一种基于改进深度卷积神经网络的窃电行为检测方法技术

本发明专利技术提供一种基于改进深度卷积神经网络的窃电行为检测方法，包括：对用户用电量的原始数据进行预处理；将预处理后的数据分为以天为单位的一维数据和以周为单位的二维数据；在所述一维数据中添加注意力模块，再通过长度为α的全连接层得到宽度部分；将所述二维数据先通过R层空洞卷积，然后添加注意力模块，最后通过池化层以及长度为β的全连接层得到卷积神经网络部分；对网络进行训练；通过sigmoid函数对用电用户进行分类，从而得出用户是否窃电的结果。本发明专利技术基于现有的注意力模块分别对宽度部分和卷积神经网络部分的通道维度进行权值的分配，相比现有的深度学习方法，具有更高的收敛速度和计算效率，而且检测准确度更高。而且检测准确度更高。而且检测准确度更高。

【技术实现步骤摘要】
一种基于改进深度卷积神经网络的窃电行为检测方法


[0001]本专利技术涉及电网的用电管理
，特别涉及一种基于改进深度卷积神经网络的窃电行为检测方法。

技术介绍

[0002]电力系统中的输配电损失是电力企业最关心的一个主题，其损失可以分为技术性损失，technical loss，TL)和非技术性损失(non
‑
technical loss，NTL)两大类，而窃电是造成NTL最主要的原因。窃电用户通过非法途径篡改电表数据来达到减少或者避免电费支出，窃电行为不仅对电力企业有巨大的经济损失而且对电力装置产生巨大的破坏，因此需要对窃电行为进行准确检测，及时发现窃电行为，减少电力企业损失。
[0003]现有的窃电行为检测方法大多采用人工进行现场稽查，但是这种方法通常会消耗电力公司大量的人力和物力且效率低下。随着智能电网的发展，高级量测体系(advanced metering infrastructure，AMI)在电力公司应用，使得智能化的检测方法逐步使用，但是现有的方法准确度不高且模型复杂。
专利
技术实现思路

本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进深度卷积神经网络的窃电行为检测方法，其特征在于，包括以下步骤：对用户用电量的原始数据进行预处理；将预处理后的数据分为以天为单位的一维数据和以周为单位的二维数据；在所述一维数据中添加注意力模块，再通过长度为α的全连接层得到宽度部分；将所述二维数据先通过R层空洞卷积，然后添加注意力模块，最后通过池化层以及长度为β的全连接层得到卷积神经网络部分；将所述宽度部分和所述卷积神经网络部分采用Focal Loss作为损失函数对网络进行训练；通过sigmoid函数对用电用户进行分类，从而得出用户是否窃电的结果。2.根据权利要求1所述的基于改进深度卷积神经网络的窃电行为检测方法，其特征在于，对用户用电量的原始数据进行预处理包括以下方式中的至少一种：将赘余的数据进行过滤；对离群值进行修复；对原始数据进行缺失值处理。3.根据权利要求2所述的基于改进深度卷积神经网络的窃电行为检测方法，其特征在于，所述对离群值进行修复采用的公式为：其中：σ(X
i
)表示为向量X
i
的标准差；x
i
为某用户在一个周期内的电力消耗值；NaN表示x
i
为非数值符号或0时的值。4.根据权利要求2所述的基于改进深度卷积神经网络的窃电行为检测方法，其特征在于，所述对原始数据进行缺失值处理采用的公式为：其中：mean(X
i
)表示为向量X
i
的平均值；x
i
...

【专利技术属性】
技术研发人员：卿柏元，李金瑾，陈珏羽，蒋雯倩，唐志涛，龙伟杰，颜丹丹，杨舟，林秀清，黄柯颖，韦杏秋，包岱远，陈俊，
申请(专利权)人：广西电网有限责任公司，
类型：发明
国别省市：