[发明专利]一种基于横向对比特征和神经网络的隐蔽窃电检测方法

权利要求书

1.一种基于横向对比特征和神经网络的隐蔽窃电检测方法，其特征在于：包括如下步骤，

步骤S1，根据训练集中用户用电量l计算每个社区的用电量为L，其中，L为社区用电量，l为社区中单个用户用电量，R为实数矩阵，n为用户个数，m为用电天数；

步骤S2，基于所述步骤S1所得L，提取社区中用户的横向对比特征v，该特征表达式为：

(1)

(2)

其中，l被分成K段，表示每段时间的序号,表示每个时间段的长度；

步骤S3，利用神经网络中全连接层进行特征提取，根据步骤S2所述的横向对比特征v，提取全局特征，根据一维原始用电数据，提取全局特征；根据二维原始用电数据提取用电数据的局部特征；

步骤S4，基于所述步骤S3中提取的用户特征，利用串联的方式融合特征向量，输入到神经网络全连接层进行训练，得到用于区分正常用户和异常用户的分类器；

步骤S5，基于所述步骤S5训练得到的分类器对测试集进行实时分类。

2.根据权利要求1所述的基于横向对比特征和神经网络的隐蔽窃电检测方法，其特征在于：所述一维原始用电数据为1034天中每个用户每天用电量的数据；所述二维原始用电数据为一维用电数据按周重新排列的数据。

3.根据权利要求1所述的基于横向对比特征和神经网络的隐蔽窃电检测方法，其特征在于：所述分类器训练过程中，利用交叉熵损失函数对混合深度神经网络进行联合训练，优化模型。