[发明专利]一种基于大数据的疑似窃电用户识别装置及识别方法

说明书

本发明公开了一种基于大数据的疑似窃电用户识别装置及识别方法。所述装置包括样本数据输入模块和变结构神经网络窃电识别系统，其中，变结构神经网络窃电识别系统包括：样本数据检测模块、神经网络计算模块和用户分类模块；样本数据检测模块用于检测输入的用户用电信息参数的个数和种类；神经网络计算模块用于根据实际检测到的用电信息参数构建神经网络评估模型，并对用户的用电状态进行评估；用户分类模块用于根据评估结果对用户进行分类，以识别出疑似窃电用户。本发明的识别装置利用大数据来分析用户用电信息参数与窃电行为之间的关系，能够根据不同用户的不同输入参数构建变结构神经网络评估模型进行判断，从而可有效地识别出疑似窃电用户。

技术领域

本发明涉及电网安全技术领域，具体涉及一种基于大数据的疑似窃电用户识别装置及识别方法。

背景技术

人们对电力的需求随着时代与科技的进步而逐日增加，电力生产同样也随着市场对电力的需求而不断发展。与此同时，用户的窃电行为也成了不容忽视的问题，每年都会导致电力生产部门蒙受巨大的经济损失。更为重要的是，窃电用户往往会通过破坏电力设施来进行窃电，这种情况下，遭到破坏的电力设施除了直接造成电力生产部门的经济损失外，还很可能会由于电线外露等问题而导致触电事故以及电气火灾事故等的发生，从而造成人员伤亡事故和其他重大灾害事故等。

目前，为了识别窃电用户以便采取相关的措施，大多数电力生产部门采用的方法基本都是进行线路、用户用电数据的对比，然而，由于用户的用电数据海量且种类繁多，窃电手段也多样，前述比对方法不仅耗时耗力，且精准度也不高，尤其对于一些先进的窃电技术没有很好的识别手段，因而要识别疑似窃电用户是有很大难度的。

发明内容

基于上述现状，本发明的主要目的在于提供一种基于大数据的疑似窃电用户识别装置及识别方法，能够根据实际线路获得的用电信息数据自动评估用户的用电状态，从而方便地识别出疑似窃电用户。

为实现上述目的，本发明采用的技术方案如下：

一种基于大数据的疑似窃电用户识别装置，包括：

样本数据输入模块，用于输入采集到的用户用电信息参数；

变结构神经网络窃电识别系统，用于根据输入的用户用电信息参数，判断用户发生窃电行为的可能性；

其中，所述变结构神经网络窃电识别系统包括：样本数据检测模块、神经网络计算模块和用户分类模块；

所述样本数据检测模块用于检测输入的用户用电信息参数的个数和种类；

所述神经网络计算模块用于根据实际检测到的用电信息参数构建神经网络评估模型，并对用户的用电状态进行评估；

所述用户分类模块用于根据评估结果对用户进行分类，以识别出疑似窃电用户。

优选地，还包括核查单下发模块，用于接收所述变结构神经网络窃电识别系统的输出结果，并针对所述窃电疑似用户下发核查单。

优选地，所述样本数据输入模块以列表的方式输入用电信息参数，其中，所述列表的每一个列作为所述神经网络计算模块的一个输入向量。

优选地，所述神经网络计算模块包括输入层、隐含层和输出层，其中，所述输入层的节点数根据所述用电信息参数的个数自动确定，所述输出层的节点数为1。

优选地，所述神经网络计算模块中，隐含层节点的激活函数为Sigmoid型函数输出层节点的激活函数为线性函数RelU函数

优选地，所述神经网络计算模块的输出结果记为b_p，所述用户分类模块用于对所述输出结果作如下处理：