近日，中国科学院沈阳自动化研究所在智能电网数据分析领域取得新进展，提出了一种用于智能电网数据分析的单分类支持向量机异常数据检测模型。相关研究成果发表在国际期刊IEEE Access上。

　　沈阳自动化所智能电网课题组在研究员王忠锋和宋纯贺的带领下，针对智能电网数据分析过程中，异常数据和正常数据分布的不平衡性造成异常检测精度显著降低的问题，提出了一种适用于非平衡数据分布的异常检测模型。科研人员针对单分类支持向量机模型的参数难以选择的问题，提出了一种改进的粒子群算法，该算法引入自适应速度加权和自适应种群分裂，提高了算法的收敛速度，有助于算法跳出局部最优。在标准基准和实际电力系统实验数据集上的实验证明了该算法的有效性。

　　近年来，围绕智能电网的研究，沈阳自动化所在网络构建、硬件研发、数据采集、数据分析、模型构建等领域取得进展，承担了相关领域国家重点研发计划、国家电网科技项目等一系列项目，与国网辽宁电力有限公司、辽宁省电力科学研究院等单位签署了战略协议，有效推动了智能电网的建设。

算法在不同数据集上的对比