1.一种基于生成式对抗网络的电力数据异常检测方法，其特征在于，使用LSTM作为GAN网络的生成器和鉴别器的网络架构，得到的异常检测模型来处理电力时间序列数据；鉴别器使用了一层的LSTM进行训练，具有100个隐藏单元；生成器使用了三层的LSTM，其中每个连续层隐藏单元的数量分别为32、64和128个；

所述异常检测方法包括以下步骤：

S1：获取原始数据信号，将原始数据信号通过滑动窗口Sw分成小序列信号组，小序列信号组中的每一个小序列信号组经过映射得到对应的潜在向量，从而形成潜在向量组；

S2：将潜在向量组中的潜在向量逐个进行映射，得到一组伪时间序列数据；

S3A1：分别计算每一个伪时间序列数据的子序列的为真概率，以及计算每一个小序列信号的为真概率；

S3A2：将伪时间序列数据的子序列的为真概率与小序列信号组的每一个小序列信号的为真概率进行比对，计算得到每一组子序列的判别损失，最后求和得到总判别损失；

其中，S3A2的总判别损失计算公式为：

其中，x为小序列信号组， 表示计算对应数据的为真概率评估值，具体为指定输入小序列的统计数据的函数体；

S3B：将每一个伪时间序列数据的子序列与小序列信号组的每一个小序列信号进行比对，得到每一组子序列的剩余损失，最后求和得到总剩余损失；

S3B的总剩余损失计算公式为：

其中，x为小序列信号组， )为伪时间序列数据；

S4：根据每一组子序列的剩余损失和判别损失，计算剩余分数和判别分数，对剩余分数和判别分数进行加权处理，得到一异常分数；

S5：将所述异常分数与一预设阈值进行比较，得到鉴别结果。

2.根据权利要求1所述的一种基于生成式对抗网络的电力数据异常检测方法，其特征在于，所述步骤S2和S3A1的参数通过以下第一训练方法进行优化：从一潜在向量组中随机选择一噪声向量输入至生成器的映射模块中，并从原始电力数据集中随机选择一个电力数据输入至鉴别器的为真概率计算模块中；

所述噪声向量经过所述映射模块生成一个伪时间序列数据；

计算伪时间序列的为真概率和原始电力数据集中的电力数据的为真概率；

根据伪时间序列的为真概率和原始电力数据集中的电力数据的为真概率，计算总损失，对映射模块和为真概率计算模块的网络参数进行更新；

判断目标损失函数是否收敛，若否，则重复上述步骤，若是，则完成模型训练。

3.根据权利要求2所述的一种基于生成式对抗网络的电力数据异常检测方法，其特征在于，所述步骤S2和S3A1的参数的第一训练方法中的目标损失函数具体为：其中Ex是真实数据空间X的期望值，Ez是潜在空间Z的期望值，D1(x)表示鉴别器得到的正常电力数据的为真概率，D1 表示鉴别器得到的伪时间序列的为真概率。

4.根据权利要求3所述的一种基于生成式对抗网络的电力数据异常检测方法，其特征在于，所述步骤S1中将小序列信号映射得到对应的潜在向量的映射规则通过以下的第二训练方法进行优化：从原始电力数据集中随机选择一原始电力数据输入至所述异常检测模型中进行运算，得到生成器的剩余损失和所述鉴别器的判别损失；

结合所述剩余损失和所述判别损失，更新对原始电力数据进行数据压缩时的映射规则；

判断由剩余损失和判别损失构建的总损失函数是否收敛，若否，则重复上述步骤，若是，则完成模型训练。

5.根据权利要求4所述的一种基于生成式对抗网络的电力数据异常检测方法，其特征在于，所述第二训练方法的总损失函数具体为：剩余损失 ：

其中，x为小序列信号组， )为伪时间序列数据；

损失函数 ：

其中，x为小序列信号组， 表示计算对应数据的为真概率评估值，具体为指定输入小序列的统计数据的函数体；

损失函数L定义为剩余损失和判别损失的加权和，如下所示：其中 为加权系数。

6.根据权利要求1‑5任一项所述的基于生成式对抗网络的电力数据异常检测方法，其特征在于，所述异常检测模型包括：信号预处理模块：用于获取原始数据信号，将原始数据信号通过滑动窗口Sw分成小序列信号组，小序列信号组中的每一个小序列信号组经过映射得到对应的潜在向量，从而形成潜在向量组；

映射模块：用于将潜在向量组中的潜在向量逐个进行映射，得到一组伪时间序列数据；

为真概率计算模块：用于分别计算每一个伪时间序列数据的子序列的为真概率，以及计算每一个小序列信号的为真概率；

判别损失计算模块：用于将伪时间序列数据的子序列的为真概率与小序列信号组的每一个小序列信号的为真概率进行比对，计算得到每一组子序列的判别损失，最后求和得到总判别损失；

剩余损失计算模块：用于将每一个伪时间序列数据的子序列与小序列信号组的每一个小序列信号进行比对，得到每一组子序列的剩余损失，最后求和得到总剩余损失；

异常分数计算模块：用于根据每一组子序列的剩余损失和判别损失，计算剩余分数和判别分数，对剩余分数和判别分数进行加权处理，得到一异常分数；

阈值比较模块：用于将所述异常分数与一预设阈值进行比较，得到鉴别结果。

7.根据权利要求6所述的基于生成式对抗网络的电力数据异常检测方法，其特征在于：所述异常检测模型的映射模块和剩余损失计算模块组成一生成器，所述为真概率计算模块、判别损失计算模块、异常分数计算计算模块、阈值比较模块组成一鉴别器；

且所述生成器包括三层长短期记忆网络，所述鉴别器包括单层长短期记忆网络。

8.一种计算机设备，其特征在于，包括：

至少一个存储器以及至少一个处理器；

所述存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述至少一个处理器执行，使得所述至少一个处理器实现如权利要求1‑6任一项所述的一种基于生成式对抗网络的电力数据异常检测方法的步骤。