一种基于时频特征与长短期记忆网络的窃电行为识别方法技术

本发明专利技术提供了一种基于时频特征与长短期记忆网络的窃电行为识别方法，先采集已知的正常用户与窃电用户的用电量时序数据，并将正常用户与窃电用户的用电量时序数据中提取瞬时频率信号与谱熵信号，形成二维时序数据，并对每组数据对应的用户类型进行编码，通过建立基于长短期记忆网络的分类模型，以二维时序数据作为长短期记忆网络的分类模型的训练集输入，以二维时序数据对应的用户类型编码作为训练集输出，形成分类模型，对待识别的用户的用电量时序数据提取瞬时频率信号与谱熵信号得到二维时序数据，直接输入至分类模型，通过输出的用户类型编码对窃电行为进行识别，提高了对窃电行为识别的效率与准确性。窃电行为识别的效率与准确性。窃电行为识别的效率与准确性。

【技术实现步骤摘要】
一种基于时频特征与长短期记忆网络的窃电行为识别方法


[0001]本专利技术涉及电网用户窃电行为识别领域，具体为一种基于时频特征与长短期记忆网络的窃电行为识别方法。

技术介绍

[0002]目前，窃电事件层出不穷，窃电手段也日新月异，窃电事件的发生无论对于电力系统还是社会发展都危害极大。为规范用电用户管理、推动电力工业良性发展，及时地识别窃电行为势在必行。
[0003]近年来，随着电网信息化的不断推进，利用电网历史数据进行窃电行为检测成为了研究的热点。相关研究学者利用智能算法建立电网历史数据与窃电行为的关联性，部分研究学者提出了将逻辑回归应用到窃电检测的思想，但该方法因涉及多次迭代计算而十分冗杂；另有部分研究学者通过增加特征输入提升模型的准确度，但选取哪些特征仍存在较大争议；一些研究学者结合多特征的聚类算法建立窃电行为检测模型，但该模型阈值最佳值的确定缺乏理想的算法来实现；也有研究学者提出利用深度学习的算法完成窃电行为的检测，但其特征如何选取仍不明确，在样本数量不足、参数不合适的情况下难以取得准确的检测结果。综上所述，目前缺乏简单易行且准确可靠的窃电行为识别方法。

