摘要
本发明公开了基于贝叶斯模型的用电异常检测方法及系统包括,获取多模态用电数据,对采集到的多模态用电数据进行预处理,包括动态模态对齐、多模态缺失值处理的创新预处理框架,通过递进式架构实现数据的深度协同处理;初始化贝叶斯网络模型,定义节点和结构,并初始化条件概率表;利用样本数据学习贝叶斯网络的结构和参数,调整网络的结构和参数;利用训练后的动态贝叶斯网络DBN进行多变量联合概率故障推理,即对新数据进行预测和分类。本方法形成了覆盖用电异常检测“感知‑推断‑决策”链路的闭环技术,相较于现有技术,具有显著的优势。
技术关键词
异常检测方法
贝叶斯模型
贝叶斯网络模型
动态贝叶斯网络
多模态
智能电表数据
时滞效应
气象站
数据采集模块
算法模块
时钟同步
三相不平衡度
样本
动态时间规整
多源异构数据
节点
GAN模型
注意力
输出模块
系统为您推荐了相关专利信息
空间滤波算法
轮椅控制方法
手势区域
脑电信号特征
多模态
医学图像分割方法
编码特征
编码器
编码块
融合特征
监测管理系统
轻量级深度学习
多模态数据融合
计算机视觉
数据采集模块
多模态数据融合
损伤监测方法
压力
损伤监测装置
分类器
交互控制方法
沉浸式交互
动态时间规整算法
面部动作单元
逻辑