一种基于迁移学习的用气行为异常检测方法及系统技术方案

本发明专利技术提供一种基于迁移学习的用气行为异常检测方法及系统，能够有效提升小样本数据下目标域任务用户异常行为检测的准确性和泛化性，同时减少样本的训练时间，提高检测精度。包括如下步骤：构建CNN

【技术实现步骤摘要】
一种基于迁移学习的用气行为异常检测方法及系统


[0001]本专利技术涉及异常行为检测
，具体为一种基于迁移学习的用气行为异常检测方法及系统。

技术介绍

[0002]近年来，天然气消费总量逐年增长，天然气供求矛盾日益加剧，“气荒”问题尤为突出。其中，解决“气荒”问题与天然气负荷预测问题密切相关，即只有准确掌握未来的用气需求，才能实现对天然气产业的合理规划，避免出现“气荒”。若过高估计用气量，长期大量储运天然气将缩短天然气场站设备和仪表的使用寿命，增加管网和输气站场的运营成本，反之若低于实际用量的供气计划将会给下游用户用气带来“气荒”，因此，天然气负荷预测精度直接关乎供气的可靠性。
[0003]目前，对于天然气的用气行为异常检测领域中，缺少对于天然气用气行为的异常检测方法以及深入研究，主要困难包括：用户异常用气行为在数据集上是非常小的样本，很难满足机器学习异常检测需要的足够多的训练数据的要求，当训练集中的样本过少时容易产生过拟合现象；其次，样本数据分布不平衡，目前大多数机器学习的算法在进行异常行为检测时，这都是基于数据分布的基本假设。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于迁移学习的用气行为异常检测方法，其特征在于，包括如下步骤：构建CNN
‑
LSTM
‑
Attention模型；采集源域数据，将源域数据分为源域训练数据和源域测试数据；基于源域训练数据对CNN
‑
LSTM
‑
Attention模型进行预训练；基于源域测试数据对预训练好的CNN
‑
LSTM
‑
Attention模型进行测试，测试达标后选取迭代次数较少的模型作为异常检测模型；采集目标域数据，将目标域数据分为目标域训练数据和目标域测试数据；基于目标域训练数据对异常检测模型进行微调；基于目标域测试数据和DTW算法对微调后的异常检测模型进行测试，获取并输出检测结果。2.根据权利要求1所述的一种基于迁移学习的用气行为异常检测方法，其特征在于，所述源域数据的采集范围包括Electricity Load Diagrams数据集，交通流量数据集以及某一区域内的用户用电数据集。3.根据权利要求1所述的一种基于迁移学习的用气行为异常检测方法，其特征在于，所述基于目标域测试数据和DTW算法对微调后的异常检测模型进行测试，具体为：测试后获取检测结果，并判断获取的检测结果是否在正常区间内，若检测结果在正常区间内，则表明目标域测试数据为正常数据点，无行为异常；若检测结果在在正常区间内，则表明目标域测试数据为异常数据点，存在行为异常。4.根据权利要求1所述的一种基于迁移学习的用气行为异常检测方法，其特征在于，所述基于目标域测试数据和DTW算法对微调后的异常检测模型进行测试，获取并输出检测结果还包括：对获取的检测结果进行激活。5.根据权利要求4所述的一种基于迁移学习的用气行为异常检测方法，其特征在于，所述对获取的检测结果进行激活包括：若检测目标域测试数据是否存在行为异常时，采用softmax函数对获取的检测结果进行激活；若预测目标域测试数据是否存在行为异常时，采用sigmoid函数对获取的检测结果进行激活。6.根据权利要求1所述的一种基于迁移学习的用气行为异常检测...

【专利技术属性】
技术研发人员：边根庆，刘可立，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：