异常电网数据的识别方法、装置、终端设备以及存储介质与流程

1.本发明涉及电网数据管理技术领域，特别涉及一种异常电网数据的识别方法、装置、终端设备以及存储介质。


背景技术：

2.电网发生谐振时引发过电压和涌浪电流，将引起电网保护误动、威胁电力设备绝缘、烧毁电网电压互感器等问题。近年来，随着新能源快速发展使得电网拓扑更为复杂，导致电网发生谐振的可能性增加。
3.现有谐振识别技术通常基于电网电压、电流等信息进行特征提取，以获得有效电网数据。目前，提出了异常电网数据的识别方法，通过距离进行异常电网数据的识别，或通过正太分布等手段进行异常电网数据的识别。
4.但是，采用现有的技术手段，异常电网数据的识别准确率较低。


技术实现要素：

5.本发明的主要目的是提供一种异常电网数据的识别方法、装置、终端设备以及存储介质，旨在解决现有技术中采用现有的技术手段，异常电网数据的识别准确率较低的技术问题。
6.为实现上述目的，本发明提出一种异常电网数据的识别方法，所述方法包括以下步骤：
7.在获取到待识别电网数据时，利用日期划分策略，对所述待识别电网数据进行划分，获得多个初始划分数据；
8.利用事件划分策略，对多个所述初始划分数据进行划分，获得多个结果划分数据；
9.在预设分类器集合中确定出与多个所述结果划分数据对应的多个选定分类器，所述预设分类器集合包括不同的划分数据对应的分类器；
10.将每组所述结果划分数据输入对应的选定分类器，获得每组所述结果划分数据对应的分类结果；
11.基于多个所述分类结果，获得所述待识别电网数据对应的异常电网数据。
12.可选的，所述日期划分策略包括不同节假日对应的节假日划分策略；所述利用日期划分策略，对所述待识别电网数据进行划分，获得多个初始划分数据的步骤，包括：
13.利用所述待识别电网数据的时间信息和预设季节时间信息，对所述待识别电网数据进行划分，获得季节划分数据；
14.若预设节假日集中存在与所述季节划分数据匹配的节假日，则将与所述季节划分数据匹配的节假日确定为选定节假日；
15.利用预设节假日集中与所述选定节假日对应的选定节假日划分策略，对所述季节划分数据进行划分，获得多个初始划分数据。
16.可选的，所述日期划分策略还包括工作周划分策略；所述利用所述待识别电网数
据的时间信息和预设季节时间信息，对所述待识别电网数据进行划分，获得季节划分数据的步骤之后，所述方法还包括：
17.若预设节假日集中不存在与所述季节划分数据匹配的节假日，则利用所述工作周划分策略，对所述季节划分数据进行划分，获得多个初始划分数据。
18.可选的，所述事件划分策略包括多个预设大事件；所述利用事件划分策略，对多个所述初始划分数据进行划分，获得多个结果划分数据的步骤，包括：
19.在每个所述初始划分数据中提取出与多个所述预设大事件匹配的第一子结果划分数据；
20.将每个所述初始划分数据中与多个所述预设大事件不匹配的数据确定为第二子结果划分数据；
21.将每个所述初始划分数据对应的第一子结果划分数据和每个所述初始划分数据对应的第一子结果划分数据汇总，获得多个所述结果划分数据。
22.可选的，所述在预设分类器集合中确定出与多个所述结果划分数据对应的多个选定分类器的步骤之前，所述方法还包括：
23.获取训练数据集，所述训练数据集包括多个训练数据组，多个所述训练数据是利用日期划分策略和所述事件划分策略，对历史电网数据进行划分获得；
24.将多个所述训练数据组分别输入初始分类器进行训练，获得多个所述训练数据组对应的多个预设分类器；
25.将多个所述预设分类器汇总，获得所述预设分类器集合。
26.可选的，所述初始分类器包括输入层、第一长短记忆网络层、第二长短记忆网络层和输出层；
27.所述输入层与所述第一长短记忆网络层连接，所述第一长短记忆网络层与所述第二长短记忆网络层连接，所述第二长短记忆网络层与所述输出层连接；
28.所述第一长短记忆网络层中的相邻的两个网络单元连接，第一长短记忆网络层中的前一个网络单元的输出为后一个网络单元的输入；
29.所述第一长短记忆网络层中的相邻的两个网络单元连接，所述第二长短记忆网络层中的前一个网络单元的输出为后一个网络单元的输入；
30.所述第一长短记忆网络层中第n个网络单元的输出为所述第二长短记忆网络层中第n个网络单元的输入，n为不为0的自然数。
31.可选的，所述输出层包括softmax函数，所述softmax函数如下：
