[发明专利]窃电用户识别方法和装置

说明书

本申请公开了一种窃电用户识别方法和装置，该方法包括：获取待分析的目标用户的用电数据；依据该目标用户的用电数据，并利用预先训练得到的深度学习模型，确定该目标用户具有窃电行为的概率，该深度学习模型为利用多个历史窃电用户的用电数据为训练样本训练得到的；在基于所述深度学习模型确定出该目标用户具有窃电行为的概率超过深度学习模型中预先学习出的目标阈值的情况下，将该目标用户识别为存在窃电风险的用户。本申请可以基于用户的用电数据识别出存在窃电嫌疑的窃电用户，有利于提高识别窃电用户的便捷性和高效性。

技术领域

本申请涉及数据处理技术领域，更具体地说，涉及一种窃电用户识别方法和装置。

背景技术

窃电是指用电客户以减少计量电能和降低缴纳电费为目的，采用欠压法、欠流法等手段进行电能窃取。用电客户的窃电行为不仅给供电单位带来了巨大的经济损失，而且还可能会导致用电安全隐患。

为了确定用电客户是否存在窃电行为，需要供电企业的工作人员在现场定量检测，才可以最终查找到窃电用户。然而，由于用电客户的数量较大，且窃电行为的手法也具有多样性，如果仅凭供电企业的工作人员巡查窃电用户，则复杂度较高，且效率较低。

发明内容

本申请的目的是提供一种窃电用户识别方法和装置，以基于用户的用户数量识别出存在窃电嫌疑的窃电用户，有利于提高识别窃电用户的便捷性和高效性。

为实现上述目的，本申请提供了如下技术方案：

一种窃电用户识别方法，包括：

获取待分析的目标用户的用电数据；

依据所述目标用户的用电数据，并利用预先训练得到的深度学习模型，确定所述目标用户具有窃电行为的概率，所述深度学习模型为利用多个历史窃电用户的用电数据为训练样本训练得到的；

在基于所述深度学习模型确定出所述目标用户具有窃电行为的概率超过所述深度学习模型中预先学习出的目标阈值的情况下，将所述目标用户识别为存在窃电风险的用户。

优选的，所述依据所述目标用户的用电数据，并利用预先训练得到的深度学习模型，确定所述目标用户具有窃电行为的概率，包括：

依据所述目标用户的用电数据，并利用预先训练得到的深度学习模型，确定所述目标用户分别具有多种不同类型的窃电行为的概率，所述深度学习模型为利用多个历史窃电用户的用电数据以及所述历史窃电用户对应的窃电行为类型训练得到的；

所述在基于所述深度学习模型确定出所述目标用户具有窃电行为的概率超过所述深度学习模型中预先学习出的目标阈值的情况下，将所述目标用户识别为存在窃电风险的用户，包括：

在基于所述深度学习模型确定出所述目标用户具有至少一种类型的窃电行为的概率超过所述深度学习模型中预先学习出的目标阈值的情况下，将所述目标用户识别为存在窃电风险的用户。

优选的，所述依据所述目标用户的用电数据，并利用预先训练得到的深度学习模型，确定所述目标用户分别具有多种不同类型的窃电行为的概率，包括：

按照预置的多个用电指标各自对应的用电数据范围，从所述多个用电指标中，确定与所述目标用户的用电数据匹配的至少一个目标用电指标；

依据所述至少一个目标用电指标，并利用预先训练得到的深度学习模型，确定所述目标用户分别具有多个不同类型的窃电行为的概率，所述深度学习模型为利用多个历史窃电用户各自对应的至少一个用电指标以及所述历史窃电用户对应的窃电行为类型训练得到的，所述历史窃电用户对应的至少一个用电指标为依据所述历史窃电用户的用电数据确定出的。

优选的，所述深度学习模型通过如下方式训练得到：

获取多个历史窃电用户的用电数据；