公开(公告)号：CN115688035A

公开(公告)日：2023-02-03

申请号：CN202211278394.8

申请日：2022-10-19

Applicant: 江苏电力信息技术有限公司 ,  南京财经大学

Inventor： 赵琳 ,  王惠 ,  张震宇 ,  冯曙明 ,  史伟 ,  王数 ,  沈超 ,  丁罕 ,  曹杰 ,  陶海成 ,  缪佳伟

IPC: G06F18/2433 ,  G06F18/241 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/09

Abstract: 本发明公开了一种基于自监督学习的时序电力数据异常检测方法。首先构建基于门控循环神经网络自编码器的多任务的异常检测模型，包括样本间对比任务、重构任务和样本内预测任务；获取企业监测的用电量的时间序列数据集，预处理后，对每一个传感器的时间序列数据根据周期性规律切分成小样本，作为输入训练异常检测模型；将待检测的数据进行预处理并根据周期性规律切分输入异常检测模型，并输出重构任务损失与样本内预测任务损失，将二者输入异常评分模型得出异常评分；判断异常评分是否超过阈值，若超过，则为异常，否则视为正常。本发明将预测任务、对比任务和重构任务三个任务相结合，可以更好地表征时间序列数据，从而降低误报率。