摘要
本发明公开了一种基于联邦学习的电力数据异常检测方法,步骤如下:(1)故障检测数据预处理:建立多维时间序列客户端;数据预处理;构建时间窗口;(2)基于时域卷积神经网络、自注意力机制,建立本地模型:模型输入初始化;单层融合编码器运算;解码运算;构建模型损失函数;进行异常评分;更新局部模型参数;(3)服务器端采用联邦学习模型实现联合训练:构建模型损失函数;更新局部模型参数;通过上述的过程更新局部模型参数之后,上传到终端服务器中,进行聚合生成全局模型。本发明能够同时考虑到数据局部依赖性和数据全局依赖性,能够更好的提取时间序列中的时序重构信息,从而提高多维时间序列异常检测的有效性。