 赵莹莹,仇越,朱天晨,等 . 基于分层强化学习的新型电力系统在线稳态调度[ J ] . 上海交通大学学报, 2025 , 59( 3 ): 400-412.

[ 7 ] 陈实,杨林森,刘艺洪,等 . 小样本数据驱动模式下的新建微电网优化调度策略[ J ] . 上海交通大学学报, 2025 ,59 ( 6 ): 732-745.

[ 8 ] 李鹏,姜磊,王加浩,等 . 基于深度强化学习的新能源配电网双时间尺度无功电压优化[ J ] . 中国电机工程学报,2023 , 43 ( 16 ): 6255-6266.

[ 9 ] 倪爽,崔承刚,杨宁,等 . 基于深度强化学习的配电网多时间尺度在线无功优化[ J ] . 电力系统自动化, 2021 , 45( 10 ): 77-85.

[ 10 ] 张满,王平,谌业刚,等 . 基于改进深度强化学习的配电网优化调度方法[ J ] . 电工技术, 2025 ( 9 ): 144-148.

[ 11 ] 董雷,杨子民,乔骥,等 . 基于分层约束强化学习的综合能源多微网系统优化调度 [ J ] . 电工技术学报,2024 , 39 ( 5 ): 1436-1453.

[ 12 ] 姚建国,余涛,杨胜春,等 . 提升电网调度中人工智能可用性的混合增强智能知识演化技术[ J ] . 电力系统自动化,2022 , 46 ( 1 ): 23-32.

[ 13 ] 傅世元,高欣,张浩,等 . 基于元学习动态选择集成的电力调度数据异常检测方法[ J ] . 电网技术, 2022 , 46( 8 ): 3248-3261.

[ 14 ] 谢琳 . 机器学习思想下的电力调度自动化系统异常检测框架设计研究[ J ] . 江西电力职业技术学院学报,2023 , 36 ( 9 ): 7-9.

备注/Memo:: 收稿日期: 2026-01-14
基金项目:中国南方电网有限责任公司技改项目( 000500SZ25010011 )
作者简介:吕勃翰 ( 1992- ),男,吉林吉林人,硕士,工程师,研究方向为电力系统调度运行;郭岩 ( 1993- ),男,辽宁辽中人,博士,高级工程师,研究方向为电力系统调度运行与分布式能源及微电网稳定控制。

更新日期/Last Update: 2026-08-25