[发明专利]基于ARNN-KM模型的系统数据异常检测方法在审
| 申请号： | 202210855389.2 | 申请日： | 2022-07-19 |
| 公开（公告）号： | CN115169478A | 公开（公告）日： | 2022-10-11 |
| 发明（设计）人： | 潘艺旻;陈天予;施毓祥;黄秀华;潘坚跃 | 申请（专利权）人： | 浙江大学;浙达电力科技（杭州）有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 杭州信与义专利代理有限公司 33450 | 代理人： | 马育妙 |
| 地址： | 310000 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 arnn km 模型 系统 数据 异常 检测 方法 | ||
1.一种基于ARNN-KM模型的系统数据异常检测方法，其特征在于，包括步骤：
(1)初始化模型参数；
(2)更新输入序列数据；
(3)将输入序列数据分成N个片段，Patch_k，k＝1,2,…N，确定每个片段的长度和起始点；
(4)将输入序列数据片段Patch_k输入到ARNN模型中，进行并行化处理，进行特征分析，提取特征值；所述ARNN模型为特殊循环神经网络，采用导师驱动模型，将输出层的值进行反馈，产生循环连接；
(5)对N个数据片段并行化处理输出结果进行拼接；
(6)输出结果拼接之后，利用K-Means方法分析得到聚类结果；
(7)重复步骤2～6，更新聚类分析结果；
(8)将新的聚类分析结果与以往结果进行比较，如果未发生变化则认为数据正常；否则进入步骤9进一步判断；
(9)根据用户用电数据，判断用电变化量是否大于设定阈值，如果大于阈值则认为是异常数据；否则认为是正常数据。
2.根据权利要求1所述的基于ARNN-KM模型的系统数据异常检测方法，其特征在于，每个数据片段的处理过程为：将数据片段输入到ARNN模型中，更新网络参数，直到达到最大迭代次数时输出处理结果。
3.根据权利要求1所述的基于ARNN-KM模型的系统数据异常检测方法，其特征在于，初始化模型参数包括隐藏单元个数、批处理大小、迭代次数。
4.根据权利要求1所述的基于ARNN-KM模型的系统数据异常检测方法，其特征在于，输入序列数据包括馈线与变电站关系信息、变电站与用户关系信息、用户用电信息。
5.根据权利要求1所述的基于ARNN-KM模型的系统数据异常检测方法，其特征在于，ARNN模型提取特征包括：用户类型特征、用户区域特征、用户用电时段特征。
6.根据权利要求1所述的基于ARNN-KM模型的系统数据异常检测方法，其特征在于，利用Concat层对N个数据片段并行化处理输出结果进行拼接。
7.根据权利要求1所述的基于ARNN-KM模型的系统数据异常检测方法，其特征在于，数据转换采用Average-Polling方法。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学;浙达电力科技（杭州）有限公司，未经浙江大学;浙达电力科技（杭州）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202210855389.2/1.html，转载请声明来源钻瓜专利网。
