[发明专利]基于双向RNN的电力项目异常预警处理方法

说明书

基于双向RNN的电力项目异常预警处理方法，对电力项目进行历史数据采集，根据专家经验判断是正常或异常，通过深度学习方法提取正常项目与异常项目的特征，对提取的特征进行分类，根据特征及分类建立基于深度学习的在线预警模型，用于对当前电力项目数据进行异常感知，如有异常则进行预警。本发明方法将深度学习与人工评判进行融合，克服了正常与异常项目的动态波动问题，有利于帮助管理者实时地、有效地、合理地对电力项目进行决策，优化和深化了项目实时监测的决策流程。

技术领域

本发明属于人工智能技术领域，涉及对数据的异常处理，为一种基于双向RNN的电力项目异常预警处理方法。

背景技术

随着工业化进程的不断推进，我国电力需求日益增加，电力项目接踵而至，从来带来了严重的管理问题，若不能分配好人员、时间，掌握实时进度，将会大大降低项目效率，随着异常项目的积累，会浪费大量的资源。为了帮助管理者及时发现异常项目，对海量数据实现自动化分析，从而更加合理有效地安排人员、时间，掌握项目进度，需要一种能够对项目数据进行异常预警处理的方法。

现实中主要通过人工评判的方式对项目进行管理，按照人工经验设定人员、时间阈值，根据项目实际情况判断是否在阈值范围之内，从而识别异常项目，由于该方法的判断要求简单易懂，便于计算，可以快速识别部分明显异常项目，但是这种方法的不足之处在于需要依靠管理者的主观认知，对最后的决策据结果影响很大。

深度学习是从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。深度学习是一项探测大量数据以发现有意义的模式(pattern)和规则(rule)的业务流程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。

发明内容

本发明要解决的问题是，针对大量电力项目数据难于仅依靠专家经验进行分析的问题，提出一种将专家经验和人工智能结合的数据异常预警处理方法。

本发明的技术方案为：基于双向RNN的电力项目异常预警处理方法，系统地对电力项目进行历史数据采集，包括项目的人数要求、时间安排以及进度状况，根据专家经验判断是正常或异常，通过深度学习方法提取正常项目与异常项目的特征，对提取的特征进行分类，根据特征及分类建立基于深度学习的在线预警模型，用于对当前电力项目数据进行异常感知，如有异常则进行预警，

其中，深度学习采用双向RNN神经网络，对历史项目数据进行学习后，通过改变项目参数对项目进行不同情况的模拟分析，如有参数出现异常则发出警报，由管理人员对异常进行调整后再进行模拟，直至不再出现异常，以完成对正常项目与异常项目特征的动态学习。

作为优选方式，包括以下步骤：

步骤一，数据采集，状况分析：搜集电力项目的历史数据，包括项目的时间、人员以及进度，对项目的运行状态结合专家经验进行分析判断，确认是正常还是异常；

步骤二，特点分析，问题界定：采用双向RNN神经网络对电力项目的数据特点进行分析，提取正常项目与异常项目的特征，并根据异常的特征对项目异常数据进行分类；

步骤三，模型建立，异常汇报：双向RNN神经网络完成学习后，得到在线预警模型，结合当前项目的特征与分类，对异常项目进行实时感知，如有异常则上报，进行预警处理。

本发明的创新点在于：

(1)深度学习结合人工经验与规则。

根据项目数据，通过项目特征及对应的分类规则对异常感知到的项目异常数据类型进行处理，并结合专家经验构建立基于深度学习的项目异常感知模型，界定正常项目数据与异常项目数据的范围。

(2)双向RNN预警决策分析。