买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：国网冀北电力有限公司计量中心;国网浙江省电力有限公司营销服务中心;国网辽宁省电力有限公司电力科学研究院

摘要：本申请公开了一种欠数据场景下用户用电异常诊断方法、设备及介质，主要涉及用电异常诊断技术领域，用以解决现有的方案涉及的异常用电数据缺失、数据缺失补全方法未能考虑序列中的时序信息以及静态信息，进而容易导致用电异常判断准确率低的问题。包括：对第一训练数据集进行数据插补，以获得无缺失值的第一训练数据集；将异常用电静态特征和异常用电时序特征映射为特征向量；训练神经网络模型，获得训练好的神经网络模型；通过训练好的神经网络模型，确定测试用电数据对应的预测故障状态；计算获得均值波动阈值和标准差波动阈值；当实际均值高于均值波动阈值且实际标准差高于标准差波动阈值，进行预测故障状态预警处理。

主权项：1.一种欠数据场景下用户用电异常诊断方法，其特征在于，所述方法包括：获取预设历史时间段内的实际用户异常用电数据作为初始训练数据集；对初始训练数据集进行数据标准化处理，以获得用电单位一致的第一训练数据集；对第一训练数据集中存在预设典型异常用电工况的异常用电数据标注典型故障标签；采用生成对抗插补网络方法，从第一训练数据集中随机采样预设数量的异常用电数据，进而通过预设数量的异常用电数据，训练对抗插补网络中的生成器模型与辨别器模型；将第一训练数据集作为对抗插补网络方法的输入数据，进而通过训练好的生成器模型与辨别器模型，对第一训练数据集进行数据插补，以获得无缺失值的第一训练数据集；从最终训练数据中，提取异常用电静态特征和异常用电时序特征；利用Bi-GRU神经网络模型，将异常用电静态特征和异常用电时序特征映射为特征向量；确定典型故障标签对应的特征向量；通过典型故障标签、特征向量，训练Bi-GRU神经网络模型，直至Bi-GRU神经网络模型对应的第一训练数据集的生成对抗损失和第一训练数据集的自适应学习损失之间的加权和最小，获得训练好的Bi-GRU神经网络模型；获得测试用电数据后，通过训练好的Bi-GRU神经网络模型，确定测试用电数据对应的预测故障状态；获取预测故障状态对应的设定权重；计算获得实际均值、实际标准差；基于设定权重和测试用电数据对应的波动时间范围，计算获得均值波动阈值和标准差波动阈值；当实际均值高于均值波动阈值且实际标准差高于标准差波动阈值，进行预测故障状态预警处理。

全文数据：

权利要求：

百度查询： 国网冀北电力有限公司计量中心 国网浙江省电力有限公司营销服务中心 国网辽宁省电力有限公司电力科学研究院 欠数据场景下用户用电异常诊断方法、设备及介质