[发明专利]电力监控系统时间序列异常检测方法、系统、设备及存储介质

权利要求书

1.一种电力监控系统时间序列异常检测方法，其特征在于，该方法包括以下步骤：

步骤S1、获取待检测设备运行的日志数据；

步骤S2、采用预训练的基于事件门的长短期记忆神经网络LSTM提取预处理后日志数据的时间序列特征，输出整段序列的特征中心点c；

步骤S3、基于当前时间序列的特征中心点c，采用异常检测器根据特征空间中的距离量度对当前时间序列进行异常检测；其中，所述特征空间为采用正常设备的运行日志数据对基于事件门的长短期记忆神经网络LSTM进行预训练所得的特征空间。

2.根据权利要求1所述的一种电力监控系统时间序列异常检测方法，其特征在于，所述步骤S1中还包括对日志数据进行格式化预处理，具体为：将采集到的待检测设备运行日志数据提取成为一组向量，包括向量s表示日志键，代表这一条日志所描述的事件类型，向量vn和vc表示日志值，代表这一条日志中包含的事件取值，其中，vn表示连续日志值，vc表示离散日志值，离散值使用独热码one-hot方法来处理。

3.根据权利要求2所述的一种电力监控系统时间序列异常检测方法，其特征在于，所述步骤S2中的基于事件门的长短期记忆神经网络LSTM的预训练过程具体为：

1)采集正常设备运行的日志数据并进行预处理；

2)将预处理后的整段序列输入至基于事件门的长短期记忆神经网络LSTM进行特征提取后，输出整段序列的特征中心点c，作为异常检测器中超球体的球心；

3)将提取出的向量序列切割成为等长的序列片段，每个片段表示一段时间跨度内设备的行为变化；

4)将每个序列片段输入到基于事件门的长短期记忆神经网络LSTM中，进行训练；如果当前序列在特征空间对应的点与特征中心点c的距离小于设定阈值r，则当前序列的梯度不进行回传，网络参数不更新，否则对当前序列的梯度进行回传，并更新网络参数；

5)训练完毕后构造出半径为r，球心为c的超球体，作为异常检测器进行异常检测所需的特征空间。

4.根据权利要求2所述的一种电力监控系统时间序列异常检测方法，其特征在于，所述步骤S3具体为：若映射点在之前构造的超球体中，则表示该序列片段中的行为特征与正常行为一致；反之，则表示出现异常行为。

5.根据权利要求1所述的一种电力监控系统时间序列异常检测方法，其特征在于，所述步骤S2中基于事件门的长短期记忆神经网络LSTM提取预处理后日志数据的时间序列特征具体为：在长短期记忆神经网络LSTM引入事件门，根据当前输入信息所属的事件，选择性地激活对应的神经元进行时间序列特征提取。

6.根据权利要求5所述的一种电力监控系统时间序列异常检测方法，其特征在于，所述基于事件门的长短期记忆神经网络LSTM中的每个神经元采用的控制单元包括事件门、输入门、遗忘门和输出门，数学表达式分别为：

事件门：

e_s＝σ(W_emtanh(W_mss+b_m)+b_e)              (1)

输入门：

遗忘门：

输出门：

式中，e_s为当前事件对应的事件门取值，s为事件类型；i_t为输入门，决定了当前时刻的输入数据X_t影响到神经元状态的程度；f_t为遗忘门，决定了神经元在上一时刻的状态c_t-1保留到当前时刻的程度；o_t为输出门，决定神经元当前时刻的状态影响到当前的输出值o_t的程度；σ和tanh分别表示sigmoid函数和tanh函数，W和b均为可学习参数；°表示哈达玛积，属于长短期记忆神经网络LSTM中的peephole结构；

事件门根据当前输入信息所属的事件，选择性地激活对应的神经元。