窃电检测方法、装置、设备、介质和程序产品制造方法及图纸

本申请涉及一种窃电检测方法、装置、设备、介质和程序产品。所述方法包括：获取多个待检测的目标用电用户的用电负荷数据和窃电标签数据；对所述用电负荷数据进行聚类处理，并对所述用电负荷数据进行第一次分类处理，根据聚类处理的结果和第一次分类处理的结果对所述窃电标签数据进行第一次更新处理；对所述用电负荷数据进行第二次分类处理，根据第二次分类处理的结果对第一次更新处理后的窃电标签数据进行第二次更新处理；根据第二次更新处理后的窃电标签数据识别窃电用户。本申请通过对用电负荷数据进行聚类处理与第一次分类处理、第二次分类处理，并根据窃电标签数据识别窃电用户的方式，实现了自动化窃电检测，进而提高了窃电检测的准确度。窃电检测的准确度。窃电检测的准确度。

【技术实现步骤摘要】
窃电检测方法、装置、设备、介质和程序产品


[0001]本申请涉及数据挖掘
，特别是涉及一种窃电检测方法、装置、设备、介质和程序产品。

技术介绍

[0002]电能对国民经济的发展和人民生活质量的提高具有非常重要的作用，是国家和社会维持稳定运作的基石，窃电会给国家和电力企业造成了巨大的经济损失，同时也给电网的运作带来了极大安全隐患。然而，近年来随着科技的发展，各种高科技窃电行为层出不穷，窃电手段也越来越隐蔽，这给电力企业的窃电检测工作带来了极大的挑战。
[0003]传统的窃电检测方法主要以人工检测及传感器探测为主，但该检测方法不仅高度依赖传感器的准确度，而且人工检测存在误判、漏判等风险，因此，传统的窃电检测方法存在窃电检测的准确度较低的问题。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够提高窃电检测的准确度的窃电检测方法、装置、设备、介质和程序产品。
[0005]第一方面，本申请提供了一种窃电检测方法。该方法包括：获取多个待检测的目标用电用户的用电负荷数据和窃电标签数据；对用电负荷数据进行聚类处理，并对用电负荷数据进行第一次分类处理，根据聚类处理的结果和第一次分类处理的结果对窃电标签数据进行第一次更新处理；对用电负荷数据进行第二次分类处理，根据第二次分类处理的结果对第一次更新处理后的窃电标签数据进行第二次更新处理；根据第二次更新处理后的窃电标签数据识别窃电用户。
[0006]在其中一个实施例中，聚类处理的结果包括多个聚类簇，根据聚类处理的结果和第一次分类处理的结果对窃电标签数据进行第一次更新处理，包括：从多个聚类簇中确定窃电嫌疑聚类簇；根据第一次分类处理的结果确定属于窃电类型的用电用户；对窃电嫌疑聚类簇对应的用电用户以及属于窃电类型的用电用户的窃电标签数据进行更新处理。
[0007]在其中一个实施例中，从多个聚类簇中确定窃电嫌疑聚类簇，包括：将多个聚类簇中对应的用电用户数量最少的聚类簇确定为窃电嫌疑聚类簇。
[0008]在其中一个实施例中，对用电负荷数据进行第一次分类处理，包括：将用电负荷数据输入至SVM
‑
KNN分类器中，以由SVM
‑
KNN分类器对用电负荷数据进行第一次分类处理。
[0009]在其中一个实施例中，对用电负荷数据进行第二次分类处理，包括：将用电负荷数据输入至CNN网络模型中，得到CNN网络模型输出的特征数据；将特征数据输入至LSTM网络模型中，得到LSTM网络模型输出的第二次分类处理的结果。
[0010]在其中一个实施例中，获取电力系统中多个用电用户的历史用电数据；以历史用电数据作为训练样本训练CNN网络模型和LSTM网络模型。
[0011]在其中一个实施例中，根据第二次分类处理的结果对第一次更新处理后的窃电标
签数据进行第二次更新处理，包括：根据第二次分类处理的结果确定属于窃电类型的用电用户；对属于窃电类型的用电用户的窃电标签数据进行更新处理。
[0012]在其中一个实施例中，获取多个待检测的用电用户的用电负荷数据，包括：获取多个目标用电用户的初始用电负荷数据；对初始用电负荷数据进行数据预处理，得到用电负荷数据；其中，数据预处理包括数据清洗处理、删减特征、特征缩放处理。
[0013]第二方面，本申请还提供了一种窃电检测装置。该装置包括：获取模块，用于获取多个待检测的目标用电用户的用电负荷数据和窃电标签数据；第一处理模块，用于对用电负荷数据进行聚类处理，并对用电负荷数据进行第一次分类处理，根据聚类处理的结果和第一次分类处理的结果对窃电标签数据进行第一次更新处理；第二处理模块，用于对用电负荷数据进行第二次分类处理，根据第二次分类处理的结果对第一次更新处理后的窃电标签数据进行第二次更新处理；判别模块，用于根据第二次更新处理后的窃电标签数据识别窃电用户。
[0014]在其中一个实施例中，聚类处理的结果包括多个聚类簇，第一处理模块，用于从多个聚类簇中确定窃电嫌疑聚类簇；根据第一次分类处理的结果确定属于窃电类型的用电用户；对窃电嫌疑聚类簇对应的用电用户以及属于窃电类型的用电用户的窃电标签数据进行更新处理。
