[发明专利]低压居民用户异常用电识别方法及仿真模拟系统

权利要求书

1.一种低压居民用户异常用电识别的方法，其特征在于，该方法包括以下步骤：

步骤1，提交待识别的低压居民用户的用电负荷数据，从中提取多模态特征；

步骤2，针对步骤1得到的多模态特征，提取并构造四维复合特征；

步骤3，利用步骤2中得到的四维复合特征训练深度神经网络；

步骤4，利用训练好的深度神经网络对四维复合特征进行识别，得到低压居民异常用电用户。

2.如权利要求1所述的低压居民用户异常用电识别的方法，其特征在于，

步骤1进一步包括：

步骤1.1，对提交的低压居民用户的用电负荷数据进行预处理；

步骤1.2，从预处理后的数据中提取多模态特征。

3.如权利要求2所述的低压居民用户异常用电识别的方法，其特征在于，

所述预处理包括乘以电表的综合倍率还原实际电量数据、删除不合理数据以及缺失值填补中的一项或多项。

4.如权利要求2所述的低压居民用户异常用电识别的方法，其特征在于，

所述多模态特征包括有功增量类型、运行时间、冲击电流类型、负荷范围、以及无功阈值中的一项或多项。

5.如权利要求1所述的低压居民用户异常用电识别的方法，其特征在于，

步骤2进一步包括：

步骤2.1，对步骤1得到的多模态特征进行数据降维；

步骤2.2，对步骤2.1得到的降维数据进行归一化处理；

步骤2.3，对步骤2.2得到的归一化后的特征值进行四维复合特征构造。

6.如权利要求5所述的低压居民用户异常用电识别的方法，其特征在于，

步骤2.1中的数据降维是指

lowData_M×N＝Z_M×KA_K×N

其中，Z为原始M行K列的数据集，A为K行N列的特征变化矩阵，lowData为降维后的M行N列的数据；M代表用户数，K代表月特征数据的维度数量，N即为需要降到的维数。

7.如权利要求5所述的低压居民用户异常用电识别的方法，其特征在于，

步骤2.2中的归一化是指

其中，L代表降维后当前维度的原始值，min(L)代表当前维度所有值中的最小值，max(L)代表当前维度所有值中的最大值，NL即为归一化后的特征值。

8.如权利要求7所述的低压居民用户异常用电识别的方法，其特征在于，

归一化仅针对用户的月特征数据进行。

9.如权利要求5所述的低压居民用户异常用电识别的方法，其特征在于，

步骤2.3进一步包括：

步骤2.3.1，对步骤2.2归一化后得到的特征值计算二元分类特征；

步骤2.3.2，对步骤2.2归一化后得到的特征值计算LOF特征；

步骤2.3.3，对步骤2.2归一化后得到的特征值计算基于相似用户用电负荷的相关性度量特征；

步骤2.3.4，对步骤2.2归一化后得到的特征值计算基于最相关用户的相关性变化率度量特征；

步骤2.3.5，将步骤2.3.1至2.3.4得到的特征整合，形成四维复合特征。

10.如权利要求9所述的低压居民用户异常用电识别的方法，其特征在于，

步骤2.3.1中，二元分类特征的计算为：

其中，f是x的函数f(x)；Af+B代表支持向量机；Pr(y＝1|x)是预测函数，表示取类别为1的概率；P_A,B(f)通过一个sigmoid函数将SVM的输出值映射到[0,1]之间。