申请/专利权人：深圳供电局有限公司

申请日：2021-07-19

公开（公告）日：2024-03-19

公开（公告）号：CN113762332B

主分类号：G06F18/2411

分类号：G06F18/2411;G06N3/0464;G06N3/08;G06Q50/06;G01R22/06

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2021.12.24#实质审查的生效;2021.12.07#公开

摘要：本申请涉及一种窃电检测方法、装置、计算机设备和存储介质，适应于电力系统技术领域。该方法包括：获取用户的在预设时间段内的目标用电量数据；将目标用电量数据输入至预设辅助分类生成对抗模型中，输出目标用电量数据的类型；其中，预设辅助分类生成对抗模型中包括Pin‑SVM网络，Pin‑SVM网络用于对输入的目标用电量数据进行分类；目标用电量数据的类型包括正常用电量数据和窃电用电量数据；若目标用电量数据为窃电用电量数据，则发出报警信息，报警信息用于指示目标用电量数据为窃电用电量数据，对目标用电量数据进行检查。采用本方法能够提高工作效率。

主权项：1.一种窃电检测方法，其特征在于，所述方法包括：获取用户的在预设时间段内的目标用电量数据；将所述目标用电量数据输入至预设辅助分类生成对抗模型中，输出所述目标用电量数据的类型；其中，所述预设辅助分类生成对抗模型中包括Pin-SVM网络，所述Pin-SVM网络用于对输入的所述目标用电量数据进行分类；所述目标用电量数据的类型包括正常用电量数据和窃电用电量数据；若所述目标用电量数据为窃电用电量数据，则发出报警信息，所述报警信息用于指示所述目标用电量数据为窃电用电量数据，对所述目标用电量数据进行检查；所述预设辅助分类生成对抗模型中包括判别器，所述判别器中包括特征提取层和所述Pin-SVM网络，所述将所述目标用电量数据输入至预设辅助分类生成对抗模型中，输出所述目标用电量数据的类型，包括：将所述目标用电量数据输入至所述判别器，所述判别器中的所述特征提取层对所述目标用电量数据进行特征提取，得到提取后的特征；基于所述判别器中的所述Pin-SVM网络对提取后的所述特征进行分类，确实所述目标用电量数据的类型；所述预设辅助分类生成对抗模型的训练过程，包括：获取所述预设辅助分类生成对抗模型对应的训练集，所述训练集包括多个正常用电量数据训练样本以及各所述正常用电量数据训练样本对应的正常标签，多个窃电用电量数据训练样本以及各所述窃电用电量数据训练样本对应的窃电标签；将所述训练集输入至辅助分类生成对抗网络，训练得到所述预设辅助分类生成对抗模型；所述预设辅助分类生成对抗模型包括生成器和判别器，所述将所述训练集输入至辅助分类生成对抗网络，训练得到所述预设辅助分类生成对抗模型，包括：获取所述生成器生成的伪样本，所述伪样本与所述训练集中的各所述正常用电量数据训练样本以及各所述窃电用电量数据训练样本对应的矩阵大小相同；将各所述正常用电量数据训练样本以及各所述窃电用电量数据训练样本输入至所述判别器；利用所述判别器基于各所述正常用电量数据训练样本以及各所述窃电用电量数据训练样本，判别所述伪样本的真假以及所述伪样本的类别，根据判别结果训练所述生成器和所述判别器；所述判别器中包括第一损失函数和第二损失函数，所述判别器基于各所述正常用电量数据训练样本以及各所述窃电用电量数据训练样本，判别所述伪样本的真假以及所述伪样本的类别，根据判别结果训练所述生成器和所述判别器，包括：基于所述判别器利用所述第一损失函数判别所述伪样本的真假，得到第一判别结果；基于所述判别器利用所述第二损失函数判别所述伪样本的类别，得到第二判别结果；根据所述第一判别结果和所述第二判别结果，训练所述生成器和所述判别器；所述根据所述第一判别结果和所述第二判别结果，训练所述生成器和所述判别器，包括：若所述第一判别结果大于第一判别阈值或和所述第二判别结果和所述第一判别结果的和小于第二判别阈值，则确定所述生成器的参数，并根据所述第二判别结果和所述第一判别结果的和，修正所述判别器的参数；确定修正后的所述判别器的参数，根据所述第一判别结果，修正所述生成器的参数；直至训练至预设次数之后，所述第一判别结果小于所述第一判别阈值或和所述第二判别结果和所述第一判别结果的和大于所述第二判别阈值，结束训练，结束训练。

全文数据：

权利要求：

百度查询： 深圳供电局有限公司 窃电检测方法、装置、计算机设备和存储介质

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