[发明专利]一种低压配电网窃电用户检测方法和装置

权利要求书

1.一种低压配电网窃电用户检测方法，其特征在于，包括：

获取待检测用户数据并对待检测用户数据进行预处理；

对经过预处理的待检测用户数据进行特征提取，得到待检测用户特征数据集；

将待检测用户特征数据集输入到预先训练好的Wide and Deep模型进行检测，得到窃电用户。

2.根据权利要求1所述的一种低压配电网窃电用户检测方法，其特征在于，所述对待检测用户数据进行预处理，具体为：

获取待检测区域的用户用电量数据，对极大异常值和空值进行数据修正。

3.根据权利要求1所述的一种低压配电网窃电用户检测方法，其特征在于，对经过预处理的待检测用户数据进行特征提取，得到待检测用户特征数据集，具体为：

将经过预处理的待检测用户数据输入堆栈降噪自编码器中进行数据处理，得到待检测用户特征数据集；其中，堆栈降噪自编码器包括由多个降噪自编码器堆叠而成，上一个降噪自编码器的输出为下一个降噪自编码器的输入，将最后一个降噪自编码器的输出作为待检测用户特征数据集。

4.根据权利要求3所述的一种低压配电网窃电用户检测方法，其特征在于，所述堆栈降噪自编码器的数据处理步骤包括：

将经过预处理的待检测用户数据记为数据集G，数据集G通过编码器的编码函数h变换为编码特征y，G与y的转换关系为：y＝_θ(G)＝s(WG+b)；其中，s是神经网络的激励函数，θ＝{W，b}为参数集合；W是参数权重，b是偏执值；

通过解码函数g计算得到数据集G的重构数据：其中，为重构数据集，W′为权重系数，b′为偏执系数，θ′＝{W′，b′}为解码函数g的参数集合。

5.根据权利要求4所述的一种低压配电网窃电用户检测方法，其特征在于，所述堆栈降噪自编码器的优化目标函数为：

参数θ和θ′以优化目标函数的值最小为目标进行优化，目标优化函数值最小时得到的y是获取了数据集G大部分特征的待检测用户特征数据集。

6.根据权利要求4所述的一种低压配电网窃电用户检测方法，其特征在于，降噪自编码器的优化目标函数为

其中，α为降噪维度重构代价权重，β为未降噪维度重构代价权重，G为原始输入，G_j为原始数据集G的第j个元素，n为原始数据集G的元素个数，z为重构数据集，其是通过在原始数据集G中随机选取若干元素置0，通过权利要求4所述的编码函数与解码函数计算得到的重构数据，zj为重构数据集的第j个元素。

7.根据权利要求1所述的一种低压配电网窃电用户检测方法，其特征在于，所述Wideand Deep模型的训练方法包括：

获取模型训练区域中带窃电标签的低压用户日用电量数据和正常用户日用电量数据；

对获取到的低压用户日用电量数据和正常用户日用电量数据中的极大异常值和空值进行数据修正，对日用电量零值数据不处理；

数据修正后得到窃电用户数据集和正常用户数据集；

将窃电用户数据集和正常用户数据集输入到堆栈降噪自编码器进行特征提取，得到第一训练特征集和第二训练特征集；

将第一训练特征集和第二训练特征集输入到Wide and Deep模型进行训练，得到可以用于窃电用户检测的模型。

8.根据权利要求7所述的一种低压配电网窃电用户检测方法，其特征在于，所述Wideand Deep模型具体为：

Wide模型为逻辑回归模型，Wide模型表达式为：y＝w^Tx+b：

其中，y是预测值，x＝[x₁，x₂，...，x_d]是d个特征向量，w＝[w₁，w₂，...，w_d]为模型参数，b为预测偏差；

Deep模型为深度神经网络，包括输入层、隐含层和输出层。