[发明专利]识别窃电行为的方法及装置在审
| 申请号： | 202111322645.3 | 申请日： | 2021-11-09 |
| 公开（公告）号： | CN114186611A | 公开（公告）日： | 2022-03-15 |
| 发明（设计）人： | 谭磊;胡军星;肖婷婷;张君艳;陈博;宋冉冉;毛小强;张治明;宗朋朋;师朝阳;王云鹤;孙靖楠;李培勋;唐海彬;于杰华;廉鹏;程敏 | 申请（专利权）人： | 河南九域腾龙信息工程有限公司 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08;G01D21/02 |
| 代理公司： | 广东信达律师事务所 44801 | 代理人： | 宋晓云 |
| 地址： | 450000 河南*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 识别 行为 方法 装置 | ||
1.一种识别窃电行为的方法，其特征在于，包括：
获取二次回路电路的电路状态，基于所述电路状态分析得到回路巡检相关特性参数；
基于所分析得到的回路巡检相关特性参数来识别窃电行为。
2.根据权利要求1所述的方法，其特征在于，基于所分析得到的回路巡检相关特性参数来识别窃电行为包括：
将所述回路巡检相关特性参数输入到预先建立的神经网络模型中；
基于所述神经网络模型，根据所述回路巡检相关特性参数来识别窃电行为。
3.根据权利要求1所述的方法，其特征在于，所述神经网络模型是通过以下方法建立的：
预处理训练样本；
修正所述神经网络模型的权值和阈值；
基于所修正的权值和阈值以及处理后的所述训练样本来建立所述神经网络模型。
4.根据权利要求3所述的方法，其特征在于，预处理训练样本包括：
从所述训练样本中剔除异常数据；
从剔除所述异常数据的训练样本中发现缺失数据，并对所述缺失数据进行补充；
对补充了所述缺失数据的所述训练样本进行归一化处理。
5.根据权利要求4所述的方法，其特征在于，基于以下公式进行所述归一化处理：
其中，T表示时间周期，T是时间间隔t的倍数，n表示时间间隔t内的采集的样本数据的个数，xi，t表示在t时间间隔内所采集的第i个电流，xi，T表示在T时间周期内所采集的第i个电流。
6.一种识别窃电行为的装置，其特征在于，包括：
检测模块，被配置为检测二次回路电路的电路状态，基于所述电路状态分析得到回路巡检相关特性参数；
识别模块，被配置为基于所分析得到的回路巡检相关特性参数来识别窃电行为。
7.根据权利要求5所述的装置，其特征在于，所述识别模块还被配置为：
将所述回路巡检相关特性参数输入到预先建立的神经网络模型中；
基于所述神经网络模型，根据所述回路巡检相关特性参数来识别窃电行为。
8.根据权利要求7所述的装置，其特征在于，所述装置还包括模型建立模块，被配置为：
预处理训练样本；
修正所述神经网络模型的权值和阈值；
基于所修正的权值和阈值以及处理后的所述训练样本来建立所述神经网络模型。
9.根据权利要求8所述的装置，其特征在于，所述模型建立模块还被配置为：
从所述训练样本中剔除异常数据；
从剔除所述异常数据的训练样本中发现缺失数据，并对所述缺失数据进行补充；
对补充了所述缺失数据的所述训练样本进行归一化处理。
10.根据权利要求8所述的装置，其特征在于，基于以下公式进行所述归一化处理：
其中，T表示时间周期，T是时间间隔t的倍数，n表示时间间隔t内的采集的样本数据的个数，xi，t表示在t时间间隔内所采集的第i个电流，xi，T表示在T时间周期内所采集的第i个电流。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于河南九域腾龙信息工程有限公司，未经河南九域腾龙信息工程有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202111322645.3/1.html，转载请声明来源钻瓜专利网。