[0032][0033]
其中，yi为所述softmax函数的输出，e为自然常数，为所述第二长短记忆网络层中最后一个网络单元的输出。
[0034]
此外，为实现上述目的，本发明还提出了一种异常电网数据的识别装置，所述装置包括：
[0035]
第一划分模块，用于在获取到待识别电网数据时，利用日期划分策略，对所述待识别电网数据进行划分，获得多个初始划分数据；
[0036]
第二划分模块，用于利用事件划分策略，对多个所述初始划分数据进行划分，获得多个结果划分数据；
[0037]
确定模块，用于在预设分类器集合中确定出与多个所述结果划分数据对应的多个选定分类器，所述预设分类器集合包括不同的划分数据对应的分类器；
[0038]
分类模块，用于将每组所述结果划分数据输入对应的选定分类器，获得每组所述结果划分数据对应的分类结果；
[0039]
获得模块，用于基于多个所述分类结果，获得所述待识别电网数据对应的异常电网数据。
[0040]
此外，为实现上述目的，本发明还提出了一种终端设备，所述终端设备包括：存储器、处理器及存储在所述存储器上并在所述处理器上运行异常电网数据的识别程序，所述异常电网数据的识别程序被所述处理器执行时实现如上述任一项所述的异常电网数据的识别方法的步骤。
[0041]
此外，为实现上述目的，本发明还提出了一种存储介质，所述存储介质上存储有异常电网数据的识别程序，所述异常电网数据的识别程序被处理器执行时实现如上述任一项所述的异常电网数据的识别方法的步骤。
[0042]
本发明技术方案提出了一种异常电网数据的识别方法，在获取到待识别电网数据时，利用日期划分策略，对所述待识别电网数据进行划分，获得多个初始划分数据；利用事件划分策略，对多个所述初始划分数据进行划分，获得多个结果划分数据；在预设分类器集合中确定出与多个所述结果划分数据对应的多个选定分类器，所述预设分类器集合包括不同的划分数据对应的分类器；将每组所述结果划分数据输入对应的选定分类器，获得每组所述结果划分数据对应的分类结果；基于多个所述分类结果，获得所述待识别电网数据对应的异常电网数据。
[0043]
现有方法中，对待识别电网数据进行划分时，未考虑时间因子和不同事件因子，使得划分数据之后的多个数据的差异性较小，导致利用分类器对多个数据进行分类时，分类结果的准确性较差，异常电网数据的识别准确率较低。利用本发明的方法，利用时间划分策略和事件划分策略对待识别电网数据进行划分，获得的多个结果划分数据的差异性较大，使得利用多个选定分类器对多个结果划分数进行分类时，获得分类结果准确率较高，从而达到了提高异常电网数据的识别准确率的技术效果。
附图说明
[0044]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
[0045]
图1为本发明实施例方案涉及的硬件运行环境的终端设备结构示意图；
[0046]
图2为本发明异常电网数据的识别方法第一实施例的流程示意图；
[0047]
图3为本发明初始分类器的结构示意图；
[0048]
图4为本发明异常电网数据的识别装置第一实施例的结构框图。
[0049]
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0050]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0051]
参照图1，图1为本发明实施例方案涉及的硬件运行环境的终端设备结构示意图。
[0052]
通常，终端设备包括：至少一个处理器301、存储器302以及存储在所述存储器上并可在所述处理器上运行的异常电网数据的识别程序，所述异常电网数据的识别程序配置为实现如前所述的异常电网数据的识别方法的步骤。
[0053]
