[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 | ||
本发明提供一种基于Conv‑LSTM网络的窃电检测方法和系统,方法包括如下步骤:获取训练数据集,并建立基于Conv‑LSTM网络的窃电检测模型;以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;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;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。本发明所提供的技术方案能够解决现有技术中对窃电行为检测结果准确性差、误报率高的问题。
技术领域
本发明涉及窃电检测方法技术领域,具体涉及一种基于Conv-LSTM网络的窃电检测方法和系统。
背景技术
随着经济的迅速发展,各领域的用电需求与日俱增,在经济利益的驱使下,窃电行为时有发生。传统的窃电方式是通过私拉电线或者损坏电表等以使收费人员不能够获取真实用电量,从而减少用电的费用。
智能电表能够将用户的用电量实时发送给电网,即使用户的电表被损坏,也能够获取用户的真实用电量;并且在检测出私拉电线等窃电现象时,智能电表会切断用户的供电,从而防止用户窃电。
然而由于硬件设备的限制,智能电表的存储和计算能力有限,无法进行高强度的加解密运算,因此其面临着较高的易受攻击性。所以,随着智能电表普及率的不断提高,窃电由过去常用的破坏电表或私拉电线等手段转变为借助先进的数字存储技术和网络通信技术进行攻击,呈现出广泛性、多样性、隐蔽性和成本低等特点,使窃电行为更难被准确的检测到。窃电行为不仅影响到电网的经济利益,而且错误的用电信息会影响电网供电控制策略的制定,使电网的可靠性降低。
发明内容
本发明的目的是提供一种基于Conv-LSTM网络的窃电检测方法和系统,以解决现有技术中对窃电行为检测结果准确性差、误报率高的问题。
一种基于Conv-LSTM网络的窃电检测方法,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。
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/2.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