一种基于自监督的Mamba非侵入事件检测方法

本发明公开了一种基于自监督的Mamba非侵入事件检测方法，属于非侵入式负荷监测领域。该方法针对现有事件检测技术高度依赖人工标签和抗噪能力弱的问题，提出一种“预测稳态→捕捉异常”的自监督因果预测范式。方法首先对采集的高频聚合电网信号进行降采样与多通道功率特征提取，构建只包含稳态运行数据的自监督训练集；然后构建基于Mamba的选择性预测模型，学习电网稳态的物理演变规律；推理时对全序列进行未来步预测，提取混合预测误差序列；最后，设计融合多尺度Z‑score与动态自适应阈值的后处理算法，精确定位事件时刻。本发明无需事件标签，以极小参数量实现了高精度的时序建模，有效抑制了多设备并发场景下的稳态背景噪声干扰。