一种基于无监督模型的天然气用气行为异常检测方法及系统技术方案

一种基于无监督模型的天然气用气行为异常检测方法及系统，包括以下步骤；S1：收集天然气系统不同用户的用气行为数据，对数据进行清洗和归一化处理；S2：利用无标签的用气行为数据作为训练样本，通过训练基于无监督学习的用气行为异常检测模型；S3：根据S1步骤中得到的预处理后的用气行为数据，对样本数据进行数据标签生成；S4：利用S3步骤生成的数据标签作为参考，对S2步骤中的基于无监督学习的用气行为异常检测模型的准确性进行验证；S5：获取用气行为数据，将其输入到基于无监督学习的用气行为异常检测模型中进行检测，得到检测结果后将其上传至系统进行处理。本发明专利技术通过对天然气用气数据进行建模和分析，实现了对异常用气行为的精准化检测。

【技术实现步骤摘要】

本专利技术涉及天然气用气异常检测，具体涉及一种基于无监督模型的天然气用气行为异常检测方法及系统。

技术介绍

1、由于复杂的天然气系统结构和多样化的用气行为，存在一些潜在的异常情况，如泄漏、盗窃等，这些异常行为可能导致重大事故和经济损失。因此，用气异常行为及时精准的判断直接关乎用气的安全可靠性，也是提升终端能源消费智能化管控的重要技术手段，一种高效精确的天然气用气异常行为检测方法和系统具有重要的实际意义，既有助于保障能源消费安全可靠，也有助于刻画用户个性化需求、实现精准供能。

2、针对天然气系统用气异常行为检测仍存在以下局限性：(1)监督学习方法依赖于已标记的训练数据样本，而天然气系统中的异常行为种类繁多复杂，且异常事件较少发生，难以获得大量标记样本而导致检测精度低。(2)监督学习模型是在已有数据的基础上进行训练的，其性能往往局限于已经观察到的异常模式，当出现新型的异常情况时，监督学习模型可能无法准确地检测出用气异常行为。

技术实现思路

1、为了克服以上现有技术存在的问题，本专利技术的目的在于提供一本文档来自技高网...

【技术保护点】

1.一种基于无监督模型的天然气用气行为异常检测方法，其特征在于，包括以下步骤；

2.根据权利要求1所述的一种基于无监督模型的天然气用气行为异常检测方法，其特征在于，所述步骤S1中，所述用气行为数据包括用气量、用气频率和用气模式的信息；

3.根据权利要求2所述的一种基于无监督模型的天然气用气行为异常检测方法，其特征在于，所述步骤S2中，利用无标签的用气行为数据作为训练样本，通过构建基于无监督学习的用气异常行为检测模型进行训练；

4.根据权利要求3所述的一种基于无监督模型的天然气用气行为异常检测方法，其特征在于，在该模型结构中，首先将时间滑动窗口X视为模型...

【技术特征摘要】

1.一种基于无监督模型的天然气用气行为异常检测方法，其特征在于，包括以下步骤；

2.根据权利要求1所述的一种基于无监督模型的天然气用气行为异常检测方法，其特征在于，所述步骤s1中，所述用气行为数据包括用气量、用气频率和用气模式的信息；

3.根据权利要求2所述的一种基于无监督模型的天然气用气行为异常检测方法，其特征在于，所述步骤s2中，利用无标签的用气行为数据作为训练样本，通过构建基于无监督学习的用气异常行为检测模型进行训练；

4.根据权利要求3所述的一种基于无监督模型的天然气用气行为异常检测方法，其特征在于，在该模型结构中，首先将时间滑动窗口x视为模型的两个相同输入x1和x2，对于融合编码器，它包含两个输入和两个输出，使用时域卷积模块和自注意力模块分别捕获多维时间序列在局部性上以及全局性上的数据依赖，并通过十字绣单元对侧重提取局部数据依赖和侧重提取全局数据关联的2种特征表示进行信息融合，设存在l层的融合编码器，并且输入长度为n的时间序列窗口x∈rn×m，第l层的计算过程以及模型初始输入通过以下公式来表示...

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