[0015]在其中一个实施例中，第一处理模块，还用于将多个聚类簇中对应的用电用户数量最少的聚类簇确定为窃电嫌疑聚类簇。
[0016]在其中一个实施例中，第一处理模块，还用于将用电负荷数据输入至SVM
‑
KNN分类器中，以由SVM
‑
KNN分类器对用电负荷数据进行第一次分类处理。
[0017]在其中一个实施例中，第二处理模块，用于将用电负荷数据输入至CNN网络模型中，得到CNN网络模型输出的特征数据；将特征数据输入至LSTM网络模型中，得到LSTM网络模型输出的第二次分类处理的结果。
[0018]在其中一个实施例中，第二处理模块，还用于获取电力系统中多个用电用户的历史用电数据；以历史用电数据作为训练样本训练CNN网络模型和LSTM网络模型。
[0019]在其中一个实施例中，第二处理模块，还用于根据第二次分类处理的结果确定属于窃电类型的用电用户；对属于窃电类型的用电用户的窃电标签数据进行更新处理。
[0020]在其中一个实施例中，获取模块，还用于获取多个目标用电用户的初始用电负荷数据；对初始用电负荷数据进行数据预处理，得到用电负荷数据；其中，数据预处理包括数据清洗处理、删减特征、特征缩放处理。
[0021]第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行该计算机程序时实现上述第一方面任一项所述的方法的步骤。
[0022]第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述第一方面中任一项所述的方法的步骤。
[0023]第五方面，本申请还提供了一种计算机程序产品，该计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面中任一项所述的方法的步骤。
[0024]上述窃电检测方法、装置、设备、介质和程序产品，通过获取多个待检测的目标用电用户的用电负荷数据和窃电标签数据，然后对用电负荷数据进行聚类处理，并对用电负
荷数据进行第一次分类处理，根据聚类处理的结果和第一次分类处理的结果对窃电标签数据进行第一次更新处理，再对用电负荷数据进行第二次分类处理，根据第二次分类处理的结果对第一次更新处理后的窃电标签数据进行第二次更新处理，最后根据第二次更新处理后的窃电标签数据识别窃电用户。本申请通过对用电负荷数据进行聚类处理与第一次分类处理、第二次分类处理，并根据窃电标签数据识别窃电用户的方式，实现了自动化窃电检测，避免了人工误判和漏判的风险，进而提高了窃电检测的准确度。
附图说明
[0025]图1为一个实施例中一种窃电检测方法的流程示意图；
[0026]图2为一个实施例中一种LSTM网络模型的结构图；
[0027]图3为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种窃电检测方法，其特征在于，所述方法包括：获取多个待检测的目标用电用户的用电负荷数据和窃电标签数据；对所述用电负荷数据进行聚类处理，并对所述用电负荷数据进行第一次分类处理，根据聚类处理的结果和第一次分类处理的结果对所述窃电标签数据进行第一次更新处理；对所述用电负荷数据进行第二次分类处理，根据第二次分类处理的结果对第一次更新处理后的窃电标签数据进行第二次更新处理；根据第二次更新处理后的窃电标签数据识别窃电用户。2.根据权利要求1所述的方法，其特征在于，所述聚类处理的结果包括多个聚类簇，所述根据聚类处理的结果和第一次分类处理的结果对所述窃电标签数据进行第一次更新处理，包括：从所述多个聚类簇中确定窃电嫌疑聚类簇；根据所述第一次分类处理的结果确定属于窃电类型的用电用户；对所述窃电嫌疑聚类簇对应的用电用户以及属于窃电类型的用电用户的窃电标签数据进行更新处理。3.根据权利要求2所述的方法，其特征在于，所述从所述多个聚类簇中确定窃电嫌疑聚类簇，包括：将所述多个聚类簇中对应的用电用户数量最少的聚类簇确定为所述窃电嫌疑聚类簇。4.根据权利要求2所述的方法，其特征在于，所述对所述用电负荷数据进行第一次分类处理，包括：将所述用电负荷数据输入至SVM
‑
KNN分类器中，以由所述SVM
‑
KNN分类器对所述用电负荷数据进行第一次分类处理。5.根据权利要求1所述的方法，其特征在于，所述对所述用电负荷数据进行第二次分类处理，包括：将所述用电负荷数据输入至CNN网络模型中，得到所述CNN网络模型输出的特征数据；将所述特征数据输入至LSTM网络模型中，得到所述LSTM网络模型输出的第二次分类处理的结果。6.根据权利要求5所述的方法，其特征在于，所述方法还包括：获取电力系统中多个...

【专利技术属性】
技术研发人员：张玮，耿博，杨祥勇，温克欢，孙文静，
申请(专利权)人：深圳供电局有限公司，
类型：发明
国别省市：