[发明专利]异常能耗检测方法、装置、设备及存储介质

权利要求书

1.一种异常能耗检测方法，其特征在于，所述异常能耗检测方法包括：

获取原始数据集；

根据所述原始数据集通过长短时记忆自编码网络进行数据重建，得到与时间关联的重建数据集；

根据所述重建数据集以及所述原始数据集确定异常分数计算模型；

根据所述重建数据集与原始数据集确定分数特征集，并根据所述分数特征集通过所述异常分数计算模型进行计算，得到异常分数，以通过所述异常分数确定异常能耗数据。

2.如权利要求1所述的方法，其特征在于，所述根据所述原始数据集通过长短时记忆自编码网络进行数据重建，得到与时间关联的重建数据集，包括：

将所述原始数据集进行归一化，获得归一化数据集；

对所述归一化数据集进行重采样，获得预设长度的重采样数据集；

根据所述归一化数据集以及所述重采样数据集，确定重采样特征集；

通过所述长短时记忆自编码网络以及所述重采样特征集确定重建模型；

根据所述重采样特征集通过所述重建模型进行数据重建，得到与时间关联的重建数据集。

3.如权利要求2所述的方法，其特征在于，所述通过所述长短时记忆自编码网络以及所述重采样特征集确定重建模型，包括：

将所述重采样特征集按照预设比例划分为训练集以及验证集；

根据长短时记忆自编码网络建立初始模型；

根据所述训练集对所述初始模型进行训练，获得训练模型；

根据所述验证集对所述训练模型进行验证，获得重建模型。

4.如权利要求3所述的方法，其特征在于，所述根据所述重采样特征集通过所述重建模型进行数据重建，得到与时间关联的重建数据集，包括：

确定所述重采样特征集的数据重建起点；

根据数据重建起点逆向重建所述训练集，获得所述重建数据集。

5.如权利要求2所述的方法，其特征在于，所述根据所述重建数据集以及所述原始数据集确定异常分数计算模型，包括：

确定所述重建数据集与原始数据集的余弦相似度；

根据所述重采样数据集确定分数特征信息；

根据所述余弦相似度与所述分数特征信息确定分数特征集；

根据所述分数特征集确定异常分数计算模型。

6.如权利要求5所述的方法，其特征在于，所述根据所述分数特征集确定所述异常分数计算模型，包括：

对所述分数特征集进行采样，获得分数计算训练集；

根据所述分数计算训练集确定所述异常分数计算模型。

7.如权利要求6所述的方法，其特征在于，所述根据所述分数特征集通过所述异常分数计算模型进行计算，得到异常分数，包括：

通过所述异常分数计算模型确定所述分数特征集的平均特征值；

根据所述平均特征值确定所述分数特征集的异常分数；

根据所述异常分数确定所述异常能耗数据。

8.一种异常能耗检测装置，其特征在于，所述异常能耗检测装置包括：

获取模块，用于获取原始数据集；

重建模块，用于根据所述原始数据集通过长短时记忆自编码网络进行数据重建，得到与时间关联的重建数据集；

确定模块，用于根据所述重建数据集以及所述原始数据集确定异常分数计算模型；

计算模块，用于根据所述重建数据集与原始数据集确定分数特征集，并根据所述分数特征集通过所述异常分数计算模型进行计算，得到异常分数，以通过所述异常分数确定异常能耗数据。

9.一种异常能耗检测设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的异常能耗检测程序，所述异常能耗检测程序配置为实现如权利要求1至7中任一项所述的异常能耗检测方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有异常能耗检测程序，所述异常能耗检测程序被处理器执行时实现如权利要求1至7任一项所述的异常能耗检测方法的步骤。