[发明专利]一种异常用电检测方法、系统和存储介质

权利要求书

1.一种异常用电检测方法，其特征在于，所述异常用电检测方法包括如下步骤：

获取待检测的智能电表数据；

将智能电表数据转换为多时间序列数据；

将多时间序列数据输入训练好的异常用电检测模型，获得预测的用电类型标签；

将预测的用电类型标签中概率最大的用电类型作为待检测的智能电表数据的异常用电检测结果；

其中，所述多时间序列数据的数据结构序列包括A相电压、B相电压、C相电压、A相电流、B相电流、C相电流、总有功功率、总功率因数、数据质量和日期类型；正常用电样本的用电类型标签为0，异常用电样本的用电类型标签为1。

2.根据权利要求1所述的异常用电检测方法，其特征在于，将智能电表数据转换为多时间序列数据的方法包括如下步骤：

将智能电表数据转换为多时间序列数据的形式，构造并附加数据质量序列和日期类型序列；

对于所获取序列数据填充缺失数据并按照自然周分割，构造为多时间序列数据；

对多时间序列数据进行独立的数据归一化处理；

其中，所述数据质量序列代表每一个时间戳对应的A相电压、B相电压、C相电压、A相电流、B相电流、C相电流、总有功功率和总功率因数数据项中缺失的个数；所述日期类型序列是根据每个自然天的工作日或节假日属性，给予自然天每小时一个的日期类型数据而构造的序列。

3.根据权利要求2所述的异常用电检测方法，其特征在于，构造数据质量序列的方法包括如下步骤：

根据时间戳统计智能电表数据的缺失个数，并对统计到的缺失个数赋予对应的时间戳，构造数据质量序列。

4.根据权利要求2所述的异常用电检测方法，其特征在于，数据归一化处理采用以下分类归一化的方式；

电压数据的归一化方式如下：

电流数据的归一化方式如下：

总有功功率的归一化方式如下：

数据质量的归一化方式如下：

5.根据权利要求1所述的异常用电检测方法，其特征在于，异常用电检测模型的训练方法包括如下步骤：

获取正常用电和异常用电案例的智能电表数据，将智能电表数据转换为多时间序列数据样本；

对多时间序列数据样本进行用电类型标签的标定，并划分为训练样本集和验证样本集；

从训练样本集中随机采样一批数据样本，输入深度混合神经网络，计算损失并优化深度混合神经网络参数；

利用参数优化的深度混合神经网络遍历整个训练样本集，完成一轮训练；

每一轮训练结束后，利用验证样本集对深度混合神经网络的训练效果进行评估，并保存异常用电检测模型快照；

重复训练以达到预先设定的轮数，使深度混合神经网络的损失趋于平稳，并结束训练；

根据每一轮训练后的评估结果，确定训练好的异常用电检测模型。

6.根据权利要求1所述的异常用电检测方法，其特征在于，所述用电类型标签的获取方法包括如下步骤：

提取智能电表数据的局部特征；

提取智能电表数据的全局特征；

将局部特征和全局特征进行拼接合并，并转换为用电类型标签。

7.一种异常用电检测系统，其特征在于，所述系统包括如下模块：

数据获取模块，用于获取待检测的智能电表数据；

数据转换模块，用于将智能电表数据转换为多时间序列数据；

异常用电检测模型，用于根据所输入的多时间序列数据获得预测的用电类型标签；

检测输出模块，用于将预测的用电类型标签中概率最大的用电类型作为待检测的智能电表数据的异常用电检测结果；

其中，所述多时间序列数据的数据结构序列包括A相电压、B相电压、C相电压、A相电流、B相电流、C相电流、总有功功率、总功率因数、数据质量和日期类型；正常用电样本的用电类型标签为0,异常用电样本的用电类型标签为1。