公开(公告)号：CN113779879A

公开(公告)日：2021-12-10

申请号：CN202111039397.1

申请日：2021-09-06

Applicant: 安徽大学

Inventor： 丁转莲 ,  朱一鸣 ,  吴雨 ,  胡炜鑫 ,  孙登第

IPC: G06F30/27 ,  G06F113/04 ,  G06F119/02

Abstract: 本发明公开了一种基于LSTM‑seq2seq‑attention模型的中长期用电异常检测方法，包括数据收集步骤、数据预处理步骤、神经网络模型构建步骤、神经网络模型训练步骤、经济数据估计步骤、用电异常综合指数d计算步骤、用电异常判断步骤。根据历史数据，可以通过结合包括GDP，气候，节假日在内的影响因素，分析出不同用户的用电行为特征。利用Seq2Seq‑Attention神经网络，能够快速有效的分析用户数据，对可疑用户进行检测，实施防窃电。本发明的基于LSTM‑seq2seq‑attention模型的中长期用电异常检测方法，具有快速和精确、准确性高与鲁棒性好等优点。

公开(公告)号：CN113779879B

公开(公告)日：2024-06-18

申请号：CN202111039397.1

申请日：2021-09-06

Applicant: 安徽大学

Inventor： 丁转莲 ,  朱一鸣 ,  吴雨 ,  胡炜鑫 ,  孙登第

IPC: G06F30/27 ,  G06F113/04 ,  G06F119/02

Abstract: 本发明公开了一种基于LSTM‑seq2seq‑attention模型的中长期用电异常检测方法，包括数据收集步骤、数据预处理步骤、神经网络模型构建步骤、神经网络模型训练步骤、经济数据估计步骤、用电异常综合指数d计算步骤、用电异常判断步骤。根据历史数据，可以通过结合包括GDP，气候，节假日在内的影响因素，分析出不同用户的用电行为特征。利用Seq2Seq‑Attention神经网络，能够快速有效的分析用户数据，对可疑用户进行检测，实施防窃电。本发明的基于LSTM‑seq2seq‑attention模型的中长期用电异常检测方法，具有快速和精确、准确性高与鲁棒性好等优点。