基于深度学习的天然气居民客户用气量异常检测

近年来,依托信息技术、人工智能等新兴技术,智慧燃气成为天然气行业的重要发展方向,促进了天然气行业快速发展和转型升级,也是新质生产力的体现。智能燃气表是智慧燃气的重要一环,其直接面向终端居民客户,通过监测其数据可以提高天然气行业的安全水平及经营管理效率,增强居民客户的满意度。针对天然气居民客户的用气量异常检测问题,提出将深度学习中的长短期记忆神经网络算法(LSTM)和传统的局部加权回归平滑法(LOWESS)相结合的异常检测模型,克服了传统异常检测模型建模时效率低下、无法给出异常值出现的具体时间等缺点。使用某天然气公司的生产数据验证了模型的实际效果,结果表明,异常检测模型效率更高,能有效地检测出用气量异常及异常值出现的时间点,为用气量异常检测提供了新的解决方案,有利于推动天然气行业新质生产力发展。