異常數據分級模型構建方法和異常數據分級方法與流程

本申請實施例屬于數據處理，特別是涉及一種異常數據分級模型構建方法和異常數據分級方法。

背景技術：

1、隨著分布式儲能機柜的發展，儲能機柜中安裝的電池和傳感器的數量及其對應產生的數據逐漸增多。在對這些數據進行異常檢測時，往往都是采用相同的檢測方法來進行的。

2、由于數據龐大且種類繁多，傳統的異常數據檢測方法往往只對數據的離群程度進行計算，無法精確、合理地對數據進行異常判斷及分類，導致無法對儲能機柜中出現異常數據的組件進行合理的調整。

技術實現思路

1、有鑒于此，本申請實施例提供了一種異常數據分級模型構建方法和異常數據分級方法，用以提高對異常數據的分級精度，實現對異常數據的精確分級。

2、本申請實施例的第一方面提供了一種異常數據分級模型構建方法，包括：

3、獲取歷史數據和待分級組件數據，所述歷史數據包括歷史正常時序數據和歷史異常時序數據，所述待分級組件數據包括正常時序數據和異常時序數據；

4、基于所述歷史正常時序數據，確定所述待分級組件數據中的異常時序數據；

5、獲取所述異常時序數據對應的分級標簽，各個所述分級標簽有一一對應的異常程度；

6、基于閾值池和所述待分級組件數據對應的所述分級標簽，確定所述待分級組件數據對應的預測分級標簽，所述閾值池包括所述歷史異常時序數據及其對應的分級標簽，各個所述預測分級標簽有一一對應的異常程度；

7、對所述待分級組件數據對應的所述分級標簽和所述預測分級標簽之間的接近程度進行評價，得到評價值；

8、根據所述評價值對預先構建的模型進行修正，得到所述異常數據分級模型。

9、本申請實施例的第二方面提供了一種異常數據分級方法，包括：

10、獲取歷史數據和待分級組件數據；

11、將所述歷史數據和所述待分級組件數據輸入至已構建的異常數據分級模型進行處理，所述異常數據分級模型包括一閾值池，所述閾值池包括歷史異常數據及其對應的分級標簽，各個所述預測分級標簽有一一對應的異常程度；

12、獲取所述異常數據分級模型輸出的數據處理結果，所述數據處理結果包括所述待分級組件數據的異常判斷結果和/或數據分級結果；

13、其中，所述異常數據分級模型按照第一方面所述的方法構建得到。

14、本申請實施例的第三方面提供了一種異常數據分級模型的構建裝置，包括：

15、數據獲取模塊，用于獲取歷史數據和待分級組件數據，所述歷史數據包括歷史正常時序數據和歷史異常時序數據，所述待分級組件數據包括正常時序數據和異常時序數據；

16、異常時序數據確定模塊，用于基于所述歷史正常時序數據，確定所述待分級組件數據中的異常時序數據；

17、分級標簽獲取模塊，用于獲取所述異常時序數據對應的分級標簽，各個所述分級標簽有一一對應的異常程度；

18、預測分級標簽確定模塊，用于基于閾值池和所述待分級組件數據對應的所述分級標簽，確定所述待分級組件數據對應的預測分級標簽，所述閾值池包括所述歷史異常時序數據及其對應的分級標簽，各個所述預測分級標簽有一一對應的異常程度；

19、評價模塊，用于對所述待分級組件數據對應的所述分級標簽和所述預測分級標簽之間的接近程度進行評價，得到評價值；

20、修正模塊，用于根據所述評價值對預先構建的模型進行修正，得到所述異常數據分級模型。

21、本申請實施例的第四方面提供了一種異常數據分級裝置，包括：

22、獲取模塊，用于獲取歷史數據和待分級組件數據；

23、處理模塊，用于將所述歷史數據和所述待分級組件數據輸入至已構建的異常數據分級模型進行處理，所述異常數據分級模型包括一閾值池，所述閾值池包括歷史異常數據及其對應的分級標簽，各個所述預測分級標簽有一一對應的異常程度；

24、結果獲取模塊，用于獲得所述異常數據分級模型輸出的數據處理結果，所述數據處理結果包括所述待分級組件數據的異常判斷結果和/或數據分級結果；

25、其中，所述異常數據分級模型按照第一方面所述的方法構建得到。

26、本申請實施例的第五方面提供了一種終端設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如上述第一方面所述的異常數據分級模型構建方法和/或如上述第二方面所述的異常數據分級方法。

27、本申請實施例的第六方面提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現如上述第一方面所述的異常數據分級模型構建方法和/或如上述第二方面所述的異常數據分級方法。

28、與現有技術相比，本申請實施例具有以下優點：

29、應用本申請實施例，可以對儲能機柜各組件產生的數據進行分類，根據數據的不同類型采用不同的異常判斷方法。其中，對于時序數據，可以基于機器學習的原理，構建異常數據分級模型，通過該異常數據分級模型對異常時序數據的異常程度進行分級，并在分級的過程中不斷自動修正該異常數據分級模型，使得該模型對異常時序數據的分級結果越來越精確，實現了對儲能機柜的自動化維護，保證了儲能機柜的安全運行。

技術特征：

1.一種異常數據分級模型構建方法，其特征在于，包括：

2.根據權利要求1所述的方法，其特征在于，所述基于所述歷史正常時序數據，確定所述待分級組件數據中的異常時序數據，包括：

3.根據權利要求2所述的方法，其特征在于，在獲取歷史數據和待分級組件數據之后，還包括：

4.根據權利要求1-3任一項所述的方法，其特征在于，所述根據所述評價值對預先構建的模型進行修正，得到所述異常數據分級模型，包括：

5.根據權利要求4所述的方法，其特征在于，所述對所述待分級組件數據對應的所述分級標簽和所述預測分級標簽之間的接近程度進行評價，得到評價值，包括：

6.根據權利要求1-3或5任一項所述的方法，其特征在于，在根據所述評價值對預先構建的模型進行修正，得到所述異常數據分級模型之后，還包括：

7.一種異常數據分級方法，其特征在于，包括：

8.一種異常數據分級模型的構建裝置，其特征在于，包括：

9.一種終端設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1-6任一項所述的異常數據分級模型構建方法和/或如權利要求7所述的異常數據分級方法。

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1-6任一項所述的異常數據分級模型構建方法和/或如權利要求7所述的異常數據分級方法。

技術總結
本申請實施例適用于數據處理技術領域，提供了一種異常數據分級模型構建方法和異常數據分級方法，所述異常數據分級模型構建方法包括：基于歷史正常時序數據，確定待分級組件數據中的異常時序數據，獲取異常時序數據對應的分級標簽，基于閾值池和待分級組件數據對應的分級標簽，確定待分級組件數據對應的預測分級標簽，對待分級組件數據對應的分級標簽和預測分級標簽之間的接近程度進行評價，得到評價值，根據評價值對預先構建的模型進行修正，得到所述異常數據分級模型。應用上述方法得到的異常數據分級模型，可以在對異常數據進行分級的同時，自動修正模型，提高模型對異常數據的分級精度，實現對異常數據的精確分級。

技術研發人員：迮愷,鄭宇卿,黃鄭樺
受保護的技術使用者：南京四象新能源科技有限公司
技術研發日：
技術公布日：2024/10/21