[发明专利]一种基于神经网络的窃电识别方法

说明书

本发明涉及一种基于神经网络的窃电识别方法，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。相对于现有技术，本发明提供的神经网络的窃电识别方法能有效提高窃电行为的识别准确度。

技术领域

本发明涉及电能表技术领域，尤其涉及一种基于神经网络的窃电识别方法。

背景技术

电能表使用过程中，如何对用户窃电行为进行识别判断是许多供电企业的棘手问题。目前识别窃电行为的方式大多只能根据一定的原始数据结合人工筛选和排查实现， 但采用该方法得到的判断结果往往不准确。

为了提高识别精准度，各个企业试图通过增加报警器件或摄像头对电能表进行监控，以减少人工筛选排查的错误几率，但该种方式增加了额外设备，致使投入费用大增， 造成得不偿失。

发明内容

鉴于上述问题，本发明的目的在于提供一种基于神经网络的窃电识别方法，该方法 能对窃电行为进行智能识别，而无需额外增加其他设备，具有很高的识别准确度。

为了实现上述目的，本发明采用的技术方案为：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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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：