[发明专利]一种电网数据异常检测方法及装置

权利要求书

1.一种电网数据异常检测方法，其特征在于，所述方法包括：

将用户的用电量数据输入到识别模型中；

根据所述识别模型确定所述用电量数据对应的用户是否存在用电量异常状态的结果；其中，所述识别模型为使用多组数据通过机器学习训练得出的，所述多组数据包括第一类数据和第二类数据，所述第一类数据中的每组数据均包括：异常的用电量数据和标识该组数据对应的用户存在用电量异常状态的标签；所述第二类数据中的每组数据均包括：正常的用电量数据和标识该组数据对应的用户不存在用电量异常状态的标签。

2.根据权利要求1所述的一种电网数据异常检测方法，其特征在于，所述模型在使用所述多组数据通过机器学习训练之前，所述方法还包括：

对原始数据进行预处理得到所述多组数据。

3.根据权利要求2所述的一种电网数据异常检测方法，其特征在于，对原始数据进行预处理得到所述多组数据的具体过程为：

对所述原始数据进行数据清洗得到所述多组数据。

4.根据权利要求1所述的一种电网数据异常检测方法，其特征在于，所述识别模型为使用所述多组数据对卷积神经网络模型训练得到的，所述卷积神经网络模型包括依次连接的卷积层、池化层和全连接层；

所述卷积层具有不同尺寸的多个卷积核，所述多个卷积核中的每个卷积核用于从输入到卷积层的所述多组数据中提取特征，得到所述多组数据中每组数据对应的特征图；

所述池化层，用于从输入到池化层的多个所述特征图中选取所述每组数据中特征值最大的所述特征图并保存到堆栈中；

所述全连接层，用于对保存到所述堆栈中的所述特征图进行分类。

5.根据权利要求4所述的一种电网数据异常检测方法，其特征在于，所述多组数据中每组数据对应的所述用电量数据包括用户的户号、多个用电日期以及与各用电日期对应的用电数据，其中，所述用电数据包括多个用电参数，每个所述用电参数分别用于表示当日多个时段对应的用电量；

所述卷积核的高度与所述用电数据的用电参数的数量相同。

6.一种电网数据异常检测装置，其特征在于，所述装置包括：

输入模块，用于将用户的用电量数据输入到识别模型中；

识别模块，用于根据所述识别模型确定所述用电量数据对应的用户是否存在用电量异常状态的结果；其中，所述识别模型为使用多组数据通过机器学习训练得出的，所述多组数据包括第一类数据和第二类数据，所述第一类数据中的每组数据均包括：异常的用电量数据和标识该组数据对应的用户存在用电量异常状态的标签；所述第二类数据中的每组数据均包括：正常的用电量数据和标识该组数据对应的用户不存在用电量异常状态的标签。

7.根据权利要求6所述的一种电网数据异常检测装置，其特征在于，所述装置还包括：

预处理模块，用于对原始数据进行预处理得到所述多组数据。

8.根据权利要求7所述的一种电网数据异常检测装置，其特征在于，所述预处理模块还用于：

对所述原始数据进行数据清洗得到所述多组数据。

9.根据权利要求6所述的一种电网数据异常检测装置，其特征在于，所述识别模型为使用所述多组数据对卷积神经网络模型训练得到的，所述卷积神经网络模型包括依次连接的卷积层、池化层和全连接层；

所述卷积层具有不同尺寸的多个卷积核，所述多个卷积核中的每个卷积核用于从输入到卷积层的所述多组数据中提取特征，得到所述多组数据中每组数据对应的特征图；

所述池化层，用于从输入到池化层的多个所述特征图中选取所述每组数据中特征值最大的所述特征图并保存到堆栈中；

所述全连接层，用于对保存到所述堆栈中的所述特征图进行分类。

10.根据权利要求9所述的一种电网数据异常检测装置，其特征在于，所述多组数据中每组数据对应的所述用电量数据包括用户的户号、多个用电日期以及与各用电日期对应的用电数据，其中，所述用电数据包括多个用电参数，每个所述用电参数分别用于表示当日多个时段对应的用电量；

所述卷积核的高度与所述用电数据的用电参数的数量相同。