[发明专利]电网异常检测方法、装置、计算机设备和存储介质

权利要求书

1.电网异常检测方法，其特征在于，所述电网异常检测方法包括：

获取电网各时段状态信息的样本集；

根据所述样本集对电网异常检测模型进行训练，得到各样本对应的异常评分；

计算参考评分和所述异常评分的实际偏差，并根据所述实际偏差优化所述电网异常检测模型；

直至所述实际偏差达到预期，完成训练并得到训练后的电网异常检测模型。

2.根据权利要求1所述的电网异常检测方法，其特征在于，所述根据所述样本集对电网异常检测模型进行训练，得到各样本对应的异常评分包括：

将所述样本集分为无标签样本集和有标签样本集；

所述电网异常检测模型包括深度学习模型以及异常评分器；

将所述有标签样本集输入所述深度学习模型，得到所述有标签样本集中各样本对应的状态特征；

将各所述状态特征输入所述异常评分器，得到对应的异常评分。

3.根据权利要求2所述的电网异常检测方法，其特征在于，所述将所述有标签样本集输入所述深度学习模型，得到所述有标签样本集中各样本对应的状态特征包括：

将所述有标签样本集中的各样本进行分类，得到时序/文本数据以及图像数据；

将时序/文本数据以及图像数据分别输入所述深度学习模型中对应的网络进行训练，得到各样本对应的状态特征。

4.根据权利要求2所述的电网异常检测方法，其特征在于，所述异常评分器采用线性分类器。

5.根据权利要求2所述的电网异常检测方法，其特征在于，所述计算参考评分和所述异常评分的实际偏差，并根据所述实际偏差优化所述电网异常检测模型包括：

将所述异常评分以及参考评分输入Z-score模型，计算得到所述实际偏差；

根据所述实际偏差以及损失函数对所述异常评分器进行优化。

6.根据权利要求1所述的电网异常检测方法，其特征在于，

所述无标签样本集中为正常状态信息；

所述有标签样本集为待筛选状态信息，包括正常状态信息以及故障状态信息。

7.根据权利要求1-6任一项所述的电网异常检测方法，其特征在于，

获取电网的实时状态信息；

将所述实时状态信息输入训练后的电网异常检测模型，得到与该状态信息对应的异常评分；

根据所述异常评分对电网进行异常判定。

8.一种电网异常检测装置，其特征在于，所述装置包括：

实时状态信息获取模块，用于获取电网的实时状态信息；

异常评分得到模块，用于将所述实时状态信息输入训练后的电网异常检测模型，得到与该状态信息对应的异常评分；

异常判定模块，用于根据所述异常评分对电网进行异常判定。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。