一种电能表异常数据检测方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开了一种电能表异常数据检测方法，在获取到电能表工作时的原始数据后，就处理得出多个数据序列；接着依据各数据序列对应的特征值和异常程度形成的样本数据构建异常数据检测的机器学习算法模型，并对该模型进行训练；最后直接利用训练好的机器学习算法模型就可对电能表数据进行异常检测。该方法，训练机器学习算法模型的样本数据是由各数据序列对应的特征值和异常程度形成的，所以后期利用训练好的机器学习算法模型可以精准地确定出异常数据存在于哪个时间段中，与传统的异常数据检测方式相比，可精准地确定出异常数据存在于哪个时段，提高了检测准确性。另外，本发明专利技术还公开了一种电能表异常数据检测装置、设备及存储介质，效果如上。

【技术实现步骤摘要】
一种电能表异常数据检测方法、装置、设备及存储介质
本专利技术涉及异常数据检测领域，特别涉及一种电能表异常数据检测方法、装置、设备及存储介质。
技术介绍
电能表数据的正常与否不仅关乎到计量计费准确性，而且关乎到计量自动化主站上负荷预测模型或聚类模型的准确性。异常数据包括数据丢失情况以及由于非计划内事件，数据采集、上传与存储异常等情况所造成的不寻常类型数据情况。由于时间序列的连续数据的强相关性，异常数据将以数据集的形式出现在固定的数据段，而非单独的数据点。目前在对电能表的异常数据进行检测时，通常是计算获取数据的均方根值，然后通过判断该均方根值是否超过预设值的方式确定是否存在异常数据，但是该方式只能判断出获取的数据中存在异常数据，并不能精准地确定出异常数据具体存在于哪个时段，进而影响异常数据检测结果。由此可见，如何精准地确定异常数据存在于哪个时间段以提高异常数据的检测准确性的问题是本领域技术人员亟待解决的问题。
技术实现思路
本申请实施例提供了一种电能表异常数据检测方法、装置、设备及存储介质，解决了现有技术中如何精准地确定异常数据存在于哪个时间段以提高异常数据的检测准确性的问题。为解决上述技术本文档来自技高网...

【技术保护点】
1.一种电能表异常数据检测方法，其特征在于，包括：获取电能表工作时的原始数据，并依据时间顺序对所述原始数据进行分段处理以得出多个数据序列；确定各所述数据序列对应的特征值和异常程度以形成样本数据；依据所述样本数据构建异常数据检测的机器学习算法模型，并对所述机器学习算法模型进行训练；根据训练后的所述机器学习算法模型对所述电能表数据进行异常检测。

【技术特征摘要】
1.一种电能表异常数据检测方法，其特征在于，包括：获取电能表工作时的原始数据，并依据时间顺序对所述原始数据进行分段处理以得出多个数据序列；确定各所述数据序列对应的特征值和异常程度以形成样本数据；依据所述样本数据构建异常数据检测的机器学习算法模型，并对所述机器学习算法模型进行训练；根据训练后的所述机器学习算法模型对所述电能表数据进行异常检测。2.根据权利要求1所述的电能表异常数据检测方法，其特征在于，所述依据时间顺序对所述原始数据进行分段处理以得出多个数据序列具体为：依据所述时间顺序采用滑动窗格方式将所述原始数据分成预设长度的各所述数据序列。3.根据权利要求2所述的电能表异常数据检测方法，其特征在于，所述确定各所述数据序列对应的特征值具体为：依据tsfresh库对各所述数据序列进行分析处理以得出对应的所述特征值。4.根据权利要求3所述的电能表异常数据检测方法，其特征在于，所述特征值包括最大值、最小值、偏度、平均值、中位数以及峭度。5.根据权利要求1所述的电能表异常数据检测方法，其特征在于，所述机器学习算法模型具体为非监督式机器学习算法模型。6.根据权利要求5所述的电能表异常数据检测方法，其特征在于，所述根据训练后的所述...

【专利技术属性】
技术研发人员：张乐平，万路，肖勇，金鑫，罗鸿轩，尹家悦，
申请(专利权)人：南方电网科学研究院有限责任公司，中国南方电网有限责任公司，
类型：发明
国别省市：广东,44