[发明专利]窃电检测方法、装置及存储介质、电子设备

权利要求书

1.一种窃电检测方法，其特征在于，所述方法包括：

获取用户的用电数据，其中，所述用电数据包括用电参数的时间序列数据；

将所述用电数据输入至训练好的特征表示模型，得到时间特征向量，其中，所述特征表示模型采用自监督学习方式训练得到；

利用训练好的异常检测模型对所述时间特征向量进行异常检测，得到所述用户的窃电类别。

2.根据权利要求1所述的窃电检测方法，其特征在于，所述特征表示模型的训练过程包括：

获取训练数据集，其中，所述训练数据集中的训练数据包括用电参数的时间序列数据；

将所述训练数据集中的训练数据分别输入第一结构和第二结构，对应得到所述训练数据的长时间特征和局部时间特征，其中，所述第一结构包括依次连接的门控循环单元GRU层和第一全局池化层，所述第二结构包括依次连接的多个卷积层和第二全局池化层，每一所述卷积层之后连接有第一批标准化层和激活层，所述GRU层用于提取所述训练数据的长时间特征，所述一维卷积层用于提取所述训练数据的局部时间特征；

对所述长时间特征和所述局部时间特征进行拼接，得到时间特征向量；

将所述时间特征向量依次输入至全连接层，得到预测值；

基于所述预测值及其对应训练数据的真实值构建损失函数；

基于所述损失函数对所述特征表示模型进行训练，得到训练好的特征表示模型。

3.根据权利要求2所述的窃电检测方法，其特征在于，所述第一结构还包括连接在所述GRU层和所述第一全局池化层之间的第二批标准层。

4.根据权利要求3所述的窃电检测方法，其特征在于，所述第二批标准层的标准化输出表示为：

其中，μ_β表示输出的批数据均值，σ_β表示输出的批数据方差，∈为正数。

5.根据权利要求4所述的窃电检测方法，其特征在于，所述损失函数通过下式表示：

其中，loss表示所述损失函数，m表示用电参数的维数，y⁽ⁱ⁾表示第i维训练数据的真实值，表示第i维训练数据的预测值。

6.根据权利要求2所述的窃电检测方法，其特征在于，所述获取训练数据集之前，所述方法还包括：

构造数据集，其中，所述数据集中的数据包括用电参数的时间序列数据Y_m[t-n,t]，n表示时间长度，m表示用电参数的维数，所述电数据参数包括用电电压、用电电流、用电电量中的至少一者；

将所述数据集按时间点T划分为训练数据集和测试数据集，其中，所述训练数据集满足max(t+1)＝T，所述测试数据集满足min(t-n)T。

7.根据权利要求1所述的窃电检测方法，其特征在于，所述异常检测模型包括编码器和解码器，所述利用训练好的异常检测模型对所述时间特征向量进行异常检测，得到所述用户的窃电类别，包括：

将所述时间特征向量输入至所述编码器，得到预测向量；

将所述预测向量输入至所述解码器，得到重构误差；

根据所述重构误差和重构误差阈值，计算窃电概率；

当所述窃电概率大于或等于窃电概率阈值时，确定所述用户为窃电用户；

当所述窃电概率小于所述窃电概率阈值时，确定所述用户为非窃电用户。

8.根据权利要求7所述的窃电检测方法，其特征在于，所述窃电概率的表达式为：

其中，P表示所述窃电概率，m表示用电参数的维数，ω_i是第i维特征向量对应的权重；当第i维用电参数的重构误差小于对应的重构误差阈值时，记S_i＝0；当第i维用电参数的重构误差大于或等于对应的重构误差阈值时，记S_i＝1。

9.根据权利要求8所述的窃电检测方法，其特征在于，所述解码器通过下式得到所述重构误差：

其中，error表示所述重构误差，X表示所述时间特征向量，表示所述预测向量。