处理器301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器301可以采用dsp(digital signal processing，数字信号处理)、fpga(field－programmable gate array，现场可编程门阵列)、pla(programmable logic array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称cpu(central processingunit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器301可以在集成有gpu(graphics processing unit，图像处理器)，gpu用于负责显示屏所需要显示的内容的渲染和绘制。处理器301还可以包括ai(artificial intelligence，人工智能)处理器，该ai处理器用于处理有关异常电网数据的识别方法操作，使得异常电网数据的识别方法模型可以自主训练学习，提高效率和准确度。
[0054]
存储器302可以包括一个或多个存储介质，该存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器302中的非暂态的存储介质用于存储至少一个指令，该至少一个指令用于被处理器301所执行以实现本技术中方法实施例提供的异常电网数据的识别方法。
[0055]
在一些实施例中，终端还可选包括有：通信接口303和至少一个外围设备。处理器301、存储器302和通信接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与通信接口303相连。具体地，外围设备包括：射频电路304、显示屏305和电源306中的至少一种。
[0056]
通信接口303可被用于将i/o(input/output，输入/输出)相关的至少一个外围设备连接到处理器301和存储器302。在一些实施例中，处理器301、存储器302和通信接口303被集成在同一芯片或电路板上；在一些其他实施例中，处理器301、存储器302和通信接口303中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
[0057]
射频电路304用于接收和发射rf(radio frequency，射频)信号，也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信。射频电路304将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路304包括：天线系统、rf收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2g、3g、4g及5g)、无线局域网和/或wifi(wireless fidelity，无线保真)网络。在一些实施例中，射频电路304还可
以包括nfc(near field communication，近距离无线通信)有关的电路，本技术对此不加以限定。
[0058]
显示屏305用于显示ui(user interface，用户界面)。该ui可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏305是触摸显示屏时，显示屏305还具有采集在显示屏305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器301进行处理。此时，显示屏305还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏305可以为一个，电子设备的前面板；在另一些实施例中，显示屏305可以为至少两个，分别设置在电子设备的不同表面或呈折叠设计；在再一些实施例中，显示屏305可以是柔性显示屏，设置在电子设备的弯曲表面上或折叠面上。甚至，显示屏305还可以设置成非矩形的不规则图形，也即异形屏。显示屏305可以采用lcd(liquidcrystal display，液晶显示屏)、oled(organic light-emitting diode,有机发光二极管)等材质制备。
[0059]
电源306用于为电子设备中的各个组件进行供电。电源306可以是交流电、直流电、一次性电池或可充电电池。当电源306包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
[0060]
本领域技术人员可以理解，图1中示出的结构并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0061]
