本发明专利技术公开了一种配电系统的窃电检测方法、装置、设备和介质，配电系统与多个用电终端通信连接，方法包括：获取多个用电终端在相同周期内采集的用电数据，得到多个用电数据集；对各个用电数据集进行数据预处理，得到多个训练数据集；根据每个训练数据集所包含的窃电数据数量和正常数据数量，创建多个初始窃电检测模型；分别对各个训练数据集按照交叉验证比例进行划分，得到多组划分数据集；采用多组划分数据集分别对各个初始窃电检测模型分别进行训练，得到目标窃电检测模型；当接收到任一个用电终端发送的新用电数据时，采用目标窃电检测模型对新用电数据进行窃电检测，生成窃电判断结果，从而更为有效地提高窃电检测成功率。从而更为有效地提高窃电检测成功率。从而更为有效地提高窃电检测成功率。
【技术实现步骤摘要】
一种配电系统的窃电检测方法、装置、设备和介质
[0001]本专利技术涉及窃电检测
，尤其涉及一种配电系统的窃电检测方法、装置、设备和介质。
技术介绍
[0002]窃电是所有能源分配服务面临的一个大问题，窃电在给公共事业单位造成严重经济损失的同时，也会造成配电网长期故障，容易导致用电负荷过重，电力元件寿命缩短，进而影响了消费者用电设备的性能。此外，这些负荷增加了以化石燃料为基础的电力生产，从而增加了二氧化碳的排放。
[0003]近年来关于窃电检测技术的研究越来越多，但在大多数电表被篡改的位置，损坏的电表端子或非法应用程序在生产检查时无法被辨别。
[0004]为解决上述窃电检测的技术问题，有许多新的研究特别是使用基于支持向量机的分类器，还有一些研究是用人工神经网络来检测窃电。比如，利用几万个客户的部分不同时间间隔值的能耗数据进行支持向量机和规则引擎算法的训练；提出宽深度卷积神经网络模型检测智能电网中的窃电；利用多层感知器算法开发检测和识别配电系统窃电的新方法。还有学者提出统一的方法来检测两种不同的非法用电状态。为了确定盗电的类型，采用了基于概率神经网络的客户能耗模式分类方法的数学模型。利用所提出的方法，对窃电用户进行了低成功率的检测。但上述方法通常需要加入人工特征提取的操作，容易受到人工的主观判断，导致窃电检测成功率较低。
技术实现思路
[0005]本专利技术提供了一种配电系统的窃电检测方法、装置、设备和介质，解决了现有的窃电检测方法通常需要加入人工特征提取的操作，容易受到人工的主观判断，导致窃电检测成功率较低的技术问题。
[0006]本专利技术第一方面提供的一种配电系统的窃电检测方法，所述配电系统与多个用电终端通信连接，所述方法包括：
[0007]获取多个所述用电终端在相同周期内采集的用电数据，得到多个用电数据集；
[0008]对各个所述用电数据集进行数据预处理，得到多个训练数据集；
[0009]根据每个所述训练数据集所包含的窃电数据数量和正常数据数量，创建多个初始窃电检测模型；
[0010]分别对各个所述训练数据集按照交叉验证比例进行划分，得到多组划分数据集；
[0011]采用所述多组划分数据集分别对各个所述初始窃电检测模型分别进行训练，得到目标窃电检测模型；
[0012]当接收到任一个所述用电终端发送的新用电数据时，采用所述目标窃电检测模型对所述新用电数据进行窃电检测，生成窃电判断结果。
[0013]可选地，所述对各个所述用电数据集进行数据预处理，得到多个训练数据集的步
骤，包括：
[0014]遍历每个所述用电数据集，得到每个所述用电数据集对应的非数型数据数量、零数据数量和常规数据数量；
[0015]根据所述非数型数据数量、所述零数据数量和所述常规数据数量，从多个所述用电数据集中确定待更新数据集；
[0016]按照预设的非数型数据更新算法对每个所述待更新数据集内的非数型数据进行更新，得到多个中间数据集；
[0017]对每个所述中间数据集执行数据标准化，得到多个训练数据集。
[0018]可选地，所述根据所述非数型数据数量、所述零数据数量和所述常规数据数量，从多个所述用电数据集中确定待更新数据集的步骤，包括：
[0019]若所述用电数据集内的所述非数型数据数量大于所述常规数据数量的三分之一，则将所述用电数据集确定为所述待更新数据集；
[0020]若所述用电数据集内的所述非数型数据数量和所述零数据数量的和值大于所述常规数据数量的二分之一，则将所述用电数据集确定为所述待更新数据集；
[0021]更新所述待更新数据集的数量；
[0022]若所述用电数据集内的所述零数据数量大于待更新数据集的数量，则将所述用电数据集确定为所述待更新数据集。
[0023]可选地，所述非数型数据更新算法包括：
[0024][0025]其中，f(x
i
)为中间数据，NaN为非数型数据，n为正整数，x
j
为所述待更新数据集内的第j个待更新数据，x
i
为第i个非数型数据。
[0026]可选地，所述根据每个所述训练数据集所包含的窃电数据数量和正常数据数量，创建多个初始窃电检测模型的步骤，包括：
[0027]依次排列输入层、第一长短期记忆单元、第一Dropout层、第二长短期记忆单元、Flatten层、Dense层、第二Dropout层和softmax层，构建初始窃电检测模型；
