[发明专利]一种用电数据风险评估方法、装置、设备及存储介质

权利要求书

1.一种用电数据风险评估方法，其特征在于，包括：

读取配电网中各用户的历史用电数据，并根据所述历史用电数据构建评估模型，其中，所述评估模型中包含第一自编码器、第二自编码器以及全连接神经网络模型；

获取待测用电数据，通过所述评估模型对所述待测用电数据进行评分生成评分结果；

根据所述评分结果确定所述待测用电数据的风险等级。

2.根据权利要求1所述的方法，其特征在于，所述获取待测用电数据，通过所述评估模型对所述待测用电数据进行评分生成评分结果，包括：

对所述待测用电数据进行预处理生成数据集；

通过所述第一自编码器对所述数据集进行处理，获得数据重构误差和所述数据集的第一特征值，其中，所述第一自编码器中包含编码层和解码层；

通过所述第二自编码器对所述数据集的第一特征值进行处理获得特征重构误差、第一特征值的隐藏特征值和所述数据集的第二特征值；

通过所述全连接神经网络模型对所述第二特征值进行处理生成高斯分数；

根据所述数据重构误差、所述特征重构误差和所述高斯分数生成所述评分结果。

3.根据权利要求2所述的方法，其特征在于，所述通过所述第一自编码器对所述数据集进行处理，获得数据重构误差和所述数据集的第一特征值，包括：

通过所述编码层对所述数据集进行特征提取得到所述数据集的第一特征值；

通过所述解码层对所述数据集进行重构得到重构数据集；

根据所述数据集和所述重构数据集获取所述数据重构误差。

4.根据权利要求3所述的方法，其特征在于，所述通过所述第二编码器对所述数据集的第一特征值进行处理获得特征重构误差、第一特征值的隐藏特征值和所述数据集的第二特征值，包括：

通过所述第二自编码器对所述第一特征值进行重构得到所述数据集的重构特征值；

通过所述第二自编码器对所述第一特征值进行编码得到所述第一特征值的隐藏特征值；

根据所述重构特征值和所述数据集的第一特征值获取所述特征重构误差；

获取所述重构特征值和所述数据集的第一特征值的欧式距离以及余弦相似度，根据所述欧式距离、所述余弦相似度和所述隐藏特征值得到所述数据集的第二特征值。

5.根据权利要求4所述的方法，其特征在于，所述通过所述全连接神经网络模型对所述第二特征值进行处理生成高斯分数，包括：

通过所述全连接神经网络模型对所述数据集的第二特征值采用最大期望算法EM进行计算，获取所述数据集的第二特征值所对应的归属概率；

通过所述归属概率和所述数据集的第二特征值进行计算，获得所述全连接神经网络模型的分数计算关联参数；

根据所述关联参数和所述数据集的第二特征值生成所述高斯分数。

6.根据权利要求2所述的方法，其特征在于，所述根据所述数据重构误差、所述特征重构误差和所述高斯分数生成所述评分结果，包括：

将所述数据重构误差、所述特征重构误差和所述高斯分数作为评估指标，并获取各评估指标对应的权重值；

将各所述评估指标和各评估指标对应的所述权重值的乘积依次相加得到所述评分结果。

7.根据权利要求6所述的方法，其特征在于，所述根据所述评分结果确定所述待测用电数据的风险等级，包括：

确定所述评分结果对应的分数区间；

根据所述分数区间确定所述待测用电数据的所述风险等级。

8.一种用电数据风险评估装置，其特征在于，包括：

评估模型构建模块，用于读取配电网中各用户的历史用电数据，并根据所述历史用电数据构建评估模型，其中，所述评估模型中包含第一自编码器、第二自编码器以及全连接神经网络模型；

评分结果生成模块，用于获取待测用电数据，通过所述评估模型对所述待测用电数据进行评分生成评分结果；

风险等级确定模块，用于根据所述评分结果确定所述待测用电数据的风险等级。