团体标准网
(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202111657488.1 (22)申请日 2021.12.3 0 (65)同一申请的已公布的文献号 申请公布号 CN 114266925 A (43)申请公布日 2022.04.01 (73)专利权人 华北电力大 学 地址 100000 北京市昌平区回龙观街道北 农路2号 (72)发明人 龚钢军 孟芷若 杨佳轩 袁琳琳  陆俊 武昕 苏畅  (74)专利代理 机构 北京东方盛凡知识产权代理 事务所(普通 合伙) 11562 专利代理师 许佳 (51)Int.Cl. G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06Q 50/06(2012.01)(56)对比文件 CN 112098714 A,2020.12.18 CN 113051837 A,2021.0 6.29 CN 112698072 A,2021.04.23 CN 109657874 A,2019.04.19 CN 111260249 A,2020.0 6.09 CN 109212519 A,2019.01.15 CN 108520 357 A,2018.09.1 1 WO 2021100193 A1,2021.0 5.27 CN 113377827 A,2021.09.10 沈鑫 等.基 于IEEE14节点模型的电气参 量 分析与窃电指标判别. 《软件》 .2018,第39卷(第 12期), 李国成 等.基 于Bagging二次加权集成的孤 立森林窃电检测算法. 《电力系统自动化》 .2021, 程金.基于用电信息采集系统的防窃电方法 及应用. 《中国优秀硕士论文 全文数据库 工程科 技Ⅱ辑》 .2020, (续) 审查员 袁玉 (54)发明名称 一种基于DLSTM-RF的用户窃电检测方法及 系统 (57)摘要 本发明公开了一种基于DLSTM ‑RF的用户窃 电检测方法及系统, 包括: 构建相关数据集, 相关 数据集用于作为DLSTM ‑RF模型的输入数据, 对 DLSTM‑RF模型进行训练, 生成用户窃电预测模 型; 构建DLSTM ‑RF模型, DLSTM ‑RF模型用于通过 相关数据集, 生成用户窃电预测模型; 通过相关 数据集, 对DLSTM ‑RF模型进行训练, 生成用户窃 电预测模型, 用户窃电预测模型用于对电网系统 中的信息进行分析和学习, 找出窃电用户, 并通 过对窃电用户进行治理, 降低不必要的电力生 产; 本发明通过检测用户的窃电信息并与碳排放 信息的进行转换, 实现从用电信息到减碳信息的 跨越, 为实现电网用户侧控碳提供了一定的参 考。 [转续页] 权利要求书4页 说明书10页 附图2页 CN 114266925 B 2022.09.30 CN 114266925 B (56)对比文件 BEHCET KOCAMAN 等.Detecti on of electricity theft usi ng data proces sing and LSTM method i n distribution systems. 《Sadhana》 .2020, A. A. Masrur Ahmed 等.LSTM i ntegrated with Boruta-random forest optimiser for soil moisture estimati on under RCP4.5 and RCP8.5 global warmi ng scenari os. 《Stochastic Enviro nmental Researc h and Risk Assessment》 .2021, 杨建华 等.基 于改进的灰色 关联分析与 LSTM的10 00kV特高压线损预测. 《电工技 术 高压 与绝缘技术》 .2020,2/2 页 2[接上页] CN 114266925 B1.一种基于DLSTM ‑RF的用户窃电检测方法, 其特 征在于, 包括以下步骤: 构建相关数据集, 所述相关数据集用于作为DLSTM ‑RF模型的输入数据, 对所述DLSTM ‑ RF模型进行训练, 生成用户窃电预测模型, 其中, 所述相关数据集包括: 线损率, 用于表示线路损耗的电能和供电量的比值; 平均线损率, 用于表示多条线路的所述线损率的平均值; 线损率标准差, 用于表示所述线损率的离散程度由线损率展现, 线损率标准差越小表 示大部分实际数据和平均线损率之间差异越小; 线损变化趋势, 用于表示线损的变化趋势, 通过所述变化趋势表示用户窃电漏电的可 能性; 线损偏度系数, 用于表示线路线损分布偏移中心位置的程度; 线损峰度系数, 用于表示所述线损偏度系数的度量数据在中心聚集 程度; 构建所述DLSTM ‑RF模型, 所述DLSTM ‑RF模型用于通过所述相关数据集, 生成所述用户 窃电预测模型; 通过所述相关数据集, 对所述DLSTM ‑RF模型进行训练, 生成所述用户窃电预测模型, 所 述用户窃电预测模型用于对电网系统中的信息进行分析和学习, 找出窃电用户, 并通过对 所述窃电用户进行治理, 降低不必要的电力生产; 在构建所述DLSTM ‑RF模型的过程中, 所述DLSTM ‑RF模型由DLSTM神 经网络以及用于优 化所述DLSTM神经网络的RF算法组成; 所述DLSTM神经网络的状态更新方式为: 其中, γ为DLSTM神经网络的层数, b为偏移项, Wi, γ, Wf, γ, Wo, γ, Wc, γ表示与当前输入的负 荷数据的连接权重; Vi, γ, Vf, γ, Vo, γ, Vc, γ表示与前一时刻输出的负荷数据的连接权重; 下标 i, f, o分别表示DLSTM神经网络的输入门、 遗忘门、 输出门, 下标c表 示DLSTM神经网络的外部 状态,⊗表示内积运 算, σ 表示sigmod函数; DLSTM窃电分析模型采用DLSTM神经网络; 所述DLSTM神 经网络是由多层LSTM神 经网络 进行顺序堆叠构成; 所述LSTM神经网络用于控制神经网络中传递的信息是否保存, 并且可 以控制将这些所述信息保存多少到记忆存储 单元中; 所述LSTM神经网络的LSTM神经元结构 包括输入门i(t)、 遗忘门f(t)以及输出门o(t), 其中t为时间节点; 所述输入门i(t)用于决 定内部状态中新输入的数据存储量; 所述遗忘门f(t)用于控制需要丢弃的历史信息量; 所 述输出门o(t)用于控制当前时刻内部状态中需要输出到外部状态的信息量; 基于所述权 利 要 求 书 1/4 页 2 CN 114266925 B 3

.PDF文档 专利 一种基于DLSTM-RF的用户窃电检测方法及系统

文档预览
中文文档 18 页 50 下载 1000 浏览 0 评论 309 收藏 3.0分
温馨提示:本文档共18页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
专利 一种基于DLSTM-RF的用户窃电检测方法及系统 第 1 页 专利 一种基于DLSTM-RF的用户窃电检测方法及系统 第 2 页 专利 一种基于DLSTM-RF的用户窃电检测方法及系统 第 3 页
下载文档到电脑,方便使用
本文档由 人生无常 于 2024-03-18 21:46:57上传分享
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。