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有异常电网数据的识别程序，所述异常电网数据的识别程序被处理器执行时实现如上文所述的异常电网数据的识别方法的步骤。因此，这里将不再进行赘述。另外，对采用相同方法的有益效果描述，也不再进行赘述。对于本技术所涉及的存储介质实施例中未披露的技术细节，请参照本技术方法实施例的描述。确定为示例，程序指令可被部署为在一个终端设备上执行，或者在位于一个地点的多个终端设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个终端设备备上执行。
[0062]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，上述的存储介质可为磁碟、光盘、只读存储记忆体(read-only memory，rom)或随机存储记忆体(random accessmemory，ram)等。
[0063]
基于上述硬件结构，提出本发明异常电网数据的识别方法的实施例。
[0064]
参照图2，图2为本发明异常电网数据的识别方法第一实施例的流程示意图，方法用于终端设备，所述方法包括以下步骤：
[0065]
步骤s11：在获取到待识别电网数据时，利用日期划分策略，对所述待识别电网数据进行划分，获得多个初始划分数据。
[0066]
需要说明的是，本发明的执行主体是终端设备，终端设备安装有异常电网数据的识别程序，终端设备执行异常电网数据的识别程序时，实现本发明的异常电网数据的识别方法的步骤。
[0067]
通常，待识别电网数据即是待进行异常电网数据识别的电网中的数据，待识别电网数据中具有异常电网数据，需要利用本发明的方法将异常电网数据识别出来。首先，需要
利用日期划分策略，对所述待识别电网数据进行划分，获得多个初始划分数据。
[0068]
具体的，所述日期划分策略包括不同节假日对应的节假日划分策略；所述利用日期划分策略，对所述待识别电网数据进行划分，获得多个初始划分数据的步骤，包括：利用所述待识别电网数据的时间信息和预设季节时间信息，对所述待识别电网数据进行划分，获得季节划分数据；若预设节假日集中存在与所述季节划分数据匹配的节假日，则将与所述季节划分数据匹配的节假日确定为选定节假日；利用预设节假日集中与所述选定节假日对应的选定节假日划分策略，对所述季节划分数据进行划分，获得多个初始划分数据。
[0069]
或者，所述日期划分策略还包括工作周划分策略；所述利用所述待识别电网数据的时间信息和预设季节时间信息，对所述待识别电网数据进行划分，获得季节划分数据的步骤之后，所述方法还包括：若预设节假日集中不存在与所述季节划分数据匹配的节假日，则利用所述工作周划分策略，对所述季节划分数据进行划分，获得多个初始划分数据。
[0070]
电网数据的时间信息即为电网数据的具体时间，预设季节时间信息通常为现在公认的四季的时间信息：3-5春季、6-8夏季、9-11秋季和12-2冬季。利用预设季节时间信息与电网数据的时间信息，将电网数据划分为季节划分数据，一个季节划分数据即为一个季节的电网数据，最多可能是四个季节划分数据。
[0071]
对于每个季节划分数据，均需要进行再次划分：上述两种方式。其中，预设节假日集参照表1，表1如下：
[0072]
表1
[0073][0074][0075]
其中，节假日划分策略即是指按照表1中左侧一列对应的方式，进行划分。季节划分数据的时间信息与表1描述某种节假日对应的日期匹配时，表明预设节假日集中存在与所述季节划分数据匹配的节假日，则季节划分数据需要进行进一步划分，且利用选定节假日划分策略进行划分。
[0076]
例如，季节划分数据对应的时间信息为9月30日-10月8日，则季节划分数据与表1中的休假7天(国庆节)匹配，则选定节假日为国庆节，则休假七天对应的三个节假日划分策略(表一最后三行的三个节假日划分策略)即为选定节假日划分策略，然后将季节划分数据划分为3组初始划分数据：9月30日的数据为一组、10月1日-10月7日的数据为一组，10月8日的数据为一组。在本发明中，通常以每天的数据为输入，进行识别，则对应的10月1日-10月7日的数据，需要分成七次，分别识别。
[0077]
若预设节假日集中不存在与所述季节划分数据匹配的节假日，即季节划分数据的时间信息与表1描述任意一种节假日对应的日期均不匹配，则利用工作周划分策略进行划分，工作周划分策略如表2，表2如下：
