摘要
本发明提出了一种基于频谱学习与张量分解的用电异常检测方法和系统,该方法包括:在对获取的用户用电数据预处理后在时间方向上进行特征映射得到嵌入矩阵;基于嵌入矩阵构建数据的拓扑关系得到邻接矩阵;利用嵌入矩阵与邻接矩阵,通过图卷积获得第一特征矩阵;将第一特征矩阵通过注意力机制获得第二特征矩阵;将第一特征矩阵分解为分解矩阵,利用分解矩阵作为多头注意力机制的张量获得细粒度特征矩阵;将细粒度特征矩阵、第一特征矩阵和第二特征矩阵进行特征聚合后得到第三特征矩阵,将第三特征矩阵进行频谱图卷积后得到第四特征矩阵;利用第四特征矩阵进行用电异常检测。基于该方法,还提出了检测系统。本发明提高了用电异常检测的性能。
技术关键词
矩阵
异常检测方法
细粒度特征
多头注意力机制
序列
数据
拓扑结构特征
异常检测系统
门槛
关系
分解算法
节点特征
特征数
模块
超参数
训练集
偏差
变量
系统为您推荐了相关专利信息
超声影像数据
病变检测方法
病变特征
区域候选网络
像素点
城市排水系统
风险评估方法
节点特征
卷积网络模型
拓扑图