[发明专利]基于异常用电检测模型的监测定位方法

权利要求书

1.一种基于深度降噪自编码网络—高斯过程的异常用电检测模型的监测定位方法，其特征在于，将台区内所有被测用户的用电量及表计事件信息，输入基于深度降噪自编码网络—高斯过程的异常用电检测模型，对用电信息从时-频提取特征并分类，由模型输出异常用电嫌疑用户列表；列表中记载有通过模型计算得到的异常度嫌疑系数，并根据异常度嫌疑系数对被测用户的异常度疑似概率进行排序；将异常度嫌疑系数大于设定数值的被测用户作为异常用电嫌疑用户。

2.如权利要求1所述基于深度降噪自编码网络—高斯过程的异常用电检测模型的监测定位方法，其特征在于，预先对所述异常用电检测模型执行如下的训练过程：

对训练集用户的用电信息进行时-频特征的提取，建立用于深度学习的初始训练数据集；

在初始训练数据集中，将无标定是否异常用电的数据，作为所述异常用电检测模型的输入，在深度降噪自编码网络进行从底层到顶层的逐层无监督学习，获得网络各层编码器和译码器的参数；

在网络顶层设置有高斯过程分类器，通过已标定是否异常用电的数据进行监督学习，从顶层向底层传输误差，对网络各层编码器和译码器的参数进行调整。

3.如权利要求1或2所述基于深度降噪自编码网络—高斯过程的异常用电检测模型的监测定位方法，其特征在于，提取用电信息的时-频特征，包含对用户信息中单项指标的时间序列分别进行整体经验模态分解和小波时-频分解。

4.如权利要求3所述基于深度降噪自编码网络—高斯过程的异常用电检测模型的监测定位方法，其特征在于，所述单项指标包含以下的一个或多个：日用电量、台区线损、用户性质、功率因素、合同容比量、零电量、日电量突变、月电量突变、典型行业用户指标、历史用电服务指标、抄表日前后电量、电能表失电记录、电能表开盖记录。

5.如权利要求3所述基于深度降噪自编码网络—高斯过程的异常用电检测模型的监测定位方法，其特征在于，根据低压居民用户和低压非居民用户的用电信息，建立有相应的异常用电检测模型。

6.如权利要求3所述基于深度降噪自编码网络—高斯过程的异常用电检测模型的监测定位方法，其特征在于，输入至所述异常用电检测模型的用电信息，包含用户电量信息、用户属性及表计事件信息。

7.如权利要求6所述基于深度降噪自编码网络—高斯过程的异常用电检测模型的监测定位方法，其特征在于，由用电信息采集系统、营销业务系统、线损精细化管理平台中的一个或多个，向所述异常用电检测模型提供所述用电信息。