[发明专利]一种基于DRSN的台区窃电用户识别方法、系统及装置

权利要求书

1.一种基于DRSN的台区窃电用户识别方法，其特征在于，所述方法包括以下步骤：

步骤1，采集电网台区的周期性用电数据并构建基于周期性用电数据的深度残差收缩网络；其中，所述周期性用电数据的深度残差收缩网络中的学习父类阈值支路中还包括学习子类阈值支路；

步骤2，预处理所述用电数据并将其输入至所述深度残差收缩网络中，以获取分析数据，同时构建Softmax函数以实现所述分析数据的窃电分类。

2.根据权利要求1中所述的一种基于DRSN的台区窃电用户识别方法，其特征在于：

所述周期性用电数据为预设时间段内采集的所述台区下所有用户的用电数据。

3.根据权利要求2中所述的一种基于DRSN的台区窃电用户识别方法，其特征在于：

所述步骤2中预处理的过程为：

步骤2.1，将所述用电数据进行归一化；

步骤2.2，将归一化后的所述用电数据转化为灰度矩阵样本；

其中，灰度矩阵样本为28*28的灰度图。

4.根据权利要求3中所述的一种基于DRSN的台区窃电用户识别方法，其特征在于：

所述周期性用电数据的深度残差收缩网络采用12层ResNet网络实现；其中，

第一层接收7通道的28*28灰度图样本，

第二至十一层中每两层实现一次短链接，每个单数层实现一次软阈值化，第二至第五层接收7通道的28*7灰度图样本，第六至第十一层接收7通道的7*7灰度图样本；

第十二层为全连接层。

5.根据权利要求4中所述的一种基于DRSN的台区窃电用户识别方法，其特征在于：

所述深度残差收缩网络中的学习父类阈值支路用于实现所述软阈值化；

其中，所述学习父类阈值支路的全连接层和Sigmoid激活函数之间还存在第二软阈值计算过程。

6.根据权利要求5中所述的一种基于DRSN的台区窃电用户识别方法，其特征在于：

所述第二软阈值计算过程中，软阈值的计算是基于学习子类阈值支路实现的。

7.根据权利要求6中所述的一种基于深度残差收缩网络的台区切点用户识别方法，其特征在于：

所述学习子类阈值支路中依次包括第一全连接层、批标准化、整流线性单元、第二全连接层、Sigmoid激活函数和卷积层；

其中，第一全连接层输出后依次进入批标准化、整流线性单元、第二全连接层、Sigmoid激活函数；

所述Sigmoid激活函数的输出与第一全连接层的输出通过卷积层后实现第二软阈值的输出。

8.根据权利要求7中所述的一种基于DRSN的台区窃电用户识别方法，其特征在于：

所述学习父类阈值支路中的样本宽度为所述ResNet网络中样本宽度的1/n；

所述学习子类阈值支路中的样本宽度为所述学习父类阈值支路中的样本宽度的1/m；

其中，n为所述周期性用电数据在预设时间段内的月份数，m=4。

9.一种基于DRSN的台区窃电用户识别系统，其特征在于：

所述系统采用权利要求1-8任意一项中所述的一种基于DRSN的台区窃电用户识别方法实现。

10.一种基于DRSN的台区窃电用户识别装置，其特征在于：

所述装置包括处理器；

其中，所述处理器用于实现权利要求1-8任意一项中所述的一种基于DRSN的台区窃电用户识别方法。