[0028]根据每个所述训练数据集所包含的窃电数据数量和正常数据数量，按照预设的初始偏置值计算公式，确定所述初始窃电检测模型的模型参数；其中，所述初始偏置值计算公式为：b0＝
‑
log
e
(pos/neg)，pos为窃电数据数量，neg为正常数据数量；
[0029]获取所述训练数据集的总数据数量；
[0030]计算所述总数据数量与所述窃电数据数量的第一数量比值，将所述第一数量比值的二分值确定为所述初始窃电检测模型的损失函数对应的窃电数据调整权重；
[0031]计算所述总数据数量与所述正常数据数量的第二数量比值，将所述第二数量比值的二分值确定为所述初始窃电检测模型的损失函数对应的正常调整权重。
[0032]可选地，所述分别对各个所述训练数据集进行划分，得到多组划分数据集的步骤，包括：
[0033]基于每个所述训练数据集所包含的窃电数据数量与所述训练数据集的总数据数
量的比值，确定各个所述训练数据集对应的交叉验证比例；
[0034]按照各个所述交叉验证比例分别对各所述训练数据集进行划分，得到每个所述训练数据集对应的多组划分数据集。
[0035]可选地，所述采用所述多组划分数据集分别对各个所述初始窃电检测模型分别进行训练，得到目标窃电检测模型的步骤，包括：
[0036]采用所述多组划分数据集分别对各个所述初始窃电检测模型分别进行训练，得到多个窃电检测结果；
[0037]基于所述多个窃电检测结果的调和平均值和准确率，从多个所述初始窃电检测模型中选取目标窃电检测模型。
[0038]本专利技术第二方面提供了一种配电系统的窃电检测装置，所述配电系统与多个用电终端通信连接，所述装置包括：
[0039]用电数据集获取模块，用于获取多个所述用电终端在相同周期内采集的用电数据，得到多个用电数据集；
[0040]数据预处理模块，用于对各个所述用电数据集进行数据预处理，得到多个训练数据集；
[0041]初始模型构建模块，用于根据每个所述训练数据集所包含的窃电数据数量和正常数据数量，创建多个初始窃电检测模型；
[0042]数据集划分模块，用于分别对各个所述训练数据集按照交叉验证比例进行划分，得到多组划分数据集；
[0043]模型训练模块，用于采用所述多组划分数据集分别对各个所述初始窃电检测模型分别进行训练，得到目标窃电检测模型本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种配电系统的窃电检测方法，其特征在于，所述配电系统与多个用电终端通信连接，所述方法包括：获取多个所述用电终端在相同周期内采集的用电数据，得到多个用电数据集；对各个所述用电数据集进行数据预处理，得到多个训练数据集；根据每个所述训练数据集所包含的窃电数据数量和正常数据数量，创建多个初始窃电检测模型；分别对各个所述训练数据集按照交叉验证比例进行划分，得到多组划分数据集；采用所述多组划分数据集分别对各个所述初始窃电检测模型分别进行训练，得到目标窃电检测模型；当接收到任一个所述用电终端发送的新用电数据时，采用所述目标窃电检测模型对所述新用电数据进行窃电检测，生成窃电判断结果。2.根据权利要求1所述的方法，其特征在于，所述对各个所述用电数据集进行数据预处理，得到多个训练数据集的步骤，包括：遍历每个所述用电数据集，得到每个所述用电数据集对应的非数型数据数量、零数据数量和常规数据数量；根据所述非数型数据数量、所述零数据数量和所述常规数据数量，从多个所述用电数据集中确定待更新数据集；按照预设的非数型数据更新算法对每个所述待更新数据集内的非数型数据进行更新，得到多个中间数据集；对每个所述中间数据集执行数据标准化，得到多个训练数据集。3.根据权利要求2所述的方法，其特征在于，所述根据所述非数型数据数量、所述零数据数量和所述常规数据数量，从多个所述用电数据集中确定待更新数据集的步骤，包括：若所述用电数据集内的所述非数型数据数量大于所述常规数据数量的三分之一，则将所述用电数据集确定为所述待更新数据集；若所述用电数据集内的所述非数型数据数量和所述零数据数量的和值大于所述常规数据数量的二分之一，则将所述用电数据集确定为所述待更新数据集；更新所述待更新数据集的数量；若所述用电数据集内的所述零数据数量大于待更新数据集的数量，则将所述用电数据集确定为所述待更新数据集。4.根据权利要求2所述的方法，其特征在于，所述非数型数据更新算法包括：其中，f(x
i
)为中间数据，NaN为非数型数据，n为正整数，x
j
为所述待更新数据集内的第j个待更新数据，x
i
为第i个非数型数据。5.根据权利要求1所述的方法，其特征在于，所述根据每个所述训练数据集所包含的窃电数据数量和正常数据数量，创建多个初始窃电检测模型的步骤，包括：依次排列输入层、第一长短期记忆单元、第一Dropout层、第二长短期记忆单元、
Flatten层、Dense层、第二Dropout层和softmax层，构建初始窃电检测模型；根据每个所述训练数据集所包含的窃电数据数量和正常数据数量，按照预设的初始偏置值计算公式，确定所述...
【专利技术属性】
技术研发人员：徐迪，赵云，肖勇，蔡梓文，陆煜锌，尹绍阳，
申请(专利权)人：中国南方电网有限责任公司，
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。