[发明专利]一种基于SOM神经网络与K-均值聚类的窃电检测方法及系统

权利要求书

1.一种基于SOM神经网络与K-均值聚类的窃电检测方法，所述方法包括：

从用户负荷曲线中随机抽取数据作为训练样本，并对所述训练样本进行归一化处理，获取处理样本；

基于SOM神经网络对所述处理样本进行聚类，获取所述处理样本的聚类数和初始聚类中心；

将所述聚类数和所述初始聚类中心作为K-均值聚类的初始值，基于所述K-均值聚类对所述处理样本进行聚类，获取用户负荷特征曲线；

计算待检测用户负荷与其用户负荷特征曲线的欧式距离，获取所述待检测用户负荷与其用户负荷特征曲线的欧式距离；

当所述欧式距离大于预先设定的阈值时，则将所述用户判断为窃电嫌疑用户。

2.根据权利要求1所述的方法，所述从用户负荷曲线中随机抽取数据作为训练样本，并对所述训练样本进行归一化处理，获取处理样本，包括：

所述归一化处理的公式为：其中x_max为将所述训练样本中去掉最大值后所剩余的所述训练样本中的最大值，x_min为将所述训练样本中去掉最小值后所剩余的所述训练样本的最小值，x为训练样本，x^*为处理样本。

3.根据权利要求1所述的方法，包括：所述SOM神经网络的排列方式为4×4的二维拓扑结构。

4.根据权利要求1所述的方法，还包括：

对所述SOM神经网络的输出层各神经元权系数赋予随机数并进行归一化处理，得到w_j(j＝1,2,...,m)，建立初始优胜邻域和学习率η初始值；m为输出层神经元数目；w_j为输出层神经元权值；j为输出层神经元数目；

设置表示用户负荷的输入向量的集合为X＝[x₁,x₂,x₃,...,x_n]^T，并从用户负荷曲线数据中随机抽取n个样本作为训练集并进行归一化处理，得到处理样本X_p(p＝1,2,...,k)，k为输入层神经元数目；x₁，x₂，x₃，...，x_n为用户每15min所消耗的电能值；

计算X_P与w_j的点积，从中找到点积最大的获胜节点j；

设j^*为中心确定t时刻的权值调整域，一般初始领域较大，训练过程中随训练时间收缩；

对优胜领域内所有节点调整权值，权值训练公式为：

其中w_ij(t+1)为第t+1次迭代节点i至节点j的连接权值；w_ij(t)为第t次迭代节点i至节点j的连接权值；α(t，N)为训练时间和第j个神经元与获胜神经元j^*之间的拓扑距离N的函数；为输入向量第i个元素；j^*为获胜节点；为获胜节点的优胜领域。

5.根据权利要求1所述的方法，还包括：K-均值聚类的K值为SOM神经网络的聚类数，初始聚类中心为从SOM神经网络聚类结果中选取各类结果的均值作为初始聚类中心。

6.根据权利要求1所述的方法，所述计算待检测用户负荷与所述用户负荷特征曲线的欧式距离，计算公式为：

其中x_n表示待测用户的归一化电量；y_n表示用户特征曲线的归一化电量；x₁、x₂为待检测用户向量的第1，2个元素；y₁、y₂为负荷特征向量的第1，2个元素。