专利交易市场

本发明公开了一种动态生成的残差图卷积神经网络的窃电检测方法，包括以下步骤：（1）收集电力系统中用户电力消费原始数据；（2）对原始数据进行缺失补充、异常值处理并划分训练集、验证集和测试集；（3）将预处理后的一维电力负荷曲线变换为二维电力负荷特征矩阵，以输入图卷积神经网络；（4）通过训练获得最佳参数以获得最能代表数据关系的邻接矩阵A；（5）将特征矩阵X和邻接矩阵A送入残差图卷积神经网络中提取潜在特征，通过池化层与全连接层得到最终分类；本发明通过动态学习用户用电周期之间的深层时间依赖关系、周期模式和潜在特征，提升了窃电检测领域的精度。所采用的数据补充方法有效缓解了现实世界中的数据不平衡问题。

本发明公开了一种窃电检测方法及系统，包括：获取用户历史的用电因子和窃电标签；根据用户历史的用电因子和窃电标签，建立用于窃电检测的CBOW模型；获取用户当前的用电因子；将用户当前的用电因子输入到该用于窃电检测的CBOW模型中，获取该用户出现窃电和不窃电的条件概率；根据该用户窃电和不窃电出现的条件概率计算窃电嫌疑概率，进而判断出窃电行为。本发明的CBOW模型可适用于大批量的数据处理，而且根据大批量的历史用电因子和窃电标签建立的CBOW模型，大大提高了检测的准确率，提高了数据的处理能力。