[发明专利]用电异常数据检测方法和装置

说明书

本发明涉及一种用电异常数据检测方法和装置，属于数据检测技术领域。其方法包括以下步骤：首先获取待测试的用电时序数据和用电异常数据检测模型；其中用电异常数据检测模型是通过提取历史用电大数据的特征值，利用特征值对改进的BP神经网络模型进行训练得到的；在对改进的BP神经网络模型进行训练时利用改进的激活函数动态调整改进的BP神经网络模型中的节点连接权值；最后采用用电异常数据检测模型对待测试的用电时序数据进行检测分析，确定待测试的用电时序数据中的异常数据。上述的用电异常数据检测方法和装置，将历史大数据分析和BP神经网络智能算法有效结合取代人工经验规则诊断，可以大幅提高用电异常数据检测效率和准确性。

技术领域

本发明涉及数据检测技术领域，特别是涉及一种用电异常数据检测方法和装置。

背景技术

随着电力系统信息化技术的快速发展，电网信息系统产生了大量用电数据。在电网生产运行过程中，因数据传输干扰以及多源数据融合混叠，从而导致在对配电网数据进行量测时可能出现较大误差，即出现用电异常数据，进而降低了用电数据质量，影响电网运行状态和用户用电行为的准确分析。由此可见，对用电异常数据进行识别检测，就显得尤为重要。

目前，常采用依靠人工经验的诊断方法来对用电异常数据进行检测，该方法主要是依靠人工经验，效率低且准确性差。

发明内容

基于此，有必要针对目前依靠人工经验诊断方法在对用电异常数据检测时效率低且准确性差的问题，提供一种基于大数据分析和神经网络智能算法的用电异常数据检测方法和装置。

一种用电异常数据检测方法，包括以下步骤：

获取待测试的用电时序数据和用电异常数据检测模型；其中，所述用电异常数据检测模型是以历史用电大数据为训练样本对改进的BP神经网络模型进行学习训练得到的；所述改进的BP神经网络模型为利用连接权值修正量来动态调整多层神经网络中输入层节点、隐含层节点和输出层节点中各节点的连接权值，直至输出层节点输出与期望输出相符得到的；其中，所述连接权值修正量为通过动量因子调整得到的；

根据所述待测试的用电时序数据和所述用电异常数据检测模型，确定所述待测试的用电时序数据中的异常数据。

一种用电异常数据检测装置，包括：

用电信息获取模块，用于获取待测试的用电时序数据和用电异常数据检测模型；其中，所述用电异常数据检测模型是以历史用电大数据为训练样本对改进的BP神经网络模型进行学习训练得到的；所述改进的BP神经网络模型为利用连接权值修正量来动态调整多层神经网络中输入层节点、隐含层节点和输出层节点中各节点的连接权值，直至输出层节点输出与期望输出相符得到的；其中，所述连接权值修正量为通过动量因子调整得到的；

用电异常数据检测模块，用于根据所述待测试的用电时序数据和所述用电异常数据检测模型，检测所述待测试的用电时序数据中的异常数据。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：

获取待测试的用电时序数据和用电异常数据检测模型；其中，所述用电异常数据检测模型是以历史用电大数据为训练样本对改进的BP神经网络模型进行学习训练得到的；所述改进的BP神经网络模型为利用连接权值修正量来动态调整多层神经网络中输入层节点、隐含层节点和输出层节点中各节点的连接权值，直至输出层节点输出与期望输出相符得到的；其中，所述连接权值修正量为通过动量因子调整得到的；

根据所述待测试的用电时序数据和所述用电异常数据检测模型，检测所述待测试的用电时序数据中的异常数据。

一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：