[發(fā)明專利]一種基于DRSN的臺區(qū)竊電用戶識別方法、系統(tǒng)及裝置

有效

• 申請?zhí)枺?/td>: 202210923332.1
• 申請日: 2022-08-02
• 公開（公告）號: CN115147135B
• 公開（公告）日: 2023-10-24
• 發(fā)明（設(shè)計）人: 盧德龍;童充;黃馨儀;汪新浩;王路春;繆繼東
• 申請（專利權(quán)）人: 國網(wǎng)江蘇省電力有限公司蘇州供電分公司
• 主分類號: G06Q30/018
• 分類號: G06Q30/018;G06Q50/06;G06N3/0464;G06N3/048
• 代理公司: 北京智繪未來專利代理事務(wù)所(普通合伙) 11689
• 代理人: 張紅蓮

一種基于DRSN的臺區(qū)竊電用戶識別方法、系統(tǒng)及裝置，其特征在于，所述方法包括以下步驟：步驟1，采集電網(wǎng)臺區(qū)的周期性用電數(shù)據(jù)并構(gòu)建基于周期性用電數(shù)據(jù)的深度殘差收縮網(wǎng)絡(luò)；其中，所述周期性用電數(shù)據(jù)的深度殘差收縮網(wǎng)絡(luò)中的學(xué)習(xí)父類閾值支路中還包括學(xué)習(xí)子類閾值支路；步驟2，預(yù)處理所述用電數(shù)據(jù)并將其輸入至所述深度殘差收縮網(wǎng)絡(luò)中，以獲取分析數(shù)據(jù)，同時構(gòu)建Softmax函數(shù)以實現(xiàn)所述分析數(shù)據(jù)的竊電分類。本發(fā)明方法大幅減少了ResNet網(wǎng)絡(luò)的層數(shù)，降低了深度神經(jīng)網(wǎng)絡(luò)中梯度彌散和網(wǎng)絡(luò)退化的問題，通過雙層的軟閾值化計算方式，提出了次要特征參數(shù)，解決了數(shù)據(jù)樣本周期性變化的問題，實驗結(jié)果具有充分的有效性與科學(xué)性。

技術(shù)領(lǐng)域

本發(fā)明涉及智能電網(wǎng)領(lǐng)域，更具體的，涉及一種基于DRSN的臺區(qū)竊電用戶識別方法、系統(tǒng)及裝置。

背景技術(shù)

隨著我國經(jīng)濟(jì)社會的快速發(fā)展，電能需求的增長導(dǎo)致臺區(qū)的供電強(qiáng)度不斷增加，電網(wǎng)公司的營銷基層運(yùn)維人員的工作量過大，常常導(dǎo)致顧此失彼。隨著“雙高”電力系統(tǒng)與能源互聯(lián)網(wǎng)建設(shè)的不斷推進(jìn)，電力需求側(cè)的精益化管理要求不斷提高，人力資源與運(yùn)維量之間的矛盾日益突出。近年來隨著以人工智能、大數(shù)據(jù)為代表的技術(shù)進(jìn)步在電網(wǎng)中的應(yīng)用推廣，電網(wǎng)主干框架的運(yùn)維自動化效率不斷提升，但是由于用戶側(cè)的復(fù)雜性與特殊性，電網(wǎng)對臺區(qū)管理的掌控力度不高，既難以實現(xiàn)對終端能源消費(fèi)的精確把握又難以向用戶提供更高層次的增值服務(wù)，臺區(qū)的精益化管理一直是電網(wǎng)公司的盲區(qū)與弱點。

隨著近二十年來電能計量裝置的不斷升級改造，由機(jī)械式電表更換為智能電表加之營銷系統(tǒng)業(yè)務(wù)中臺數(shù)據(jù)庫的建立，電網(wǎng)公司營銷部門臺區(qū)網(wǎng)絡(luò)實時采集獲取著海量的電能數(shù)據(jù)，數(shù)據(jù)的有效利用與挖掘是當(dāng)前亟待解決的問題。臺區(qū)的竊電導(dǎo)致企業(yè)營收的白白流失，竊電行為一直是電網(wǎng)公司打擊處理的焦點，也是提質(zhì)增效專項行動關(guān)注的重點。現(xiàn)有技術(shù)中也存在各類算法對于臺區(qū)竊電用戶的用電數(shù)據(jù)進(jìn)行識別，從而試圖獲取準(zhǔn)確的竊電類型和竊電信息。然而，由于電力用戶的用電數(shù)據(jù)信息量龐大，一般的算法難以準(zhǔn)確的發(fā)掘出有用的竊電信息。

一方面，電力用戶的用電數(shù)據(jù)存在著高度的周期性，年度數(shù)據(jù)、月度數(shù)據(jù)和周數(shù)據(jù)之間均存在著較弱或較強(qiáng)的周期性波動關(guān)聯(lián)，這種周期性波動本身并不利于竊電行為的發(fā)現(xiàn)。另外，天氣信息、生活與生產(chǎn)方式等的變化也會對臺區(qū)的用電量產(chǎn)生較大的影響。

另一方面，用電數(shù)據(jù)信息量大、冗余數(shù)據(jù)內(nèi)容多，這導(dǎo)致一般的深度神經(jīng)網(wǎng)絡(luò)難以適應(yīng)于這種程度的數(shù)據(jù)聚合。另外，現(xiàn)有技術(shù)中的深度神經(jīng)網(wǎng)絡(luò)算法本身也存在著梯度彌散與網(wǎng)絡(luò)退化的問題。

為了解決上述問題，本發(fā)明中提供了一種新的基于DRSN的臺區(qū)竊電用戶識別方法。

發(fā)明內(nèi)容

為解決現(xiàn)有技術(shù)中存在的不足，本發(fā)明的目的在于，提供一種基于DRSN的臺區(qū)竊電用戶識別方法、系統(tǒng)及裝置，該方法改進(jìn)了DRSN算法中的軟閾值生成過程，同時根據(jù)用電數(shù)據(jù)的周期性特征建立了周期性的深度殘差收縮網(wǎng)絡(luò)。

本發(fā)明采用如下的技術(shù)方案。

本發(fā)明第一方面，涉及一種基于DRSN的臺區(qū)竊電用戶識別方法，方法包括以下步驟：步驟1，采集電網(wǎng)臺區(qū)的周期性用電數(shù)據(jù)并構(gòu)建基于周期性用電數(shù)據(jù)的深度殘差收縮網(wǎng)絡(luò)；其中，周期性用電數(shù)據(jù)的深度殘差收縮網(wǎng)絡(luò)中的學(xué)習(xí)父類閾值支路中還包括學(xué)習(xí)子類閾值支路；步驟2，預(yù)處理用電數(shù)據(jù)并將其輸入至深度殘差收縮網(wǎng)絡(luò)中，以獲取分析數(shù)據(jù)，同時構(gòu)建Softmax函數(shù)以實現(xiàn)分析數(shù)據(jù)的竊電分類。

優(yōu)選的，周期性用電數(shù)據(jù)為預(yù)設(shè)時間段內(nèi)采集的臺區(qū)下所有用戶的用電數(shù)據(jù)。

優(yōu)選的，步驟2中預(yù)處理的過程為：步驟2.1，將用電數(shù)據(jù)進(jìn)行歸一化；步驟2.2，將歸一化后的所述用電數(shù)據(jù)轉(zhuǎn)化為灰度矩陣樣本；其中，灰度矩陣樣本為28*28的灰度圖。