[发明专利]一种基于卷积神经网络的用电异常预判方法在审
| 申请号： | 201910567009.3 | 申请日： | 2019-06-27 |
| 公开（公告）号： | CN110321947A | 公开（公告）日： | 2019-10-11 |
| 发明（设计）人： | 张方恒;李宏刚;刘建洲;解晓霞;陶可猛;单宝山;张玉锋;张继洲 | 申请（专利权）人： | 和远智能科技股份有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 济南泉城专利商标事务所 37218 | 代理人： | 张贵宾 |
| 地址： | 250000 山东省济南市*** | 国省代码： | 山东;37 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及电网技术领域，特别涉及一种基于卷积神经网络的用电异常预判方法。包括数据预处理的过程和数据训练的过程；数据预处理的过程包括：通过预处理脚本文件对数据进行属性层次分析；按照训练故障数据要求对数据进行属性层次分类；对分类近似数据进行合并；重新计算生成各类数据之间的距离；生成初步线性数据并判断数据的分类准确性；数据分类完成存储入库；数据准备完成；数据训练的过程包括：制作异常数据训练数据集；进入监控中心查看状态确认是否进行调整；完成训练后，进行数据处理，获得异常的样本；利用正异常样本调整手段，自动生成海量负样本；把正异常样本做成数据集，进行训练；训练完成对模型进行测试；训练完成。 | ||
| 搜索关键词： | 卷积神经网络 数据预处理 数据训练 预判 样本 分类准确性 训练数据集 预处理脚本 层次分类 层次分析 电网技术 故障数据 监控中心 近似数据 判断数据 数据分类 数据准备 线性数据 样本调整 异常数据 重新计算 状态确认 自动生成 数据处理 负样本 数据集 存储 入库 测试 合并 分类 制作 | ||
【主权项】：
1.一种基于卷积神经网络的用电异常预判方法，其特征在于：包括数据预处理的过程和数据训练的过程；所述数据预处理的过程包括以下步骤：S11通过预处理脚本文件对数据进行属性层次分析；S12按照训练故障数据要求对数据进行属性层次分类；S13对分类近似数据进行合并；S14重新计算生成各类数据之间的距离；S15生成初步线性数据并判断数据的分类准确性；S16数据分类完成存储入库；S17数据准备完成；所述数据训练的过程包括以下步骤：S21制作故障数据训练数据集；S22进入监控中心查看状态 确认是否进行调整；S23完成训练后，进行数据处理，获得异常的样本；S24利用正异常样本调整手段，自动生成海量负样本；S25把正异常样本做成数据集，进行训练；S26训练完成对模型进行测试；S27训练完成。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于和远智能科技股份有限公司，未经和远智能科技股份有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910567009.3/，转载请声明来源钻瓜专利网。
