【技术实现步骤摘要】
一种基于深度学习的电力数据安全管理系统
[0001]本专利技术涉及电力数据管理领域，更具体地说，它涉及一种基于深度学习的电力数据安全管理系统。
技术介绍
[0002]为了保证供电安全，供电公司目前通过营销稽查人员、用电检查人员开展用户用电情况检查窃电用户。现有技术通过采集终端数据来计算表示用户用电量趋势用电量指标和线损趋势的线损类指标，然后输入线性回归模型来判断用户是否存在窃电情况，线路老化的情况下，线损会伴随用户所在线路的总负荷的产生较大的波动，线路单个窃用户电量比较小的情况下窃电对于线路线损的影响较小，导致线损类指标体现的并非是窃电量导致的线损变化趋势，导致窃电用户的误判。
技术实现思路
[0003]本专利技术提供一种基于深度学习的电力数据安全管理系统，解决相关技术中窃电用户的误判的技术问题。
[0004]本专利技术提供了一种基于深度学习的电力数据安全管理系统，包括：
[0005]用户数据采集模块，其用于从历史数据中采集用户数据和线路数据；
[0006]步骤S1，生成采集窗口，将采...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种基于深度学习的电力数据安全管理系统，其特征在于，包括：用户数据采集模块，其用于从历史数据中采集用户数据和线路数据；采集用户数据的方法包括：步骤S1，生成采集窗口，将采集窗口映射到历史的日期时间轴的一个位置，采集窗口的宽度为F天，初始化移动次数为1；步骤S2，采集窗口采集连续的F天的历史数据来获得用户数据和线路数据；步骤S3，如果移动次数小于R，则向后滑移采集窗口N天，并累加移动次数1，然后范围步骤S2，否则终止步骤；用户数据是同一条线路上的用户的用户数据；用户特征生成模块，其用于基于用户数据生成用户特征；第R次的窗口期内的用户数据生成的用户特征表示为：,其中分别表示第i个用户的第R次的采集窗口的第F天的平均负荷和用电量，表示第j个用户的平均负荷权重参数，表示第j个用户的用电量权重参数；第一特征序列生成模块，其用于基于用户特征和线路特征生成第一特征序列；第i个用户的第一特征序列表示为：，表示其中第R个序列单元，，CONCAT表示拼接向量；用户是否窃电判别模块，其将第i个用户的第一特征序列输入LSTM模型，LSTM模型的输出连接一个分类器，分类器输出两个分类标签，分别表示为第i个用户存在窃电行为和第i个用户不存在窃电行为。2.根据权利要求1所述的一种基于深度学习的电力数据安全管理系统，其特征在于，步骤S1采集窗口的第一天映射的历史的日期时间轴的位置是距离当前日期20天的位置。3.根据权利要求1所述的一种基于深度学习的电力数据安全管理系统，其特征在于，第t个LSTM单元的运算过程如下：遗忘门的计算公式如下：，输入门的计算公式如下：，中间状态可表示为下式：
，输出状态表示为下式：,输出门表示为下式：，输出可表示为下式：，定义，表示第t个第一特征序列的序列单元，表示第t
技术研发人员：冯浩，郭峰，邱爽，焦翰琳，张先飞，张雄，童永飞，张晨燕，周煜廷，黄诚轩，廖荣涛，刘芬，王逸兮，罗弦，叶宇轩，
申请(专利权)人：国网湖北省电力有限公司信息通信公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。