公开(公告)号：CN118501795A

公开(公告)日：2024-08-16

申请号：CN202410440793.2

申请日：2024-04-12

Applicant: 北京邮电大学 ,  中国电力科学研究院有限公司 ,  国网山西省电力公司 ,  国网山西省电力公司营销服务中心

Inventor： 高欣 ,  陈玲俐 ,  李保丰 ,  翟峰 ,  赵兵 ,  郜波 ,  秦煜 ,  陈昊 ,  梁晓兵 ,  郑安刚 ,  许斌 ,  徐萌 ,  冯云 ,  赵英杰 ,  卢建生 ,  任宇路 ,  石智珩 ,  谢振刚 ,  杨子成 ,  杨帅

IPC: G01R35/04 ,  G06F18/15 ,  G06F18/213 ,  G06F18/2433 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/084 ,  G06N3/0895 ,  G06F123/02

Abstract: 本发明公开了一种基于扩散模型的电能表异常检测方法及装置。其中，方法包括：获取待测电能表历史检测的多变量长时间序列数据；将所述多变量长时间序列数据划分为预设窗口长度的多个时间窗口数据；将多个所述时间窗口数据和其相邻时间窗口数据输入至预先训练的异常检测模型中，输出所述时间窗口数据对应的重构数据，其中所述异常检测模型为基于扩散模型的前向过程及反向去噪过程实现重构数据的生成；根据每个时间窗口数据的重构数据以及原始数据确定该时间窗口数据每个时间点的异常分数，并根据所述异常分数，确定所述待测电能表每个时间点的异常程度。

公开(公告)号：CN119128750A

公开(公告)日：2024-12-13

申请号：CN202411176227.1

申请日：2024-08-26

Applicant: 北京邮电大学 ,  中国电力科学研究院有限公司

Inventor： 高欣 ,  陈玲俐 ,  李保丰 ,  翟峰 ,  赵兵 ,  郜波 ,  王一帆 ,  秦煜 ,  陈昊 ,  梁晓兵 ,  郑安刚 ,  许斌 ,  尹建芹 ,  徐萌 ,  冯云 ,  赵英杰 ,  于秀丽

IPC: G06F18/2433 ,  G01R35/04 ,  G06N3/0455 ,  G06F123/02

Abstract: 本发明公开了一种基于多粒度动态感受野的电能表异常检测系统及方法，属于电能计量技术领域。本发明系统，包括：多粒度动态感受野模块，用于对电能表的补丁块数据进行遍历处理，以输出感受野数据；多维时序编解码器模块，用于对所述多粒度动态感受野模块输出的感受野数据进行重构，输出重构数据；双层异常检测模块，用于计算出所述多维时序编解码器模块输出的重构数据的异常分数，基于所述异常分数，确定电能表的异常。本发明通过感受野及数据重构，能够识别数据的异常，以此确定异常分数，并解决了现有重构方法在处理低信息密度的多维时序数据时可能出现的信息丢失或语义特征挖掘不足的问题。

公开(公告)号：CN117056839A

公开(公告)日：2023-11-14

申请号：CN202310806501.8

申请日：2023-07-03

Applicant: 北京邮电大学

Inventor： 高欣 ,  傅世元 ,  薛冰 ,  于家豪 ,  陈玲俐 ,  孟之航 ,  方潇 ,  李强伟

IPC: G06F18/2433 ,  G06N3/048 ,  G06N3/088 ,  G06Q50/06

Abstract: 本发明实施例提出了基于时空异常Transformer的电力调度监控数据异常检测方法，包括：构建时空异常Transformer模型，将电力调度监控历史数据作为模型的输入，计算重构误差、时间维关联性偏差和空间维关联性偏差；结合重构误差、时间维关联性偏差和空间维关联性偏差计算模型的损失，将损失作为优化目标对模型进行训练；将待检测的电力调度监控数据作为模型的输入，计算重构误差、时间维关联性偏差和空间维关联性偏差；结合重构误差、时间维关联性偏差和空间维关联性偏差计算输入数据的异常分数，据此判定输入的电力调度监控数据是否为异常。本发明实施例提供的技术方案，能够提升电力调度监控数据异常检测的准确率。

公开(公告)号：CN117314680A

公开(公告)日：2023-12-29

申请号：CN202311259312.X

申请日：2023-09-27

Applicant: 北京邮电大学

Inventor： 高欣 ,  傅世元 ,  薛冰 ,  于家豪 ,  陈玲俐 ,  孟之航 ,  方潇 ,  李强伟

IPC: G06Q50/06 ,  H02J13/00 ,  G06N20/00 ,  G06F17/16 ,  G06F11/30

Abstract: 本发明实施例提出了基于双路自编码器的电力调度监控数据异常检测方法，包括：将电力调度监控历史数据分解为趋势项、剩余项和离散量；构建趋势项自编码器重构趋势项和离散量，计算趋势项和离散量的重构误差；构建剩余项自编码器重构剩余项，计算剩余项的重构误差；结合趋势项、剩余项和离散量的重构误差计算模型的损失，将损失作为优化目标对模型进行训练；将待检测的电力调度监控数据同样进行分解，通过模型计算趋势项、剩余项和离散量的重构误差；结合趋势项、剩余项和离散量的重构误差计算输入数据的异常分数，据此判定输入的电力调度监控数据是否为异常。本发明实施例提供的技术方案，能够提升电力调度监控数据异常检测的准确率。