异常数据识别方法、装置、计算机设备和存储介质与流程

本申请涉及智能电网异常检测，特别是涉及一种异常数据识别方法、装置、计算机设备和存储介质。

背景技术：

1、随着电力行业的快速发展，出现了将人工智能技术应用到用电异常诊断的研究当中，其通过数据建模的方式对异常用电进行诊断。然而随着电力数据总量的不断增加，管理上复杂程度大幅度增长，在现有的机器学习和深度学习算法当中，由于电力数据种类的增多，必然导致模型发生过拟合现象，进而导致诊断准确性的下降，已无法有效实现异常用户的具体异常用电特征的定位。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够实现异常用电特征精准定位的异常数据识别方法、装置、计算机设备和存储介质。

2、第一方面，本申请提供了一种异常数据识别方法，包括：

3、获取待识别用户的用电关联数据；其中，所述用电关联数据包括电量特征数据；

4、根据所述待识别用户的用电关联数据，确定所述待识别用户是否为异常用户；

5、根据所述待识别用户所属群体类别的电量特征数据，确定参考电量特征；

6、若所述待识别用户为异常用户，则根据所述参考电量特征，从所述待识别用户的电量特征数据中选取异常电量特征。

7、在其中一个实施例中，所述根据所述待识别用户的用电关联数据，确定所述待识别用户是否为异常用户，包括：基于训练好的异常用户识别模型，根据所述待识别用户的用电关联数据，确定所述待识别用户是否为异常用户。

8、在其中一个实施例中，所述异常用户识别模型采用以下方式训练得到：获取基于朴素贝叶斯算法构建的待训练的异常用户识别模型；获取不同样本用户的用电关联数据和相应异常标签；将不同样本用户的用电关联数据输入至待训练的异常用户识别模型中，得到相应样本用户的预测异常类别；根据不同样本用户的预测异常类别和相应异常标签之前的差异情况，对待训练的异常用户识别模型进行模型训练。

9、在其中一个实施例中，所述根据所述待识别用户所属群体类别的电量特征数据，确定参考电量特征，包括：基于预设的聚类算法，对所述待识别用户的电量特征数据进行聚类分析，得到所述待识别用户所属的群体类别；根据所述待识别用户所属群体类别下不同用户的电量特征数据，确定所述待识别用户所属群体类别下的参考电量特征。

10、在其中一个实施例中，所述基于预设的聚类算法，对所述待识别用户的电量特征数据进行聚类分析，得到所述待识别用户所属的群体类别，包括：根据所述待识别用户的电量特征数据的用电时间信息，生成至少一个电量特征时间序列；基于预设的聚类算法，根据所述待识别用户的各所述电量特征时间序列，确定所述待识别用户所属的群体类别。

11、在其中一个实施例中，所述获取待识别用户的用电关联数据，包括：获取待识别用户的电量特征数据和相应用电环境数据；将所述待识别用户的电量特征数据和相应用电环境数据进行特征融合，得到所述待识别用户的用电关联数据。

12、第二方面，本申请还提供了一种异常数据识别装置，包括：

13、第一获取模块，用于获取待识别用户的用电关联数据；其中，所述用电关联数据包括电量特征数据；

14、第一确定模块，用于根据所述待识别用户的用电关联数据，确定所述待识别用户是否为异常用户；

15、第二确定模块，用于根据所述待识别用户所属群体类别的电量特征数据，确定参考电量特征；

16、第一选取模块，用于若所述待识别用户为异常用户，则根据所述参考电量特征，从所述待识别用户的电量特征数据中选取异常电量特征。

17、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

18、获取待识别用户的用电关联数据；其中，所述用电关联数据包括电量特征数据；

19、根据所述待识别用户的用电关联数据，确定所述待识别用户是否为异常用户；

20、根据所述待识别用户所属群体类别的电量特征数据，确定参考电量特征；

21、若所述待识别用户为异常用户，则根据所述参考电量特征，从所述待识别用户的电量特征数据中选取异常电量特征。

22、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

23、获取待识别用户的用电关联数据；其中，所述用电关联数据包括电量特征数据；

24、根据所述待识别用户的用电关联数据，确定所述待识别用户是否为异常用户；

25、根据所述待识别用户所属群体类别的电量特征数据，确定参考电量特征；

26、若所述待识别用户为异常用户，则根据所述参考电量特征，从所述待识别用户的电量特征数据中选取异常电量特征。

27、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

28、获取待识别用户的用电关联数据；其中，所述用电关联数据包括电量特征数据；

29、根据所述待识别用户的用电关联数据，确定所述待识别用户是否为异常用户；

30、根据所述待识别用户所属群体类别的电量特征数据，确定参考电量特征；

31、若所述待识别用户为异常用户，则根据所述参考电量特征，从所述待识别用户的电量特征数据中选取异常电量特征。

32、上述异常数据识别方法、装置、计算机设备和存储介质，通过引入用电关联数据进行待识别用户是否为异常用户的判定，并根据待识别用户所属群体类别的电量特征数据，确定参考电量特征，作为异常电量特征的识别依据，从而在待识别用户为异常用户的情况下，根据参考电量特征，从待识别用户的电量特征数据中，选取出异常电量特征，从而实现了对异常用户的异常电量特征的精准定位。

技术特征：

1.一种异常数据识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述根据所述待识别用户的用电关联数据，确定所述待识别用户是否为异常用户，包括：

3.根据权利要求2所述的方法，其特征在于，所述异常用户识别模型采用以下方式训练得到：

4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述待识别用户所属群体类别的电量特征数据，确定参考电量特征，包括：

5.根据权利要求4所述的方法，其特征在于，所述基于预设的聚类算法，对所述待识别用户的电量特征数据进行聚类分析，得到所述待识别用户所属的群体类别，包括：

6.根据权利要求1-3任一项所述的方法，其特征在于，所述获取待识别用户的用电关联数据，包括：

7.一种异常数据识别装置，其特征在于，所述装置包括：

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

技术总结
本申请涉及一种异常数据识别方法、装置、计算机设备、存储介质和计算机程序产品。方法包括：获取待识别用户的用电关联数据；其中，用电关联数据包括电量特征数据；根据待识别用户的用电关联数据，确定待识别用户是否为异常用户；根据待识别用户所属群体类别的电量特征数据，确定参考电量特征；若待识别用户为异常用户，则根据参考电量特征，从待识别用户的电量特征数据中选取异常电量特征。采用本方法能够对异常用户的异常电量特征的精准定位。

技术研发人员：杨峰,苏扬,郭彤彤,李旺军
受保护的技术使用者：南方电网数字平台科技（广东）有限公司
技术研发日：
技术公布日：2024/4/17