[发明专利]用电数据异常检测方法、装置、计算机设备和存储介质

权利要求书

1.一种用电数据异常检测方法，其特征在于，所述方法包括：

获取待检测用电数据的频域组合数据；

提取所述频域组合数据的特征信息；

根据所述特征信息，得到所述待检测用电数据的下一时间段的预测用电数据以及所述预测用电数据的标签信息；所述标签信息用于表征所述预测用电数据是否异常；

根据所述预测用电数据的标签信息，确定对所述预测用电数据的检测结果。

2.根据权利要求1所述的方法，其特征在于，所述获取待检测用电数据的频域组合数据，包括：

获取待检测用电数据的频域数据、时间信息和所述时间信息对应的天气信息；

获取所述频域数据、所述时间信息和所述天气信息对应的向量；

将所述频域数据、所述时间信息和所述天气信息对应的向量进行拼接处理，得到所述待检测用电数据的频域组合数据。

3.根据权利要求2所述的方法，其特征在于，所述获取待检测用电数据的频域数据，包括：

获取待检测用电数据；

对所述待检测用电数据进行预处理，得到预处理后的待检测用电数据；

对所述预处理后的待检测用电数据进行傅里叶变换处理，得到所述待检测用电数据的频域数据。

4.根据权利要求1所述的方法，其特征在于，所述提取所述频域组合数据的特征信息，包括：

将所述频域组合数据输入预先训练的第一特征提取模型，得到所述频域组合数据的频域特征；所述预先训练的第一特征提取模型用于对所述频域组合数据进行频域特征提取处理，得到所述频域组合数据的频域特征；

将所述频域组合数据的频域特征输入预先训练的第二特征提取模型，得到所述频域组合数据的时序特征，作为所述频域组合数据的特征信息；所述预先训练的第二特征提取模型用于对所述频域组合数据的频域特征进行时序特征提取处理，得到所述频域组合数据的时序特征。

5.根据权利要求4所述的方法，其特征在于，所述根据所述特征信息，得到所述待检测用电数据的下一时间段的预测用电数据以及所述预测用电数据的标签信息，包括：

将所述频域组合数据的时序特征输入预先训练的用电数据预测模型，得到所述待检测用电数据的下一时间段的预测用电数据；所述预先训练的用电数据预测模型用于对所述频域组合数据的时序特征进行第一全连接处理，得到所述预测用电数据；

将所述频域组合数据的时序特征输入预先训练的用电数据异常检测模型，得到所述预测用电数据的标签信息；所述预先训练的用电数据异常检测模型用于对所述频域组合数据的时序特征进行第二全连接处理，得到所述预测用电数据的标签信息。

6.根据权利要求5所述的方法，其特征在于，所述方法还包括：

获取样本用电数据的样本频域组合数据；

将所述样本用电数据的样本频域组合数据输入待训练的第一特征提取模型，得到所述样本频域组合数据的频域特征；

将所述样本频域组合数据的频域特征输入待训练的第二特征提取模型，得到所述样本频域组合数据的时序特征；

分别将所述样本频域组合数据的时序特征输入待训练的用电数据预测模型和待训练的用电数据异常检测模型，得到所述样本用电数据的下一时间段的预测用电数据和所述预测用电数据的标签信息；

根据所述预测用电数据和实际用电数据之间的差值，以及所述标签信息和实际标签信息之间的差值，得到损失值；

根据所述损失值对所述待训练的第一特征提取模型、所述待训练的第二特征提取模型、所述待训练的用电数据预测模型和所述待训练的用电数据异常检测模型进行训练，得到训练完成的第一特征提取模型、第二特征提取模型、用电数据预测模型和用电数据异常检测模型，对应作为所述预先训练的第一特征提取模型、第二特征提取模型、用电数据预测模型和用电数据异常检测模型。

7.根据权利要求1至6任一项所述的方法，其特征在于，在根据所述预测用电数据的标签信息，确定对所述预测用电数据的检测结果之后，还包括：

若所述预测用电数据的检测结果为所述预测用电数据出现异常，则生成对所述预测用电数据的预警信息。