一种数据驱动的防窃电智能电表及窃电状态分析方法技术

本发明专利技术提供一种数据驱动的防窃电智能电表及窃电状态分析方法，智能电表包括微处理器；还包括传感器模块和防窃电分析模块；所述的传感器模块包括多个压力传感器，安装于电表接线端子下端，微处理器通过压力传感器的信息检测接线端子处接线线路的改动；防窃电分析模块与微处理器连接，根据微处理器中的用户用电数据进行窃电状态分析。针对防窃电措施的局限性，基于现有的智能电表结构设计了一种数据驱动的防窃电智能电表，借助深度学习(Deep Learning)算法和上下协同的防窃电架构，合理的分析用电信息采集系统中存储的用户用电历史信息，通过软硬件的升级，及时检测到用户的窃电行为，为电力企业减少大量的经济损失，完善智能电网的功能和架构。善智能电网的功能和架构。善智能电网的功能和架构。

【技术实现步骤摘要】
一种数据驱动的防窃电智能电表及窃电状态分析方法


[0001]本专利技术涉及智能电表
，特别涉及一种数据驱动的防窃电智能电表及窃电状态分析方法。

技术介绍

[0002]随着供电技术的发展，我国电网的结构日趋成熟，同时电力企业正在加紧智能电网的建设步伐，然而频发的窃电事件给企业带来了巨大的经济损失，受损智能电表上传的异常数据数据影响到了用电信息采集系统(Advanced Metering Infrastructure,AMI)数据分析工作的准确性和可靠性，窃电事故阻碍了智能电网的建设进程，防窃电技术的创新和研究刻不容缓。
[0003]现有防窃电技术可以满足防窃电的基本要求，但是难以灵活有效的应对多种多样、日新月异的窃电方式，且现有的防窃电技术时效性差，这给窃电用户电费追缴工作增加了难度。
[0004]现阶段，用电信息采集系统的建设趋于完善，通过该系统采集到的各类数据信息体量较大，往往是多维且异构的，数据的集中处理与存储给用电信息采集系统主站带来了巨大的压力，而且很难满足实时性业务的时效要求。
[0005]近些年，电力企业广泛开展了电力负荷管理系统的相关研究工作，该系统对防窃电工作具有一定的参考意义，但是通过系统数据发现用户异常用电的情况后还需要工作人员到现场突击检查，工作人员查验后才能判断是否发生窃电事件，这种防窃电方式往往会惊动窃电人员并造成现场取证困难。

