(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
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
本文档由 人生无常 于 2024-03-18 21:46:57上传分享