[0078]
表2
[0079]
类型说明周末日常休息日周一每周工作第一天周五每周工作最后一天周二、周三、周四常规工作日
[0080]
可以理解的是，对于工作周划分策略和节假日划分策略，本发明只是示例性的提出表1和表2，用户可以基于需求和本发明的启示设定新的策略。
[0081]
步骤s12：利用事件划分策略，对多个所述初始划分数据进行划分，获得多个结果划分数据。
[0082]
需要说明的是，所述事件划分策略包括多个预设大事件；所述利用事件划分策略，对多个所述初始划分数据进行划分，获得多个结果划分数据的步骤，包括：在每个所述初始划分数据中提取出与多个所述预设大事件匹配的第一子结果划分数据；将每个所述初始划分数据中与多个所述预设大事件不匹配的数据确定为第二子结果划分数据；将每个所述初始划分数据对应的第一子结果划分数据和每个所述初始划分数据对应的第一子结果划分数据汇总，获得多个所述结果划分数据。
[0083]
其中，多个预设大事件可以包括政治事件(政策事件)、医疗事件(例如疾病爆发事件)等，本发明不做限定。其中，事件信息与多个所述预设大事件中的任意一个预设大事件相似，则事件信息与多个所述预设大事件匹配，否则，不配。
[0084]
多个初始划分数据对应5个第一子结果划分数据和3个第二子结果划分数据，则汇总后的结果划分数据为8个，即是将一子结果划分数据和第二子结果划分数据混合一起，作为结果划分数据。
[0085]
可以理解的是，对于一个初始划分数据，可能包括较长时间段的数据，例如，一个初始划分数据包括某个月内的全部常规工作日数据，同时，该月有几天发生预设大事件，则需要将该初始划分数据，划分为具有预设大事件的初始划分数据——第一子结果划分数据，和不具有预设大事件的初始划分数据——第二子结果划分数据，即获得两个结果划分数据。
[0086]
另外，对于一个初始划分数据，可能仅仅包括预设大事件涉及的时段内的数据，则该初始划分数据整体确定为一个结果划分数据(第一子结果划分数据)。对于一个初始划分数据，不包括任何预设大事件涉及的时段内的数据，则该初始划分数据整体确定为一个结
果划分数据(第二子结果划分数据)。
[0087]
步骤s13：在预设分类器集合中确定出与多个所述结果划分数据对应的多个选定分类器，所述预设分类器集合包括不同的划分数据对应的分类器。
[0088]
步骤s14：将每组所述结果划分数据输入对应的选定分类器，获得每组所述结果划分数据对应的分类结果。
[0089]
步骤s15：基于多个所述分类结果，获得所述待识别电网数据对应的异常电网数据。
[0090]
参照图3，图3为本发明初始分类器的结构示意图；所述初始分类器包括输入层、第一长短记忆网络层(第一lstm层)、第二长短记忆网络层(第二lstm层)和输出层；所述输入层与所述第一长短记忆网络层连接，所述第一长短记忆网络层与所述第二长短记忆网络层连接，所述第二长短记忆网络层与所述输出层连接；所述第一长短记忆网络层中的相邻的两个网络单元连接，第一长短记忆网络层中的前一个网络单元的输出为后一个网络单元的输入；所述第一长短记忆网络层中的相邻的两个网络单元连接，所述第二长短记忆网络层中的前一个网络单元的输出为后一个网络单元的输入；所述第一长短记忆网络层中第n个网络单元的输出为所述第二长短记忆网络层中第n个网络单元的输入，n为不为0的自然数。
[0091]
其中，初始分类器训练时，输入层的输入的数据为一天的数据，即xt可以是指同一天的数据分成不同的t个时段(24个，每小时一个输入数据)。所述输出层包括softmax函数，所述softmax函数如下：
[0092][0093]
其中，yi为所述softmax函数的输出，e为自然常数，为所述第二长短记忆网络层中最后一个网络单元的输出。由于本发明专利只考虑了异常电网数据和正常数据，因此i的取值为1和2(其中，可以是1对应的为异常电网数据，也可以是2对应的异常电网数据，用户基于需求设定)。
[0094]
所述在预设分类器集合中确定出与多个所述结果划分数据对应的多个选定分类器的步骤之前，所述方法还包括：获取训练数据集，所述训练数据集包括多个训练数据组，多个所述训练数据是利用日期划分策略和所述事件划分策略，对历史电网数据进行划分获得；将多个所述训练数据组分别输入初始分类器进行训练，获得多个所述训练数据组对应的多个预设分类器；将多个所述预设分类器汇总，获得所述预设分类器集合。
