1.一種基于大模型的電力時序數(shù)據(jù)異常檢測方法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于大模型的電力時序數(shù)據(jù)異常檢測方法，其特征在于，通過多貝西小波對電力時序數(shù)據(jù)進行小波分解。
3.根據(jù)權(quán)利要求1所述的一種基于大模型的電力時序數(shù)據(jù)異常檢測方法，其特征在于，將各分量序列轉(zhuǎn)化為等長的特征表示的具體過程如下：
4.根據(jù)權(quán)利要求3所述的一種基于大模型的電力時序數(shù)據(jù)異常檢測方法，其特征在于，分量序列在時間步的注意力權(quán)重的計算公式具體如下：
5.根據(jù)權(quán)利要求1所述的一種基于大模型的電力時序數(shù)據(jù)異常檢測方法，其特征在于，所述編碼器模塊的輸出與各歷史備選模式之間的動態(tài)時間規(guī)整距離的計算公式具體如下：
6.根據(jù)權(quán)利要求5所述的一種基于大模型的電力時序數(shù)據(jù)異常檢測方法，其特征在于，電力時序數(shù)據(jù)在各周期尺度上的特征表示具體如下：
7.根據(jù)權(quán)利要求1所述的一種基于大模型的電力時序數(shù)據(jù)異常檢測方法，其特征在于，所述記憶存儲單元根據(jù)存儲于其中的歷史備選模式的出現(xiàn)頻率動態(tài)更新。
8.根據(jù)權(quán)利要求1所述的一種基于大模型的電力時序數(shù)據(jù)異常檢測方法，其特征在于，計算余弦相似度矩陣高于設(shè)定閾值的通用時序數(shù)據(jù)的聚類值，作為歷史備選模式存儲至所述記憶存儲單元。
9.一種電子設(shè)備，包括存儲器、處理器，以及存儲于所述存儲器中的程序，其特征在于，所述處理器執(zhí)行所述程序時實現(xiàn)如權(quán)利要求1-8中任一所述的方法。
10.一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，其特征在于，所述程序被處理器執(zhí)行時實現(xiàn)如權(quán)利要求1-8中任一所述的方法。