[发明专利]用电数据异常的检测方法、装置、设备及可读存储介质

说明书

本发明公开了一种用电数据异常的检测方法，针对现今用电数据具有时间关联和高维度的特点，对用电数据异常检测模型进行了改进，在训练用电数据异常检测模型时，先基于历史用电数据，应用LSTM网络解析历史用电数据的数据关联信息以对历史用电数据进行降维处理后再训练用电数据异常检测模型，从而得到了适应用电数据时间关联特性和高维度特性的用电数据异常检测模型，应用这样的用电数据异常检测模型对输入的待检测用电数据进行检测得到检测结果，相比于传统的检测模型，大大提高了检测准确率，降低了误报率，优化了用电数据异常检测环节。本发明还提供一种用电数据异常的检测装置、设备和可读存储介质，具有上述有益效果。

技术领域

本发明涉及电网技术领域，特别是涉及一种用电数据异常的检测方法、装置、设备及可读存储介质。

背景技术

随着社会经济快速发展，电力资源在人民群众的日常生活中发挥的作用越来越重要。但是，个别用户为了减少电力资源费用的支出，通过窃电、欺诈等欺骗手段进行偷电，给电力公司造成了严重的经济损失。为解决此问题，电力公司已经采取了较多的措施进行检查和整改，并且取得了一定的效果。随着智能电网技术的快速发展，为用电数据异常分析提供了新的研究手段。在大数据电力设备采集的用户用电数据更加丰富，数据量更加庞大，存储设备和网络通道的资源更加丰富，例如，已有研究将传统数据库和MongoDB数据库相融合的电力用户数据存储体系架构，实现电力用户数据的可扩展性存储。在此背景下，基于大数据和人工智能技术的用电数据异常检测研究已成为当前的研究热点和研究趋势。根据研究采用的工具和方法不同，可以分为三类：基于统计学理论知识进行异常用电数据挖掘，基于数学建模与专家系统相结合的用电异常检测研究，基于深度学习等人工智能理论进行数据分析。

可见，用户用电数据异常检测研究已经取得了较多研究成果。但是，当前研究主要集中在解决异常用电数据检测的性能方面的问题。随着电力用户数据和用电设备的快速增长，用户用电数据的维度和数据量也快速增加，导致现有用电数据异常检测算法性能低的问题。

如何提高用电数据异常检测算法的性能以优化用电数据异常检测环节，是本领域技术人员需要解决的技术问题。

发明内容

本发明的目的是提供一种用电数据异常的检测方法、装置、设备及可读存储介质，通过提高用电数据异常检测算法的性能以优化用电数据异常检测环节。

为解决上述技术问题，本发明提供一种用电数据异常的检测方法，包括：

预先基于历史用电数据，应用LSTM网络解析所述历史用电数据的数据关联信息以对所述历史用电数据进行降维处理，并利用降维处理后的用电数据训练用电数据异常检测模型；

接收输入的待检测用电数据；

将所述待检测用电数据输入所述用电数据异常检测模型，得到检测结果；

其中，所述历史用电数据包括多条用电数据信息，各所述用电数据信息均包括用户ID、用电时间和用电量。

可选的，所述预先基于历史用电数据，应用LSTM网络解析所述历史用电数据的数据关联信息以对所述历史用电数据进行降维处理，并利用降维处理后的用电数据训练用电数据异常检测模型，具体包括：

接收所述历史用电数据；

基于所述历史用电数据，采用有放回的策略构造K个数据集合，并分别在各所述数据集合中确定训练集和测试集；

对每个所述数据集合，应用所述LSTM网络提取N个数据内在特征；

应用与所述数据集合对应的所述数据内在特征对所述数据集合进行特征匹配训练，直至匹配结果达到预设条件，得到一棵决策树，完成所有所述数据集合的特征匹配后，得到由各所述决策树组成的随机森林模型；

以所述随机森林模型作为所述用电数据异常检测模型。