CN118312722B 基于電力時序大數據實時清洗的耗能診斷方法及系統 （國網山東省電力公司）

基于電力時序大數據實時清洗的耗能診斷本發明提出了基于電力時序大數據實時清調取所需的重點耗能企業的電力時序數據并進噪聲過濾：使用集成模型E_Sense處理多樣化噪音，集成模型E_Sense是由多個專家模型組成的采用無監督重建模型BeatGAN_Attention進行數2從緩沖區調取所需的重點耗能企業的電力時序數據并進行數據成模型E_Sense是由多個專家模型組成的集成模型，其中每個專家模型旨在處理特定類型對于進行噪聲過濾后的電力時序數據，采用無監督重建模型BeatGAN_Attention進行kqkvqkvq3ij表示i時間步對于j時間步下的時間序列數使用經過數據清洗之后的電力時序數據檢測T時刻之后某一時刻耗能企業的電力時序數據采用分布式緩存redis的方型BeatGAN_Attention進行數據異常檢測并進行耗能k4H,＝[h1,2,qkvqkvqij表示i時間步對于j時間步下的時間序列數使用經過數據清洗之后的電力時序數據檢測T時刻之后某一時刻6.一種計算機裝置，包括存儲器、處理器及5[0002]本部分的陳述僅僅是提供了與本發明相關的背景技術信息，不必然構成在先技據處理和分析效果不太顯著。特別是最先進的基于時間序列的DNN方法可以處理某一特定6[0012]對預處理后的電力時序數據進行噪聲過濾：使用集成模型E_Sense處理多樣化噪[0013]對于進行噪聲過濾后的電力時序數據，采用無監督重建模型BeatGAN_Attention[0014]作為進一步的技術方案，重點耗能企業的電力時序數據采用分布式緩存redis的[0023]E_Sense使用修改過的專家混合MoE技術生成，MoE包括一組專家模型，用{E1、[0024]MoE還具有一個門控網絡，用于為輸入X提供各個專家模型的權2kD7t與其對應的時間戳tqkvqkv所需的重點耗能企業的電力時序數據并進行數據建模型BeatGAN_Attention進行數據異常檢測并進行耗能[0047]基于本發明實施例子技術方案中的集成模型E_Sense是由多個專家模型組成的集8[0051]圖1為本公開實施例1的基于電力時序大數據實時清洗的耗能診斷方法中E_Sense[0052]圖2為本公開實施例1的的基于電力時序大數據實時清洗的耗能診斷方法中的基于BeatGAN_Attention模型進行異常值檢[0058]本實施例公開了基于電力時序大數據實時清洗的耗能診斷方法，基于E_Sense模在處理完噪聲后，實時清洗系統會使用使用無監督重建模型BeatGAN_Attention監測數據據日期，高負荷有用負載HUFL(HighUseFulLoad)，高負荷無用負載HULL(HighUseLessLoad)，中負荷有用負載MUFL(MiddleUseFullLoad)，中負荷無用負載MULL(MiddleUseLessLoad)，低負荷有用負載LUFL(LowUseFullLoad)，低負荷無用負載LULL(Low9表示。}則表示選擇的一組專家模型。專門針對特定噪音數據集的個別專家模型時，以及在為新類型的噪音更新整個集成模型間步內多個傳感器輸入之間的關系。RNN能夠捕捉高斯噪聲的長時間跨度關系(多個時間[0088]需要說明的是，上述E_Sense構建的專家模型只是用于處理高斯噪聲，而下面E_Sense進一步構造的專家模型是處理數據中存在的高斯噪聲和沖擊噪聲的組合。這兩次構i的gi是回歸訓練后的系數。[0094]為了有效而高效地檢測數據中存在的異常值，決定采用一種無監督重建模型BeatGAN_Attention，這一模型可以在主要由正常電力消耗數據組成的情況下學習如何檢測異常。它使用對抗性學習重建的框架，結合了一維CNN和RNN，以提取數據中的模式和特檢測異常的框架將有兩個主要組成部分：重建(或生成)模型的優化和基于重建的異常評數。[0100]如圖2所示，BeatGAN_Attention的對抗重構框架具有三個關鍵組件：編碼器GEDE適用于處理平滑的時間序列。在BeatGAN_Attention模型中，選擇了GRU單元作為RNN的實])])qkvqkv[0119]就正則化而言，BeatGAN_Attention模型中使用GAN的對抗訓練框架。在GAN框架[0123]實際上，生成對抗網絡的本質是優化真實數據和生成數據之間的分布JS散度(JS2收到重點耗能企業的電力時序數據后，在進行缺失值填充前需要先執行缺失值檢測步驟。陣Mt。假設當前的兩個序列為和"=(",礦"*,…,,[0146]xtt=f(wtxxt-1+b')藏狀態xt-1'eR"xdr,當前的隱藏狀態xtl更新為Htl=convLSTM(xt',Ht-1+),其[0154]采用全卷機編碼器對得到的特征矩陣的空間模式進行進一步的編碼。經過4層卷定相應的時間點的電力數據是否存在高耗能等事件。避免高耗能等事件引發的安全事故，[0163]在一個或多個實施例子中，選取了目前已經提出的方法BeatGAN，然后基于[0165]本實施例的目的是提供一種計算機裝置所需的重