[发明专利]一种基于Conv-LSTM网络的窃电检测方法和系统有效
申请号: | 202110477411.X | 申请日: | 2021-04-30 |
公开(公告)号: | CN113377827B | 公开(公告)日: | 2023-07-25 |
发明(设计)人: | 崔江涛;蔺健;夏小芳;彭延国;刘英帆 | 申请(专利权)人: | 西安电子科技大学 |
主分类号: | G06F18/2433 | 分类号: | G06F18/2433;G06F18/241;G06F18/214;G06N3/045;G06N3/0442;G06N3/08;G06F17/16;G06Q50/06 |
代理公司: | 郑州芝麻知识产权代理事务所(普通合伙) 41173 | 代理人: | 王越 |
地址: | 710071*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 conv lstm 网络 检测 方法 系统 | ||
1.一种基于Conv-LSTM网络的窃电检测方法,其特征在于,包括如下步骤:
步骤一:获取训练数据集,并建立基于Conv-LSTM网络的窃电检测模型;
所述训练数据集中包括用户在各检测时间段的用电量上报值差值的时序二维矩阵序列和各检测时间段是否存在窃电现象;
步骤二:根据训练数据集中各检测时间段是否存在窃电现象获取其相应的标记值,以训练数据集中各检测时间段的用电量上报值差值时序二维矩阵序列为输入,以相应检测时间段的标记值为相应的标准输出,对所建立的窃电检测模型进行训练,得到训练后的窃电检测模型;
步骤三:获取目标时间段的用电量上报值差值的时序二维矩阵序列,并将其分别输入到所建立的训练后的窃电检测模型中,将得到的输出值作为目标时间段的标记值;
步骤四:判断目标时间段的标记值是否大于设定值,如果大于,则判断为目标时间段存在窃电现象;
所述用电量上报值差值的时序二维矩阵是行列数相等的方阵,获取目标时间段用电量上报值差值时序二维矩阵序列的方法为:
所述目标时间段包括多个用电周期;
首先获取目标时间段内各用电周期的用电量上报值,以及目标时间段所在日前设定数量日内与目标时间段对应的检测时间段中各用电周期的用电量上报值,得到目标时间段中各用电周期的用电量上报值的时序二维矩阵;
然后将目标时间段内各用电周期的用电量上报值分别与其所在日前设定日内对应时间段中相应用电周期的用电量上报值做差,并结合目标时间段内各用电周期的用电量上报值,得到目标时间段中各用电周期的用电量上报值差值的时序二维矩阵,进而得到目标时间段的用电量上报值差值时序二维矩阵序列。
2.根据权利要求1所述的基于Conv-LSTM网络的窃电检测方法,其特征在于,设目标时间段包括T个用电周期,每个用电周期包括M个单位时间段,其中第t个用电周期第m个单位时间段的用电量上报值为P0,t,m,目标时间段所在日前第n日相应检测时间段的第t个用电周期第m个单位时间段的用电量上报值为Pn,t,m,选取前M-1天的对应数据,则目标时间段第t个用电周期的用电量上报值差值的时序二维矩阵为:
(P1,P2,…,PT)将构成目标时间段内的用电量上报值差值时序二维矩阵序列。
3.根据权利要求2所述的基于Conv-LSTM网络的窃电检测方法,其特征在于,所述窃电检测模型包括I+3层Conv-LSTM层和一层卷积层,其中I为M/2向下取整。
4.根据权利要求1所述的基于Conv-LSTM网络的窃电检测方法,其特征在于,所述步骤二中,当有检测时间段存在窃电现象时,该检测时间段的标记值为1,否则该检测时间段的标记值为0;所述设定值为0.5。
5.根据权利要求1所述的基于Conv-LSTM网络的窃电检测方法,其特征在于,所述训练数据集的获取方法为:
获取用户的历史用电数据,历史用电数据中包括用户在连续多日的实际用电量上报值,每个检测时间段包括多个用电周期,每个用电周期包括多个单位时间段,每个单位时间段包括多个子时间段;
若获取的训练数据集不存在窃电现象,则对各子时间段的用电量上报值进行加权修正,加权值的取值范围为0到1;
如果有检测时间段内的子时间段用电量加权上报值的加权值不为1,判断该检测时间段存在窃电现象,否则判断该检测时间段不存在窃电现象;
最后根据各检测时间段的用电量加权上报值序列及其前设定数量日相应检测时间段的实际用电量上报值,计算其用电量上报值差值的时序二维矩阵序列。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学,未经西安电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110477411.X/1.html,转载请声明来源钻瓜专利网。
- 上一篇:基于智能识别的空间可变的橱柜
- 下一篇:体相金属间化合物负载催化剂的制备方法