一种基于横向对比特征和神经网络的隐蔽窃电检测方法技术

本发明专利技术提供一种基于横向对比特征和神经网络的隐蔽窃电检测方法，包括如下步骤，根据训练集中用户用电量l计算每个社区的用电量为L，基于所得L，提取社区中用户的横向对比特征v，利用神经网络中全连接层进行特征提取，根据横向对比特征v，提取全局特征，根据一维原始用电数据，提取全局特征；根据二维原始用电数据提取用电数据的局部特征；基于提取的用户特征利用串联的方式融合特征向量，输入到神经网络全连接层进行训练，得到用于区分正常用户和异常用户的分类器；基于分类器对测试集进行实时分类。该方法可以检测降低自身电表读数并增加邻居电表读数同时模仿正常消费模式的隐蔽攻击，从而提供一个有效的窃电检测系统保证电力系统安全可靠运行。系统安全可靠运行。系统安全可靠运行。

【技术实现步骤摘要】
一种基于横向对比特征和神经网络的隐蔽窃电检测方法


[0001]本专利技术属于窃电检测领域，具体是涉及一种基于横向对比特征和混合深度神经网络的隐蔽窃电检测方法。

技术介绍

[0002]随着高级计量基础设施(AMI)在居民社区中的普及，电力公司的供电效率、可持续性和可靠性得到了极大的提升。AMI在带来便利的同时也带来了安全风险。电力盗窃一直是电力公司密切关注的问题，它不仅给电力公司造成了巨额的经济损失，甚至给公共安全带来了严重威胁。根据最近的一项调查显示，在2014年，全球公用事业公司每年亏损高达960亿美元，其中电力盗窃为主要原因。恶意用户会通过物理攻击或网络攻击的方式入侵智能电表实施电力盗窃。因此，在广泛部署AMI的同时需要一个有效的窃电检测系统来保证电力系统安全可靠运行。
[0003]由于传统的检测方法依靠人工检测，非常费时和昂贵，因此基于电网数据的分析检测方法逐渐取代了传统的检测方法。现有基于电网数据的检测方法大致可以分为两类：基于一致性的方法和数据驱动的方法。基于一致性的方法利用额外的传感器或监控仪表来检测电力系统中的系统电压、电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于横向对比特征和神经网络的隐蔽窃电检测方法，其特征在于：包括如下步骤，步骤S1，根据训练集中用户用电量l计算每个社区的用电量为L，其中，L为社区用电量，l为社区中单个用户用电量，R为实数矩阵，n为用户个数，m为用电天数；步骤S2，基于所述步骤S1所得L，提取社区中用户的横向对比特征v，该特征表达式为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
ꢀꢀꢀꢀꢀ
(2)其中，l被分成K段，表示每段时间的序号,表示每个时间段的长度；步骤S3，利用神经网络中全连接层进行特征提取，根据步骤S2所述的横向对比特征v，提取全局特征，根据一...

【专利技术属性】
技术研发人员：崔磊，邢宇峰，高飞，王健安，赵志诚，谢刚，
申请(专利权)人：太原科技大学，
类型：发明
国别省市：