技术实现思路

[0006]为了解决
技术介绍
提出的技术问题，本专利技术提供一种数据驱动的防窃电智能电表及窃电状态分析方法，针对防窃电措施的局限性，基于现有的智能电表结构设计了一种数据驱动的防窃电智能电表，借助深度学习(Deep Learning)算法和上下协同的防窃电架构，合理的分析用电信息采集系统中存储的用户用电历史信息，通过软硬件的升级，及时检测到用户的窃电行为，为电力企业减少大量的经济损失，完善智能电网的功能和架构。
[0007]为了达到上述目的，本专利技术采用以下技术方案实现：
[0008]一种数据驱动的防窃电智能电表，包括微处理器和与其连接的时钟模块、计量模块、通信接口、LCD显示、存储器、校表模块、电源模块；还包括传感器模块和防窃电分析模块；所述的传感器模块包括多个压力传感器，安装于电表接线端子下端，并与微处理器连接，微处理器通过压力传感器的信息检测接线端子处接线线路的改动；防窃电分析模块与微处理器连接，根据微处理器中的用户用电数据进行窃电状态分析。
[0009]所述的一种数据驱动的防窃电智能电表的窃电状态分析方法，包括如下：
[0010]1)上下协同的防窃电分析网络架构：“上下”分别指用电信息采集主站和智能电表，“协同”代表两者之间的数据协同和分析协同；所述智能电表负责数据采集，包括用户用
电数据和反映智能电表硬件完整性的传感器数据，这些数据被送到智能电表的微处理器和防窃电分析模块中进行数据分析和存储，此外，用电信息采集主站下发的检修提示信息也是智能电表微处理器的输入数据，当智能电表收到检修提示信息后会立即进入待机状态，需要人工现场操作才能再次恢复工作状态；微处理器的分析结果会实时传送到用电信息采集主站，如果微处理器判断出异常情况(未检修状态但有电表的接线变化即为异常)则立即调取用户历史用电信息做进一步判断，一旦最终的分析结果为窃电事件，智能电表将切断用户的电力供应，同时，向主站发出特别提示信息，主站有相应的软件配置来处理智能电表上传的状态信息；用电信息采集主站还要负责分析模型的训练工作，定期调取智能电表存储的数据对智能算法模型进行训练和更新，并将更新后的模型参数下发到智能电表，模型的动态更新保证了防窃电分析工作的灵活性和可靠性；
[0011]2)基于门控循环单元的算法模型：防窃电分析模块的核心算法采用循环神经网络(Recurrent Neural Network，RNN)的一种改进算法——门控循环单元(Gated Recurrent Unit，GRU)，该算法可以有效地防止梯度消失和梯度爆炸，同时，很大程度上减少了模型参数，提升了模型地整体分析效率；
[0012]GRU的模型，模型的前向传播过程如下：
[0013]z
t
＝σ(W
z
·
[h
t
‑1，x
t
])\*MERGEFORMAT
ꢀꢀ
(1)
[0014]r
t
＝σ(W
r
·
[h
t
‑1，x
t
])\*MERGEFORMAT
ꢀꢀ
(2)
[0015][0016][0017]y
t
＝σ(W
o
·
h
t
)\*MERGEFORMAT
ꢀꢀ
(5)
[0018]其中x
t
是输入，h
t
‑1是上一时刻的隐藏状态，h
t
是当前更新的隐藏状态，是候选隐藏状态，z
t
和r
t
分别代表更新门和重置门，σ是sigmoid激活函数；
[0019]上式中参数W
z
、W
r
、W
o
是模型通过训练数据集学习得到，[a，b]代表两个向量的拼接，所以参数W
z
、W
r
、的相应形式如下：
[0020]W
z
＝W
zx
+W
zh
[0021]W
r
＝W
rx
+W
rh
[0022][0023]由GRU构成的深度学习算法模型，x、y、h分别代表模型输入、模型输出和隐层状态；算法模型的输入量x来源于用户用电数据，即基于时间的序列，其输出y是相应的分析序列，代表相应的分析结果。该算法模型的参数由大量数据训练得到，训练数据包括正常用电数据和发生窃电时的用电数据，所以模型分析的结果为正常用电和发生窃电两种。以上训练工作由主站完成，数据分析则是在智能电表内部进行。
[0024]与现有技术相比，本专利技术的有益效果是：
[0025]在现有智能电表设计的基础上添加4个微型压力传感器和防窃电分析模块，通过硬件和软件的升级改进后，智能电表可以依据采集到的数据信息分析设备状态并将状态信息上传到用电信息采集主站。压力传感器能够采集到的电表的接线变化，一旦出现异常情况，微处理器首先检查用电信息采集系统主站是否下发维修信号，若未收到维修信号，立即
启动防窃电分析模块，借助深度学习(Deep Learning)算法和上下协同的防窃电架构，合理的分析用电信息采集系统中存储的用户用电历史信息，如果分析后判断该异常是由窃电行为造成，则立即向用电信息采集系统主站上报窃电报警信息并将异常数据存储到设备中以备后续窃电追缴过程中的举证。
附图说明
[0026]图1是本专利技术的一种数据驱动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据驱动的防窃电智能电表，包括微处理器和与其连接的时钟模块、计量模块、通信接口、LCD显示、存储器、校表模块、电源模块；其特征在于，还包括传感器模块和防窃电分析模块；所述的传感器模块包括多个压力传感器，安装于电表接线端子下端，并与微处理器连接，微处理器通过压力传感器的信息检测接线端子处接线线路的改动；防窃电分析模块与微处理器连接，根据微处理器中的用户用电数据进行窃电状态分析。2.权利要求1所述的一种数据驱动的防窃电智能电表的窃电状态分析方法，其特征在于，包括如下：1)上下协同的防窃电分析网络架构：“上下”分别指用电信息采集主站和智能电表，“协同”代表两者之间的数据协同和分析协同；所述智能电表负责数据采集，包括用户用电数据和反映智能电表硬件完整性的传感器数据，这些数据被送到智能电表的微处理器和防窃电分析模块中进行数据分析和存储，此外，用电信息采集主站下发的检修提示信息也是智能电表微处理器的输入数据，当智能电表收到检修提示信息后会立即进入待机状态，需要人工现场操作才能再次恢复工作状态；微处理器的分析结果会实时传送到用电信息采集主站，如果微处理器判断出异常情况(未检修状态但有电表的接线变化即为异常)则立即调取用户历史用电信息做进一步判断，一旦最终的分析结果为窃电事件，智能电表将切断用户的电力供应，同时，向主站发出特别提示信息，主站有相应的软件配置来处理智能电表上传的状态信息；用电信息采集主站还要负责分析模型的训练工作，定期调取智能电表存储的数据对智能算法模型进行训练和更新，并将更新后的模型参数下发到智能电表，模型的动态更新保证了防窃电分析工作的灵活性和可靠性；2)基于门控循环单元的算法模型：防窃电分析模块的核心算法采用循环神经网络的一种改进算法——门控循环单元，该算法可以有效地防止梯度消失和梯度爆炸，同时，很大程度上减少了模型参数，提升了模型地整体分析效率；GRU的模型，模型的前向传...

【专利技术属性】
技术研发人员：田浩杰，周宝忠，王天博，扬爽，侯昝宇，王浩淼，金宇坤，张迪，才思远，贺欢，韩一品，李娉婷，龚钢军，马洪亮，孟芷若，
申请(专利权)人：华北电力大学国网辽宁省电力有限公司国家电网有限公司，
类型：发明
国别省市：