[发明专利]智能电网的计量异常诊断信息生成模型构建方法及系统

权利要求书

1.一种智能电网的计量异常诊断信息生成模型构建方法，其特征在于，包括：

搭建异常天数检测模块，用于估计训练数据集中用户一周的异常用电数据对应的异常用电天数；以用户一周的异常用电数据为输入，以异常用电天数为标签，以对所述异常天数检测模块进行训练，所述训练数据集包括用户一周的异常用电数据；

搭建异常用电数据判断模块，用于判断用户一周的异常用电数据是完全异常数据还是部分异常数据，若所述异常用电天数为7则为完全异常数据，否则为部分异常数；

搭建两个结构相同的第一分类网络，采用所述完全异常数据和所述部分异常数据分别对两个第一分类网络进行训练，输出预测的文字模板，所述文字模板包括异常数据现象及对应的异常类型推测，其中，所述异常数据现象包括对总体用电量、背景负荷、用电曲线及用电峰值的描述；

搭建异常诊断信息生成模块，用于将所述异常天数检测模块生成的异常天数填入所述文字模板，生成异常诊断信息；

所述智能电网的计量异常诊断信息生成模型包括异常天数检测模块、异常用电数据判断模块、两个第一分类网络及异常诊断信息生成模块。

2.根据权利要求1所述的模型构建方法，其特征在于，每个第一分类网络包括三个串联连的带注意力机制的残差模块、一个drouout层和一个全连接层，将所述完全异常数据和所述部分异常数据分别输入到两个第一分类网中以对所述第一分类网络进行训练，输出预测的文字模板。

3.根据权利要求2所述的模型构建方法，其特征在于，每个带注意力机制的残差模块的通道注意力权重分数M_c(F)以及空间注意力权重分数M_s(F)分别为：

M_c(F)＝σ(Flatten(AvgPool(F))+Flatten(MaxPool(F)))

M_s(F)＝σ(f_i([AvgPool(F)；MaxPool(F)]))

式中，F表示输入特征图，σ代表sigmoid函数，AvgPool表示平均池化操作，MaxPool表示最大池化操作，Flatten表示压平操作，f_i代表卷积核为i的卷积计算。

4.根据权利要求1所述的模型构建方法，其特征在于，所述异常天数检测模块包括串联的特征提取网络及第二分类网络；所述特征提取网络为一维残差卷积网络。

5.根据权利要求4所述的模型构建方法，其特征在于，所述第二分类网络为三层全连接层网络加一层Sigmoid函数层。

6.根据权利要求1所述的模型构建方法，其特征在于，所述训练数据集包括完全异常数据和部分异常数据；

所述完全异常数据通过FDI7-FDI13中的一种或多种方式构建；

其中，所述FDI7-FDI13分别为：

FDI7:

FDI8:

FDI9:

FDI10:

FDI11:

FDI12:

FDI13:

式中，X为电量异常后显示的电能计量，x为正常用电量，为用电量均值，a，k，c为随机数,a_t为每个采样点都不一样的随机数,ax表示x的a百分位点，t为时间。

7.根据权利要求6所述的模型构建方法，其特征在于，所述完全异常数据还可以通过FDI1-FDI6中的一种或多种方式构建，所述部分异常数据通过FDI1-FDI6中的一种或多种方式构建；

其中，所述FDI1-FDI16分别为：

FDI1:X＝ax,0.2a0.8；

FDI2：

FDI3:X＝max((x-y),0),y＝ax,0.5a0.75

FDI4:

FDI5:X＝a_tx,0.2a_t0.8

FDI6:

式中，X为电量异常后显示的电能计量，x为正常用电量，为用电量均值，a，k，c为随机数,a_t为每个采样点都不一样的随机数,ax表示x的a百分位点，t为时间。