一种基于深度学习的用电信息采集终端异常行为预测与检测方法

本发明公开了一种基于深度学习的用电信息采集终端异常行为预测与检测方法，包括如下步骤：获取配电台区终端运行数据并预处理构建时空数据集；基于拓扑接线关系构建图结构并输入时空图卷积网络提取时空关联特征；引入基于基尔霍夫定律与线损守恒的电量平衡模型作为物理约束对时空关联特征进行优化求解，得到拓扑残差；将时空关联特征与拓扑残差输入时序记忆网络进行趋势演化，生成预测残差；对实时瞬态电参量进行电量平衡校验得到检测残差；结合预测残差与检测残差的空间统计偏差实现异常识别并输出异常拦截指令。本发明实现终端异常行为的预测与实时检测协同分析，提高异常识别准确性与稳定性。