[发明专利]窃电检测方法、装置、设备、存储介质及程序产品

权利要求书

1.一种窃电检测方法，其特征在于，所述方法包括：

获取增强窃电样本，所述增强窃电样本包括多个用电信息以及所述用电信息对应的窃电类型；

计算所述增强窃电样本中窃电类型的分离度，所述分离度的大小用于指示任一窃电类型与其他窃电类型区分的难易度，并利用所述增强窃电样本以及所述窃电类型的分离度得到针对每一窃电类型的训练后的分类模型；

利用所述训练后的分类模型对输入的窃电嫌疑数据进行分类处理，并确定所述窃电嫌疑数据的窃电类型以及用户信息。

2.根据权利要求1所述的方法，其特征在于，所述获取增强窃电样本，包括：

获取真实窃电样本，利用所述真实窃电样本训练生成对抗模型，所述生成对抗模型包括生成器和判别器，所述生成器用于根据随机噪声生成第一扩充窃电样本，所述判别器用于对所述真实窃电样本和所述第一扩充窃电样本进行判别；

利用所述真实窃电样本以及训练后得到的所述生成对抗模型中的生成器生成所述增强窃电样本。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：对所述真实窃电样本进行特征提取，得到所述真实窃电样本的特征向量；

对应的，所述利用训练后得到的所述生成对抗模型中的生成器生成所述增强窃电样本，包括：利用所述真实窃电样本的特征向量以及训练后得到的所述生成对抗模型中的生成器生成所述增强窃电样本。

4.根据权利要求1所述的方法，其特征在于，所述利用所述增强窃电样本以及所述窃电类型的分离度得到针对每一窃电类型的训练后的分类模型，包括：

根据所述分离度对所述增强窃电样本进行分类处理，得到多个增强窃电样本子集；

根据所述增强窃电样本子集对预设的多个分类模型分别进行训练，得到针对每一窃电类型的训练后的分类模型。

5.根据权利要求4所述的方法，其特征在于，所述分类模型包括决策平面，在所述利用所述分类模型对输入的窃电嫌疑数据进行分类处理之后，所述方法还包括：

计算所述窃电嫌疑数据与对应的所述分类模型的决策平面的距离，若所述距离小于预设阈值，则利用KNN算法对所述窃电嫌疑数据进行二次分类，并确定所述窃电嫌疑数据的窃电类型以及用户信息。

6.根据权利要求1所述的方法，其特征在于，所述计算所述增强窃电样本中窃电类型的分离度，包括：

利用投影向量法计算所述增强窃电样本中窃电类型的分离度。

7.一种窃电检测装置，其特征在于，所述装置包括：

获取模块，用于获取增强窃电样本，所述增强窃电样本包括多个用电信息以及所述用电信息对应的窃电类型；

计算模块，用于计算所述增强窃电样本中窃电类型的分离度，所述分离度用于指示所述窃电类型与其他窃电类型区分的难易度，并利用所述增强窃电样本以及所述窃电类型的分离度得到针对每一窃电类型的训练后的分类模型；

处理模块，用于利用所述分类模型对输入的窃电嫌疑数据进行分类处理，并确定所述窃电嫌疑数据的窃电类型以及用户信息。

8.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至6任一项所述的方法的步骤。

9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至6中任一项所述的方法的步骤。