[发明专利]窃电行为识别方法、系统、终端设备及存储介质

说明书

本发明公开了一种窃电行为识别方法、系统、终端设备及存储介质，该方法包括：采集待测用户的历史用电数据，按第一预设比例将历史用电数据分为第一训练样本和测试样本；对第一训练样本进行降维处理，利用降维后的训练样本对DBN模型训练，得到目标DBN模型及第一输出结果；对第一输出结果进行加权，得到异常检测阈值；将测试样本输入至所述目标DBN模型，得到第二输出结果，利用该值确定待测用户用电行为的目标检测值；判断目标检测值是否大于异常检测阈值；若是，则当前待测用户用电行为正常，否则为异常。本发明能够提高用户窃电行为行为识别的准确率，进而增强供电系统的安全性和可靠性，具有成本低、精确度高及适用性强的优点。

技术领域

本发明涉及窃电行为检测技术领域，具体涉及一种窃电行为识别方法、系统、终端设备及存储介质。

背景技术

随着用电量的大幅增大，各类窃电行为日益严重，窃电主体也从以前的私人组织到现在演变成企业、事业单位窃电。针对窃电行为识别，传统方法包括以下几种，一种是采用物理方法，通过优化计量箱的结构、改变计量箱的材质，以削弱高频信号和强磁信号带来的干扰，但是这种方法在改善电量流失方面作用有限，窃电防范管理水平仍然得不到有效地提高。另一种是通过防窃电装置进行用电行为的监管，但是该方法仅能起到预防作用，而无法对窃电行为进行有效分析。

为了进一步加强窃电行为的监管，现有技术推出一种新的检测技术，即基于 DBN的网络入侵检测技术，该项技术通过单一的深度置信网络DBN算法来进行数据的拟合检测。DBN算法虽然具备强大的训练能力，但是在数据输入处理方面却没有考虑到处理速度是否受限以及本身训练所需的参数是否达到最优状态的问题，因此无法保证训练结果的可靠性。因此，单一地采用DBN算法是无法满足实际窃电行为的监管需求。

发明内容

本发明的目的在于提供一种窃电行为识别方法、系统、终端设备及存储介质，以解决现有窃电行为识别方法中存在的局限性强、识别结果不够准确的技术问题。

为了克服上述现有技术中的缺陷，本发明提供一种窃电行为识别方法，包括：

采集待测用户的历史用电数据，按第一预设比例将所述历史用电数据分为第一训练样本和测试样本；

对所述第一训练样本进行降维处理，利用降维后的训练样本对DBN模型训练，得到目标DBN模型及第一输出结果；

对所述第一输出结果进行加权，得到异常检测阈值；

将所述测试样本输入至所述目标DBN模型，得到第二输出结果，利用所述第二输出结果确定待测用户用电行为的目标检测值；

判断所述目标检测值是否大于所述异常检测阈值；若是，则当前待测用户用电行为正常；若否，则当前待测用户用电行为异常。

进一步地，所述利用降维后的训练样本对DBN模型训练，得到目标DBN模型，包括：

利用Sampling算法从降维后的训练样本抽取第二预设比例的样本，作为第二训练样本，将剩余降维后的训练样本作为第三训练样本；

将所述第二训练样本输入至多个第一DBN模型以进行无监督预训练，得到多个第二DBN模型及对应的网络参数；

根据所述多个第二DBN模型，将所述第三训练样本输入至任意一个第二 DBN模型以进行微调，利用微调后的网络参数确定目标DBN模型。

进一步地，在将所述第二训练样本输入至多个第一DBN模型以进行无监督预训练之前，还包括：

利用AG算法对原始DBN模型的网络参数进行全局寻优，将寻优结果作为第一DBN模型的网络参数。

进一步地，所述第一输出结果包括：将所述第二训练样本输入至多个第一 DBN模型后的输出结果，及将所述第三训练样本输入至任意一个第二DBN模型后的输出结果。