[发明专利]一种用电量数据检测方法、装置、设备及存储介质

权利要求书

1.一种用电量数据检测方法，其特征在于，包括：

获取正常用电量数据和异常用电量数据，并基于所述异常用电量数据利用第一模型中的生成器生成虚假异常用电量数据，得到目标训练集；其中，所述目标训练集包含由所述正常用电量数据组成的第一样本数据和由所述异常用电量数据和所述虚假异常用电量数据组成的第二样本数据；所述生成器为全连接网络；

利用所述目标训练集对第二模型进行训练，得到训练后的所述第二模型；其中，所述第二模型由卷积神经网络、长短期记忆网络及多头注意力机制组成；

将待检测用电量数据输入训练后的所述第二模型以依次通过卷积神经网络、长短期记忆网络及多头注意力机制，得到对应的检测结果。

2.根据权利要求1所述的用电量数据检测方法，其特征在于，所述获取正常用电量数据和异常用电量数据之后，还包括：

采用拉格朗日插值法分别对所述正常用电量数据和所述异常用电量数据进行缺失值补齐处理，得到补齐后的所述正常用电量数据和所述异常用电量数据；

采用最小最大缩放法分别对补齐后的所述正常用电量数据和所述异常用电量数据进行归一化处理，得到归一化后的所述正常用电量数据和所述异常用电量数据。

3.根据权利要求1所述的用电量数据检测方法，其特征在于，所述基于所述异常用电量数据利用第一模型中的生成器生成虚假异常用电量数据之前，还包括：

将满足所述异常用电量数据的分布规律的噪声变量输入至所述第一模型的所述生成器得到初始虚假异常用电量数据，并将初始虚假异常用电量数据和所述异常用电量数据输入至所述第一模型的判别器；其中，所述判别器为堆叠长短期记忆网络；

根据所述判别器的损失结果对应的权重更新情况对所述生成器的权重参数进行更新，得到最优的所述生成器和所述判别器，以利用最优的所述生成器生成所述虚假异常用电量数据。

4.根据权利要求3所述的用电量数据检测方法，其特征在于，所述生成器为固定生成器，所述判别器为固定判别器，当所述固定生成器的损失函数最小且所述固定判别器的损失函数最大时，所述固定生成器和所述固定判别器最优。

5.根据权利要求1至4任一项所述的用电量数据检测方法，其特征在于，所述将待检测用电量数据输入训练后的所述第二模型以依次通过卷积神经网络、长短期记忆网络及多头注意力机制，得到对应的检测结果，包括：

将所述待检测用电量数据的维度转化为卷积神经网络的输入维度，并利用卷积神经网络对维度转化后的所述检测用电量数据进行第一特征提取，得到初步特征序列；

利用长短期记忆网络通过对所述初步特征序列进行第二特征提取，得到融合了前后信息特征的全局特征序列；

利用由自注意力模型构建的多头注意力机制为所述全局特征序列重新分配权重，并将多头注意力机制中各个头的输出特征进行加权合并，得到对应的检测结果。

6.根据权利要求5所述的用电量数据检测方法，其特征在于，所述利用长短期记忆网络通过对所述初步特征序列进行第二特征提取之前，还包括：

将所述初步特征序列输入至Dropout层进行过拟合处理；

将过拟合处理后的所述初步特征序列输入至扁平层，以通过所述扁平层将过拟合处理后的所述初步特征序列的维度转化为长短期记忆网络的输入维度。

7.根据权利要求5所述的用电量数据检测方法，其特征在于，所述将多头注意力机制中各个头的输出特征进行加权合并之后，还包括：

利用全连接层对加权合并后的特征进行分类得到映射后的分类标签值，并通过输出层输出与所述分类标签值对应的行为类型。