一种基于自注意力编码与GSA优化分类的窃电检测方法技术

本申请提供一种基于自注意力编码与GSA优化分类的窃电检测方法，涉及异常检测技术领域，解决了现有技术中人工规则依赖性强、静态特征建模能力有限及时序依赖建模不足的技术问题。该方法通过编码模型对待测筛选矩阵进行特征提取和分类，得到特征向量；将特征向量与基准模板库中的基准向量进行差异度计算，得到特征差异度；将特征差异度进行变换处理后，与特征向量进行加权融合，得到加权特征向量；将加权特征向量输入最优分类器，得到异常结果；本申请用于窃电检测过程中，通过自注意力编码与GSA优化分类实现无硬件依赖的高精度窃电检测。

【技术实现步骤摘要】

本申请涉及异常检测，尤其涉及一种基于自注意力编码与gsa优化分类的窃电检测方法。

技术介绍

1、电力系统中的用户窃电行为造成巨额非技术性损耗，每年因窃电导致的直接经济损失给企业带来巨大损失。此类行为不仅破坏电力计量公平性，更引发连锁性技术风险，包括变压器异常过载、区域电压失稳甚至配网设备烧毁，已成为电网安全运营的核心威胁。

2、当前传统检测方法存在显著局限：阈值分析法基于历史电量设定偏差阈值，触发异常告警，该方法依赖人工经验规则，对渐变式窃电模式识别失效且误报率过高；统计模型法通过采用支持向量机或者随机森林等传统机器学习方法分析用电曲线统计特征，但传统机器学习的输入数据为一维数据，只能提取静态特征难以捕捉长周期用电时序关联；基础深度学习法应用卷积神经网络或循环神经网络学习用电序列，但难以建模跨时段远程依赖或无法自适应聚焦高可疑时段。

技术实现思路

1、本申请提供一种基于自注意力编码与gsa优化分类的窃电检测方法，解决了现有技术中人工规则依赖性强、静态特征建模能力有限及时序依赖建模不足的技术问题。<本文档来自技高网...

【技术保护点】

1.一种基于自注意力编码与GSA优化分类的窃电检测方法，其特征在于，

2.根据权利要求1所述的方法，其特征在于，所述待测时序矩阵为：

3.根据权利要求2所述的方法，其特征在于，所述变异系数的获取方法，包括：

4.根据权利要求1所述的方法，其特征在于，所述编码模型的构建方式，包括：

5.根据权利要求4所述的方法，其特征在于，所述根据电量数据的时间为各用户构建时序矩阵，包括：

6.根据权利要求5所述的方法，其特征在于，所述根据获取训练用户的电量数据的日期构建日历特征矩阵，包括：

7.根据权利要求4所述的方法，其特征在于，...

【技术特征摘要】

1.一种基于自注意力编码与gsa优化分类的窃电检测方法，其特征在于，

2.根据权利要求1所述的方法，其特征在于，所述待测时序矩阵为：

3.根据权利要求2所述的方法，其特征在于，所述变异系数的获取方法，包括：

4.根据权利要求1所述的方法，其特征在于，所述编码模型的构建方式，包括：

5.根据权利要求4所述的方法，其特征在于，所述根据电量数据的时间为各用户构建时序矩阵，包括：

6.根据权利要求5所述的方法，其特征在于，所述根据获取训练用户的电量数据的日期构建日历特征矩阵，包括：

7.根据权利要求4所述的方法，其特征在于，所述初步编码模型包括：输入层、若干层transformer...

【专利技术属性】
技术研发人员：王金健，沈晓枉，郏琨琪，李中豪，王若华，郭秉涛，杨子杰，许宁照，龚新程，黄翔云，
申请(专利权)人：国网上海市电力公司，
类型：发明
国别省市：