技术实现思路

[0004]针对现有技术中存在的问题，本专利技术提供一种基于时频特征与长短期记忆网络的窃电行为识别方法，该方法简单易行且准确可靠，在用户用电量时序数据中提取相应的瞬时频率信号与谱熵信号，并建立基于长短期记忆网络的分类模型，将该瞬时频率信号与谱熵信号作为分类模型的二维特征输入，用户窃电与否的信息作为分类模型的输出结果。/>[0005]本专利技术是通过以下技术方案来实现：
[0006]一种基于时频特征与长短期记忆网络的窃电行为识别方法，包括如下步骤：
[0007]步骤1，采集正常用户与窃电用户的用电量时序数据；
[0008]步骤2，在正常用户与窃电用户的用电量时序数据中提取瞬时频率信号与谱熵信号，形成二维时序数据，并对每组数据对应的用户类型进行编码，得到用户类型编码，其中正常用户类型编码为0；窃电用户类型编码为1；所述二维时序数据与每组数据对应的用户类型编码形成训练样本；
[0009]步骤3，建立基于长短期记忆网络的分类模型，以步骤2中的二维时序数据作为长短期记忆网络的分类模型的训练集输入，以二维时序数据对应的用户类型编码作为训练集输出，展开分类模型训练以确定系数矩阵与偏执矩阵并计算出长短期记忆网络输出；
[0010]步骤4，取得待识别的用户的用电量时序数据，并在待识别的用户的用电量时序数据中提取瞬时频率信号与谱熵信号，形成二维时序数据，将二维时序数据输入至步骤3中的长短期记忆网络的分类模型中，长短期记忆网络的分类模型经计算后输出用户类型编码，通过用户类型编码识别窃电行为。
[0011]优选的，步骤1中，正常用户的用电量时序数据与窃电用户的用电量时序数据的样本数量相等。
[0012]优选的，用户的用电量为用户实时的用电功率数据或用户一段时间内用户用电量累计值。
[0013]优选的，步骤2中，正常用户与窃电用户的用电量时序数据中提取瞬时频率信号为随时间变化的参数，与信号演变过程中出现的频率平均值对应，计算方法如下：
[0014]估计正常用户与窃电用户的用电量信号的功率谱S(t,f)：
[0015][0016][0017]其中，x(t)为用户用电量信号，R
x
(τ)为用户用电量信号的自相关函数；T为时移长度；g(τ
‑
t)为傅里叶变换的窗口函数；f为频率；S(t,f)为功率谱；
[0018]将瞬时频率估计为输入信号时频分布的条件谱矩，通过正常用户与窃电用户的用电量信号的功率谱S(t,f)，计算估计瞬时频率：
[0019][0020]其中，t为时间；f为频率；f
inst
(t)为瞬时频率；S(t,f)为功率谱。
[0021]优选的，步骤2中，正常用户与窃电用户的用电量时序数据中提取谱熵信号为对信号谱功率分布的度量，谱熵信号将信号在频域中的归一化功率分布视为概率分布，并计算其信息熵，计算方法如下：
[0022]计算时间t处的概率分布，公式如下：
[0023][0024]其中，P(t,m)为概率分布；S(t，m)为；S(t，f)为功率谱；
[0025]根据时间t处的概率分布，计算时间t处的瞬时谱熵信号，公式如下：
[0026][0027]其中，H(t)为信号的瞬时谱熵；P(t,m)为概率分布。
[0028]优选的，步骤2中，二维时序数据与每组数据对应的用户类型编码所形成训练样本进行定期更新，若更新获取有新的用户用电时序数据，则对新的用户用电时序数据提取瞬时频率信号与谱熵信号，形成二维时序数据，并对每组数据对应的用户类型进行编码，得到用户类型编码，并增加到原来的样本数据集中，再重新导入长短期记忆网络的分类模型训练；若没有更新新的用户用电时序数据，则训练样本直接导入长短期记忆网络的分类模型训练。
[0029]优选的，步骤3中，基于长短期记忆网络的分类模型利用遗忘门、输入门以及输出门的原理在每一单元内进行信息时序信息读取、传递与筛选并对时序数据进行模式识别。
[0030]优选的，步骤3中，长短期记忆网络输出的计算公式如下：
[0031][0032]其中：为t时刻的长短期记忆网络的输出，W
y
为输出更新的系数矩阵， b
y
为输出更新的偏置矩阵；h(t)为本单元的隐藏状态；σ为sigmoid激活函数。
[0033]与现有技术相比，本专利技术具有以下有益的技术效果：
[0034]本专利技术提供了一种基于时频特征与长短期记忆网络的窃电行为识别方法，先采集已知的正常用户与窃电用户的用电量时序数据，并将正常用户与窃电用户的用电量时序数据中提取瞬时频率信号与谱熵信号，形成二维时序数据，并对每组数据对应的用户类型进行编码，通过建立基于长短期记忆网络的分类模型，以二维时序数据作为长短期记忆网络的分类模型的训练集输入，以二维时序数据对应的用户类型编码作为训练集输出，形成分类模型，对待识别的用户的用电量时序数据提取瞬时频率信号与谱熵信号得到二维时序数据，直接输入至分类模型，通过输出的用户类型编码对窃电行为进行识别，提高了对窃电行为识别的效率与准确性。
附图说明
[0035]图1为本专利技术中正常用户与窃电用户的用电量时序数据生成的曲线图；
[0036]图2为本专利技术中长短期记忆网络结构图；
[0037]图3为本专利技术中基于时频特征与长短期记忆网络的窃电行为识别流程图。
具体实施方式
[0038]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时频特征与长短期记忆网络的窃电行为识别方法，其特征在于，包括如下步骤：步骤1，采集正常用户与窃电用户的用电量时序数据；步骤2，在正常用户与窃电用户的用电量时序数据中提取瞬时频率信号与谱熵信号，形成二维时序数据，并对每组数据对应的用户类型进行编码，得到用户类型编码，其中正常用户类型编码为0；窃电用户类型编码为1；所述二维时序数据与每组数据对应的用户类型编码形成训练样本；步骤3，建立基于长短期记忆网络的分类模型，以步骤2中的二维时序数据作为长短期记忆网络的分类模型的训练集输入，以二维时序数据对应的用户类型编码作为训练集输出，展开分类模型训练以确定系数矩阵与偏执矩阵并计算出长短期记忆网络输出；步骤4，取得待识别的用户的用电量时序数据，并在待识别的用户的用电量时序数据中提取瞬时频率信号与谱熵信号，形成二维时序数据，将二维时序数据输入至步骤3中的长短期记忆网络的分类模型中，长短期记忆网络的分类模型经计算后输出用户类型编码，通过用户类型编码识别窃电行为。2.根据权利要求1所述的一种基于时频特征与长短期记忆网络的窃电行为识别方法，其特征在于，步骤1中，正常用户的用电量时序数据与窃电用户的用电量时序数据的样本数量相等。3.根据权利要求1所述的一种基于时频特征与长短期记忆网络的窃电行为识别方法，其特征在于，用户的用电量为用户实时的用电功率数据或用户一段时间内用户用电量累计值。4.根据权利要求1所述的一种基于时频特征与长短期记忆网络的窃电行为识别方法，其特征在于，步骤2中，正常用户与窃电用户的用电量时序数据中提取瞬时频率信号为随时间变化的参数，与信号演变过程中出现的频率平均值对应，计算方法如下：估计正常用户与窃电用户的用电量信号的功率谱S(t,f)：窃电用户的用电量信号的功率谱S(t,f)：其中，x(t)为用户用电量信号，R
x
(τ)为用户用电量信号的自相关函数；T为时移长度；g(τ
‑
t)为傅里叶变换的窗口函数；f为频率；S(t,f)为功率谱；将瞬时频率估计为输入...

【专利技术属性】
技术研发人员：栾丛超，吴涛，杜保华，吴智群，黄廷辉，
申请(专利权)人：西安热工研究院有限公司，
类型：发明
国别省市：