[发明专利]一种基于神经网络的窃电识别方法

权利要求书

1.一种基于神经网络的窃电识别方法，其特征在于：所述方法包括，

S1：获取窃电告警数据；

S2：根据神经网络算法，通过处理所述窃电告警数据得到行为类型；

S3：将所述行为类型与实际的窃电行为进行比较，若所述行为类型与实际的窃电行为一致，则认定判断正确，输出所述行为类型；反之，则认定判断错误，修正所述神经网络。

2.根据权利要求1所述的窃电识别方法，其特征在于：所述神经网络采用历史窃电案例的数据作为训练样本，所述训练样本的输入节点有8个，为电能表停走告警数据、电能表示读下降告警数据、电能表端钮盒开启告警数据、电能表盖开启告警数据、电能表费率时段更改告警数据、电能表脉冲常数更改告警数据、用电趋势预测数据和计量差异告警数据；所述训练样本的输出节点为窃电与否的行为类型分类。

3.根据权利要求2所述的窃电识别方法，其特征在于：所述电能表停走告警数据以下列方式得到：

集中器终端采集电能表的当前电压、电流、功率因数计，计算出一定时间内的电量理论增量，并将其与实际抄读的电能表实际电量增量对比，若二者的差值不在一定误差范围内，则产生电能表停走告警信号。

4.根据权利要求2所述的窃电识别方法，其特征在于：所述电能表示读下降告警数据以下列方式得到：

集中器终端根据一定的抄表间隔抄读电能表的电能数据，并轮询电能表的正、反向有功总电量，若下一时刻抄到的电能数据小于上一时刻的电能数据，则产生电能表示度下降告警信号。

5.根据权利要求2所述的窃电识别方法，其特征在于：所述电能表端钮盒开启告警数据得到方式如下：

集中器终端周期性检测电能表端钮盒的开启次数，若开启次数发生变化，则产生电能表端钮盒开启告警信号；

所述电能表盖开启告警数据得到方式如下：

集中器终端周期性检测电能表开盖次数，若开盖次数发生变化，则产生电能表盖开启告警信号。

6.根据权利要求2所述的窃电识别方法，其特征在于：所述电能表费率时段更改告警数据得到方式如下：

集中器终端查询电能表所有费率时段，若检测到电能表的费率时段发生变化，则产生电能表费率时段更改告警信号；

所述电能表脉冲常数更改告警数据得到方式如下：

集中器终端查询电能表脉冲常数，若检测到脉冲常数发生变化，则产生电能表脉冲常数更改告警信号；

所述用电趋势预测数据得到方式如下：

集中器终端根据用户的历史用电曲线、用电习惯数据对未来用电量进行预测，得到用电趋势预测数据。

7.根据权利要求2所述的窃电识别方法，其特征在于：当集中器终端和电能表安装在同一电压电流回路中时，所述计量差异告警数据采用电量数据判断得到。

8.根据权利要求4所述的窃电识别方法，其特征在于：所述采用电量数据判断方式得到计量差异告警数据具体为：

当集中器终端在一段周期内计量的电量数据达到采用差动比例报警时设定的最小绝对差值时，于下一个抄表时刻抄读电能表电量，若集中器终端从起始时刻到下一个抄表时刻的终端电量与抄读的电能表电量差动比例大于差动比例报警阈值，则产生计量差异告警信号。

9.根据权利要求8所述的窃电识别方法，其特征在于：所述最小绝对差值等于集中器终端在额定功率情况下正常运行1个小时所走的电量；所述差动比例＝(电能表电量-终端电量)/终端电量；所述差动比例报警阈值去10％；所述抄表间隔取15min。

10.根据权利要求2所述的窃电识别方法，其特征在于：所述神经网络为BP神经网络；判断正确时输出的所述行为类型还被传输至主站进行报警提示。