[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

说明书

一种基于DRSN的台区窃电用户识别方法、系统及装置，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。本发明方法大幅减少了ResNet网络的层数，降低了深度神经网络中梯度弥散和网络退化的问题，通过双层的软阈值化计算方式，提出了次要特征参数，解决了数据样本周期性变化的问题，实验结果具有充分的有效性与科学性。

技术领域

本发明涉及智能电网领域，更具体的，涉及一种基于DRSN的台区窃电用户识别方法、系统及装置。

背景技术

随着我国经济社会的快速发展，电能需求的增长导致台区的供电强度不断增加，电网公司的营销基层运维人员的工作量过大，常常导致顾此失彼。随着“双高”电力系统与能源互联网建设的不断推进，电力需求侧的精益化管理要求不断提高，人力资源与运维量之间的矛盾日益突出。近年来随着以人工智能、大数据为代表的技术进步在电网中的应用推广，电网主干框架的运维自动化效率不断提升，但是由于用户侧的复杂性与特殊性，电网对台区管理的掌控力度不高，既难以实现对终端能源消费的精确把握又难以向用户提供更高层次的增值服务，台区的精益化管理一直是电网公司的盲区与弱点。

随着近二十年来电能计量装置的不断升级改造，由机械式电表更换为智能电表加之营销系统业务中台数据库的建立，电网公司营销部门台区网络实时采集获取着海量的电能数据，数据的有效利用与挖掘是当前亟待解决的问题。台区的窃电导致企业营收的白白流失，窃电行为一直是电网公司打击处理的焦点，也是提质增效专项行动关注的重点。现有技术中也存在各类算法对于台区窃电用户的用电数据进行识别，从而试图获取准确的窃电类型和窃电信息。然而，由于电力用户的用电数据信息量庞大，一般的算法难以准确的发掘出有用的窃电信息。

一方面，电力用户的用电数据存在着高度的周期性，年度数据、月度数据和周数据之间均存在着较弱或较强的周期性波动关联，这种周期性波动本身并不利于窃电行为的发现。另外，天气信息、生活与生产方式等的变化也会对台区的用电量产生较大的影响。

另一方面，用电数据信息量大、冗余数据内容多，这导致一般的深度神经网络难以适应于这种程度的数据聚合。另外，现有技术中的深度神经网络算法本身也存在着梯度弥散与网络退化的问题。

为了解决上述问题，本发明中提供了一种新的基于DRSN的台区窃电用户识别方法。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供一种基于DRSN的台区窃电用户识别方法、系统及装置，该方法改进了DRSN算法中的软阈值生成过程，同时根据用电数据的周期性特征建立了周期性的深度残差收缩网络。

本发明采用如下的技术方案。

本发明第一方面，涉及一种基于DRSN的台区窃电用户识别方法，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，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，预处理用电数据并将其输入至深度残差收缩网络中，以获取分析数据，同时构建Softmax函数以实现分析数据的窃电分类。

优选的，周期性用电数据为预设时间段内采集的台区下所有用户的用电数据。

优选的，步骤2中预处理的过程为：步骤2.1，将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。