[0095]
按照本发明上述的方式(利用日期划分策略和所述事件划分策略进行划分)，对历史电网数据进行划分，获得多个训练数据组，每个训练数据组用于对初始分类器进行一次训练，每个训练数据组中的数据可能包括多天数据，每天的数据分成多个时段的数据，作为输入xt，不同天之间的数据分批次输入进行训练。
[0096]
按照本发明的方式，对历史电网数据进行划分，可以涉及到20个训练数据组，然后对初始分类器训练20多次，获得对应的20多个预设分类器。为了保证预设分类器集合中的预设分类器的分类效果较好，按照本发明的方式对历史电网数据进行划分时，划分精细度越高越好。
[0097]
第一lstm层训练：第一层左边第一个lstm(第一个网络单元)训练计算后，将其结
果输入到本层下一个lstm及第二层的相应连接的lstm中，第一层的左边第二个lstm基于第一个lstm的输入及输入层数据进行训练，将结果分别给到本层下一个lstm及第二层的相应连接的lstm，依次完成第一层lstm训练。第二层训练，类似的，第二lstm层依托第一层和本层连接的lstm作为输入完成训练。
[0098]
对于实际的多个结果划分数据，基于其数据类型，确定对应的选定预设分类器。例如，结果划分数据为常规工作日，不具有预设大事件，且处于夏季的数据，将预设分类器集合中出常规工作日，不具有预设大事件，且处于夏季训练数据组对应的预设分类器确定为选定预设分类器。
[0099]
利用待识别电网数据对应的实际的多个结果划分数据，确定出对应的多个选定分类器，每一个结果划分数据用一个对应的选定分类器进行分类，获得分类结果。综合全部结果划分数据对应的分类结果，将各个分类结果对应的异常电网数据汇总，即为步骤s15中的异常电网数据。
[0100]
本发明技术方案提出了一种异常电网数据的识别方法，在获取到待识别电网数据时，利用日期划分策略，对所述待识别电网数据进行划分，获得多个初始划分数据；利用事件划分策略，对多个所述初始划分数据进行划分，获得多个结果划分数据；在预设分类器集合中确定出与多个所述结果划分数据对应的多个选定分类器，所述预设分类器集合包括不同的划分数据对应的分类器；将每组所述结果划分数据输入对应的选定分类器，获得每组所述结果划分数据对应的分类结果；基于多个所述分类结果，获得所述待识别电网数据对应的异常电网数据。
[0101]
现有方法中，对待识别电网数据进行划分时，未考虑时间因子和不同事件因子，使得划分数据之后的多个数据的差异性较小，导致利用分类器对多个数据进行分类时，分类结果的准确性较差，异常电网数据的识别准确率较低。利用本发明的方法，利用时间划分策略和事件划分策略对待识别电网数据进行划分，获得的多个结果划分数据的差异性较大，使得利用多个选定分类器对多个结果划分数进行分类时，获得分类结果准确率较高，从而达到了提高异常电网数据的识别准确率的技术效果。
[0102]
参照图4，图4为本发明异常电网数据的识别装置第一实施例的结构框图，所述装置用于终端设备，基于与前述实施例相同的发明构思，所述装置包括：
[0103]
第一划分模块10，用于在获取到待识别电网数据时，利用日期划分策略，对所述待识别电网数据进行划分，获得多个初始划分数据；
[0104]
第二划分模块20，用于利用事件划分策略，对多个所述初始划分数据进行划分，获得多个结果划分数据；
[0105]
确定模块30，用于在预设分类器集合中确定出与多个所述结果划分数据对应的多个选定分类器，所述预设分类器集合包括不同的划分数据对应的分类器；
[0106]
分类模块30，用于将每组所述结果划分数据输入对应的选定分类器，获得每组所述结果划分数据对应的分类结果；
[0107]
获得模块50，用于基于多个所述分类结果，获得所述待识别电网数据对应的异常电网数据。
[0108]
需要说明的是，由于本实施例的装置所执行的步骤与前述方法实施例的步骤相同，其具体的实施方式以及可以达到的技术效果都可参照前述实施例，这里不再赘述。
[0109]
以上所述仅为本发明的可选实施例，并非因此限制本发明的专利范围，凡是在本发明的发明构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明的专利保护范围内。