(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210859385.1 (22)申请日 2022.07.21 (71)申请人 长沙理工大 学 地址 410114 湖南省长 沙市天心区万家丽 南路二段96 0号 (72)发明人 夏卓群　周楷鑫　周红梅　曾祥君　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 赵怡琳 (51)Int.Cl. G06F 16/2458(2019.01) G06F 16/215(2019.01) G06F 17/18(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G06Q 10/00(2012.01) G06Q 50/06(2012.01) (54)发明名称 一种用电量数据检测方法、 装置、 设备及存 储介质 (57)摘要 本申请涉及人工智能技术领域， 公开了一种 用电量数据检测方法、 装置、 设备及存储介质， 包 括： 获取正常用电量数据和异常用电量数据， 并 基于所述异常用电量数据利用第一模型中的生 成器生成虚假异常用电量数据， 得到目标训练 集； 所述生成器为全连接网络； 利用所述目标训 练集对第二模 型进行训练， 得到训练后的所述第 二模型； 其中， 所述第二模型由卷积神经网络、 长 短期记忆网络及多头注意力机制组成； 将待检测 用电量数据输入训练后的所述第二模型以依次 通过卷积神经网络、 长短期记忆网络及多头注意 力机制， 得到对应的检测结果。 避免由于数据不 平衡导致检测模 型的检测结果具有偏向性， 从而 提高窃电行为的检测准确度。 权利要求书2页 说明书10页 附图4页 CN 115186012 A 2022.10.14 CN 115186012 A 1.一种用电量数据检测方法， 其特 征在于， 包括： 获取正常用电量数据和 异常用电量数据， 并基于所述异常用电量数据利用第 一模型中 的生成器生成虚 假异常用电量数据， 得到目标训练集； 其中， 所述目标训练集包含由所述正 常用电量数据组成的第一样本数据和由所述异常用电量数据和所述虚假异常用电量数据 组成的第二样本数据； 所述 生成器为全连接网络； 利用所述目标训练集对第 二模型进行训练， 得到训练后的所述第二模型； 其中， 所述第 二模型由卷积神经网络、 长短期记 忆网络及多头注意力机制组成； 将待检测用电量数据输入训练后的所述第 二模型以依次通过卷积神经网络、 长短期记 忆网络及多头注意力机制， 得到对应的检测结果。 2.根据权利要求1所述的用电量数据检测方法， 其特征在于， 所述获取正常用电量数据 和异常用电量数据之后， 还 包括： 采用拉格朗日插值法分别对所述正常用电量数据和所述异常用电量数据进行缺失值 补齐处理， 得到补齐后的所述 正常用电量数据和所述异常用电量数据； 采用最小最大缩放法分别对补齐后的所述正常用电量数据和所述异常用电量数据进 行归一化处理， 得到归一 化后的所述 正常用电量数据和所述异常用电量数据。 3.根据权利要求1所述的用电量数据检测方法， 其特征在于， 所述基于所述异常用电量 数据利用第一模型中的生成器生成虚假异常用电量数据之前， 还 包括： 将满足所述异常用电量数据的分布规律的噪声变量输入至所述第一模型的所述生成 器得到初始虚假异常用电量数据， 并将初始虚 假异常用电量数据和所述异常用电量数据输 入至所述第一模型的判别器； 其中， 所述判别器为 堆叠长短期记 忆网络； 根据所述判别器的损失结果对应的权重更新情况对所述生成器的权重参数进行更新， 得到最优的所述生成器和所述判别器， 以利用最优的所述生成器生成所述虚 假异常用电量 数据。 4.根据权利要求3所述的用电量数据检测方法， 其特征在于， 所述生成器为固定生成 器， 所述判别器为固定判别器， 当所述固定生成器的损失函数最小且所述固定判别器的损 失函数最大时， 所述固定生成器和所述固定判别器最优。 5.根据权利要求1至4任一项所述的用电量数据检测方法， 其特征在于， 所述将待检测 用电量数据输入训练后的所述第二模型以依次通过卷积神经网络、 长 短期记忆网络及多头 注意力机制， 得到对应的检测结果， 包括： 将所述待检测用电量数据的维度转化为卷积神经网络的输入维度， 并利用卷积神经网 络对维度转 化后的所述检测用电量数据进行第一特 征提取， 得到初步特 征序列； 利用长短期记忆网络通过对所述初步特征序列进行第 二特征提取， 得到 融合了前后信 息特征的全局特 征序列； 利用由自注意力模型构建的多头注意力 机制为所述全局特征序列重新分配权重， 并将 多头注意力机制中各个头的输出 特征进行加权合并， 得到对应的检测结果。 6.根据权利要求5所述的用电量数据检测方法， 其特征在于， 所述利用长短期记忆网络 通过对所述初步特 征序列进行第二特 征提取之前， 还 包括： 将所述初步特 征序列输入至Dropout层进行 过拟合处 理； 将过拟合处理后的所述初步特征序列输入至扁平层， 以通过所述扁平层将过拟合处理权　利　要　求　书 1/2 页 2 CN 115186012 A 2后的所述初步特 征序列的维度转 化为长短期记 忆网络的输入维度。 7.根据权利要求5所述的用电量数据检测方法， 其特征在于， 所述将多头注意力 机制中 各个头的输出 特征进行加权合并之后， 还 包括： 利用全连接层对加权合并后的特征进行分类得到映射后的分类标签值， 并通过输出层 输出与所述分类标签值对应的行为类型。 8.一种用电量数据检测装置， 其特 征在于， 包括： 获取及类平衡模块， 用于获取正常用电量数据和异常用电量数据， 并基于所述异常用 电量数据利用第一模 型中的生成器生成虚 假异常用电量数据， 得到目标训练集； 其中， 所述 目标训练集包含由所述正常用电量数据组成的第一样本数据和由所述异常用电量数据和 所述虚假异常用电量数据组成的第二样本数据； 所述 生成器为全连接网络； 第二模型训练模块， 用于利用所述目标训练集对第二模型进行训练， 得到训练后的所 述第二模型； 其中， 所述第二模型由卷积神经网络、 长短期记忆网络及多头注意力机制组 成； 模型检测模块， 用于将待检测用电量数据输入训练后的所述第 二模型以依次通过卷积 神经网络、 长短期记 忆网络及多头注意力机制， 得到对应的检测结果。 9.一种电子设备， 其特征在于， 所述电子设备包括处理器和存储器； 其中所述存储器用 于存储计算机程序， 所述计算机程序由所述处理器加载并执行以实现如权利要求1至7任一 项所述的用电量数据检测方法。 10.一种计算机可读存储介质， 其特征在于， 用于存储计算机可执行指令， 所述计算机 可执行指 令被处理器加载并执行时， 实现如权利要求 1至7任一项 所述的用电量数据检测方 法。权　利　要　求　书 2/2 页 3 CN 115186012 A 3