[发明专利]一种数据驱动的防窃电智能电表及窃电状态分析方法

权利要求书

1.一种数据驱动的防窃电智能电表，包括微处理器和与其连接的时钟模块、计量模块、通信接口、LCD显示、存储器、校表模块、电源模块；其特征在于，还包括传感器模块和防窃电分析模块；所述的传感器模块包括多个压力传感器，安装于电表接线端子下端，并与微处理器连接，微处理器通过压力传感器的信息检测接线端子处接线线路的改动；防窃电分析模块与微处理器连接，根据微处理器中的用户用电数据进行窃电状态分析。

2.权利要求1所述的一种数据驱动的防窃电智能电表的窃电状态分析方法，其特征在于，包括如下：

1)上下协同的防窃电分析网络架构：“上下”分别指用电信息采集主站和智能电表，“协同”代表两者之间的数据协同和分析协同；所述智能电表负责数据采集，包括用户用电数据和反映智能电表硬件完整性的传感器数据，这些数据被送到智能电表的微处理器和防窃电分析模块中进行数据分析和存储，此外，用电信息采集主站下发的检修提示信息也是智能电表微处理器的输入数据，当智能电表收到检修提示信息后会立即进入待机状态，需要人工现场操作才能再次恢复工作状态；微处理器的分析结果会实时传送到用电信息采集主站，如果微处理器判断出异常情况(未检修状态但有电表的接线变化即为异常)则立即调取用户历史用电信息做进一步判断，一旦最终的分析结果为窃电事件，智能电表将切断用户的电力供应，同时，向主站发出特别提示信息，主站有相应的软件配置来处理智能电表上传的状态信息；用电信息采集主站还要负责分析模型的训练工作，定期调取智能电表存储的数据对智能算法模型进行训练和更新，并将更新后的模型参数下发到智能电表，模型的动态更新保证了防窃电分析工作的灵活性和可靠性；

2)基于门控循环单元的算法模型：防窃电分析模块的核心算法采用循环神经网络的一种改进算法——门控循环单元，该算法可以有效地防止梯度消失和梯度爆炸，同时，很大程度上减少了模型参数，提升了模型地整体分析效率；

GRU的模型，模型的前向传播过程如下：

z_t＝σ(W_z·[h_t-1，x_t])

r_t＝σ(W_r·[h_t-1，x_t])

y_t＝σ(W_o·h_t)

其中x_t是输入，h_t-1是上一时刻的隐藏状态，h_t是当前更新的隐藏状态，是候选隐藏状态，z_t和r_t分别代表更新门和重置门，σ是sigmoid激活函数；

上式中参数W_z、W_r、W_o是模型通过训练数据集学习得到，[a，b]代表两个向量的拼接，所以参数W_z、W_r、的相应形式如下：

W_z＝W_zx+W_zh

W_r＝W_rx+W_rh

由GRU构成的深度学习算法模型，x、y、h分别代表模型输入、模型输出和隐层状态；算法模型的输入量x来源于用户用电数据，即基于时间的序列，其输出y是相应的分析序列，代表相应的分析结果。该算法模型的参数由大量数据训练得到，训练数据包括正常用电数据和发生窃电时的用电数据，所以模型分析的结果为正常用电和发生窃电两种。以上训练工作由主站完成，数据分析则是在智能电表内部进行。