申请/专利权人：国网江西综合能源服务有限公司;国家电网有限公司;华北电力大学

申请日：2021-08-23

公开（公告）日：2021-09-17

公开（公告）号：CN113408676A

主分类号：G06K9/62(20060101)

分类号：G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2021.10.08#实质审查的生效;2021.09.17#公开

摘要：本发明公开一种结合云端与边端的窃电用户识别方法及装置，方法包括：响应于获取边端的用户历史用电数据以及终端设备窃电记录，分别提取窃电识别评估指标和窃电标签，使形成训练数据集；基于训练数据集对组合分类模型进行训练，其中，组合分类模型为基于LightGBM子模型和神经网络子模型的组合模型；将某一用户实时用电数据输入组合分类模型中，输出某一用户的窃电嫌疑系数，使确定窃电嫌疑用户。通过边端服务器对数据进行预处理并生成窃电识别标签，降低了云端服务器的计算负担，提高计算效率与检测效率，并且采用LightGBM模型和BP神经网络的组合模型，加快了运算的速度并提高了分类的准确度。

主权项：1.一种结合云端与边端的窃电用户识别方法，其特征在于，包括：响应于获取边端的用户历史用电数据以及终端设备窃电记录，分别提取窃电识别评估指标和窃电标签，使形成训练数据集；基于所述训练数据集对组合分类模型进行训练，其中，所述组合分类模型为基于LightGBM子模型和神经网络子模型的组合模型，所述LightGBM子模型的构建过程具体如下：对数据集中的连续型特征进行预排序，并将连续的浮点数据转换为离散数据；基于特征数据生成决策树，综合考虑决策树的准确程度与决策树的复杂程度，定义决策树的目标函数计算如下式： ，式中，为计算决策树判断的准确程度，与分别为决策树的对数据集的标签预测值和数据集的标签实际值；为计算决策树的复杂程度，其中，，为叶子节点的数量，为不同叶子节点的权重向量，和均为正则项系数；采用损失函数的负梯度作为当前决策树的残差近似值，拟合新的决策树，每棵决策树拟合目标之间的关系如下式： ，式中，为第t棵树在数据集合上的预测结果，为前棵树整体的预测结果，为当前棵树的预测结果；根据第棵决策树的生成过程，定义目标函数如下式： ，对进行泰勒展开，定义一对一阶偏导函数为、二阶偏导函数为，将目标函数改写为： ，定义，，求解损失函数，得到叶子节点的最佳权重与简化的子树分枝评分函数，如下式： ，，对当前每一个叶子节点计算分割增益，选择当前最大增益的节点进行分割，直到决策树整体的目标函数值满足设定要求，第t棵决策树即生成完毕，其中，计算分割增益的表达式为： ，式中，表示对当前节点划分后，左边叶子节点分数，表示对当前节点划分后，右边叶子节点分数，表示对节点不分割时决策树的分数，表示加入新叶子节点引入的复杂度代价；基于已有的决策树集合，对特征值进行预测，得到当前t颗决策树的预测值，计算与真实值的差，并将其放入下一棵决策树的拟合目标中，直到生成的决策树数量满足设定值，或决策树集合整体的预测精度满足要求；将某一用户实时用电数据输入所述组合分类模型中，输出某一用户的窃电嫌疑系数，使确定窃电嫌疑用户。

全文数据：

权利要求：

百度查询： 国网江西综合能源服务有限公司;国家电网有限公司;华北电力大学 一种结合云端与边端的窃电用户识别方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD