公开(公告)号：CN116756653A

公开(公告)日：2023-09-15

申请号：CN202310738065.5

申请日：2023-06-20

Applicant: 华中科技大学

Inventor： 王非 ,  孟东

IPC: G06F18/2415 ,  G06F18/214 ,  G06F17/15 ,  G06Q50/06

Abstract: 本发明公开了一种基于多尺度差分量化的异常用电检测方法，属于用电行为分析技术领域。方法包括：获取用电量时序数据并进行预处理后，作为训练样本集；搭建包括多尺度差分卷积模块、量化模块以及分类模块的异常用电检测模型；所述多尺度差分卷积模块利用多尺度差分卷积核对所述训练样本集中的数据进行卷积操作得到多个通道的差分数据；所述量化模块根据量化级数确定各分位点，再针对每个通道，获取各分位点对应的差分数据作为量化阈值，从而得到所有差分数据对应的量化数据；将所有量化数据输入分类模块，并以最小化分类损失为目标，对所述异常用电检测模型进行训练；训练后的模型用于异常用电检测。

公开(公告)号：CN116861306A

公开(公告)日：2023-10-10

申请号：CN202310740549.3

申请日：2023-06-20

Applicant: 华中科技大学

Inventor： 王非 ,  孟东

IPC: G06F18/241 ,  G06F18/214 ,  G06Q50/06

Abstract: 本发明公开了一种基于用电趋势量化网络的异常用电检测方法，属于用电行为分析技术领域。本发明的主要创新之处在于，搭建包括用电趋势信息提取层、量化网络层、归一化层以及深度时间序列分类网络的异常用电检测模型。其中，用电趋势信息提取层通过分时用电按日同比相除提取用电趋势变化信息；量化网络层可以解决分时用电按日同比相除后数据范围过大的问题，并可以消除用电行为的随机性导致的用电数据中的正常波动对异常用电检测产生的影响；归一化层的目的在于保留用电数据的时段信息；最后将量化结果与归一化处理结果合并后输入深度时间序列分类网络，并以最小化分类损失为目标，对异常用电检测模型进行训练；训练后的模型用于异常用电检测。