基于差分运算深度学习的户变关系异常识别方法及系统

本发明公开了基于差分运算深度学习的户变关系异常识别方法及系统，涉及电力系统技术领域，包括：确定输入数据，对输入数据进行预处理；利用ARIMA模型对时间序列进行建模和预测，得到未来数据的预测值；根据预测值与实际观测值的差异，判断并识别可能存在异常的台区；基于网络模型，对差分序列中的时序关系进行建模；采用贝叶斯优化方法对模型的超参数进行优化；利用优化后的模型对异常台区进行识别，输出识别结果并表示异常概率。本发明提供的基于差分运算深度学习的户变关系异常识别方法通过差分运算可进一步提取出异常特征，为异常台区的识别提供依据。采用网络模型能够充分利用序列数据的时序关系，提高异常台区的识别准确性。