基于元学习的营销用电数据异常识别与补全方法及系统

    公开(公告)号:CN114971735A

    公开(公告)日:2022-08-30

    申请号:CN202210640274.1

    申请日:2022-06-08

    摘要: 本发明公开了一种基于元学习的营销用电数据异常识别与补全方法及系统,包括:获取不同时间的用电序列数据以及档案信息中的文本数据;将不同时间的用电序列数据输入序列编码器,获得用电序列的表示向量;对文本数据信息进行表示学习,获得文本数据的表示向量;将用电序列的表示向量与文本数据的表示向量通过注意力层相融合,生成综合表示向量;基于所述综合表示向量和构建的分类函数,进行异常营销用电数据的识别。本发明以用电序列数据和档案数据为基础,从不同时间的用电序列数据和档案信息中的文本数据两个方面进行表示学习,增强识别异常用电数据的能力。

    一种基于聚类和神经网络的窃电用户检测方法及系统

    公开(公告)号:CN113724098B

    公开(公告)日:2023-10-13

    申请号:CN202110874191.4

    申请日:2021-07-30

    摘要: 本公开提供了一种基于聚类和神经网络的基于聚类和神经网络的窃电用户检测方法及系统,获取多个用户的用电序列数据;对获取的用电序列数据进行预处理;根据预处理后的用电序列数据和预设聚类算法,将用电用户分为非窃电用户簇和窃电用户簇;根据预设时间感知循环神经网络算法,将非窃电用户簇和窃电用户簇中的每个用户转化为表示向量;根据预设多层感知机神经网络和每个用户的表示向量,对非窃电用户簇中的窃电用户进行检测,对窃电用户簇中的非窃电用户进行排除,得到窃电用户的最终检测结果;本公开通过聚类分析和循环神经网络相结合的方法,提高了窃电用户检测的准确性。

    一种基于聚类和神经网络的窃电用户检测方法及系统

    公开(公告)号:CN113724098A

    公开(公告)日:2021-11-30

    申请号:CN202110874191.4

    申请日:2021-07-30

    摘要: 本公开提供了一种基于聚类和神经网络的基于聚类和神经网络的窃电用户检测方法及系统,获取多个用户的用电序列数据;对获取的用电序列数据进行预处理;根据预处理后的用电序列数据和预设聚类算法,将用电用户分为非窃电用户簇和窃电用户簇;根据预设时间感知循环神经网络算法,将非窃电用户簇和窃电用户簇中的每个用户转化为表示向量;根据预设多层感知机神经网络和每个用户的表示向量,对非窃电用户簇中的窃电用户进行检测,对窃电用户簇中的非窃电用户进行排除,得到窃电用户的最终检测结果;本公开通过聚类分析和循环神经网络相结合的方法,提高了窃电用户检测的准确性。