[发明专利]一种无监督能耗异常检测方法、装置及存储介质

权利要求书

1.一种无监督能耗异常检测方法，其特征在于，包括：

将输入的原始能耗序列进行预处理，得到补全能耗序列；

计算所述补全能耗序列中各个能耗数据的三维融合特征，所述三维融合特征包括一阶差分特征、二阶差分特征、规律性特征；

利用所述补全能耗序列中各个能耗数据的三维融合特征得到k-dist图，并根据所述k-dist图计算密度聚类算法的自适应参数；

基于所述自适应参数利用所述密度聚类算法对所述补全能耗序列中各个能耗数据的三维融合特征聚类，生成能耗伪标签序列；

利用自编码器重构所述补全能耗序列得到重构能耗序列，并计算所述补全能耗序列与所述重构能耗序列的数据差值，得到能耗序列重构误差；

将所述能耗序列重构误差输入利用所述能耗伪标签序列训练后的分类器进行分类，得到异常检测结果。

2.根据权利要求1所述的无监督能耗异常检测方法，其特征在于，所述利用所述能耗伪标签序列训练分类器包括：

将所述能耗序列重构误差按预设比例划分出能耗序列重构误差训练集；

利用SMOTE算法对所述能耗序列重构误差训练集中的异常样本进行重采样；

将重采样后的能耗序列重构误差训练集输入所述分类器，并利用所述能耗伪标签序列对所述分类器进行训练。

3.根据权利要求1所述的无监督能耗异常检测方法，其特征在于，所述将输入的原始能耗序列进行预处理，得到补全能耗序列包括：

设置长度为k的滑动窗口，计算所述滑动窗口中的所述原始能耗序列{x_i,x_i+1,…,x_i+k}的均值利用μ对所述原始能耗序列的缺失值进行补全；

对补全后的所述原始能耗序列进行归一化得到所述补全能耗序列X＝{x₁,x₂,…,x_n}，n为能耗数据点个数。

4.根据权利要求3所述的无监督能耗异常检测方法，其特征在于，所述计算所述补全能耗序列中各个能耗数据的三维融合特征包括：

分别提取所述补全能耗序列X中i时刻的能耗值x_i的一阶差分特征f_id1、二阶差分特征f_id2、规律性特征f_ir，构成所述三维融合特征(f_id1,f_id2,f_ir)。

5.根据权利要求4所述的无监督能耗异常检测方法，其特征在于，所述利用所述补全能耗序列中各个能耗数据的三维融合特征得到k-dist图，并根据所述k-dist图计算密度聚类算法的自适应参数包括：

计算所述补全能耗序列中各个能耗数据的三维融合特征到其第k个近邻融合特征点的距离d，得到k-dist序列{d₁,d₂,…,d_n}；

对所述k-dist序列递增排序得到k-dist图；

通过所述k-dist图计算出DBSCAN算法的自适应参数Eps。

6.根据权利要求5所述的无监督能耗异常检测方法，其特征在于，所述基于所述自适应参数利用所述密度聚类算法对所述补全能耗序列中各个能耗数据的三维融合特征聚类，生成能耗伪标签序列包括：

基于所述自适应参数利用所述DBSCAN算法对所述补全能耗序列中各个能耗数据的三维融合特征聚类，得到多个能耗模式簇；

将聚类后不属于任何所述能耗模式簇的离群三维融合特征点标记为异常点，将其他三维融合特征点标记为正常点，生成所述能耗伪标签序列：

。

7.根据权利要求1所述的无监督能耗异常检测方法，其特征在于，所述利用自编码器重构所述补全能耗序列得到重构能耗序列，并计算所述补全能耗序列与所述重构能耗序列的数据差值，得到能耗序列重构误差包括：

采用滑动窗口机制，基于LSTM网络构建自编码器模型重建所述补全能耗序列，得到重构能耗序列；

计算所述补全能耗序列与重构能耗序列的数据差值，得到能耗序列重构误差。