← 返回列表
一种动态生成的残差图卷积神经网络的窃电检测方法及系统
申请人信息
- 申请人:南京信息工程大学
- 申请人地址:210044 江苏省南京市江北新区宁六路219号
- 发明人: 南京信息工程大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种动态生成的残差图卷积神经网络的窃电检测方法及系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410046231.X |
| 申请日 | 2024/1/12 |
| 公告号 | CN117556369A |
| 公开日 | 2024/2/13 |
| IPC主分类号 | G06F18/2433 |
| 权利人 | 南京信息工程大学 |
| 发明人 | 庄伟; 江文; 纪兆辉; 樊继利; 李之恒; 邢发男; 申义贤 |
| 地址 | 江苏省南京市宁六路219号 |
摘要文本
本发明公开了一种动态生成的残差图卷积神经网络的窃电检测方法，包括以下步骤：(1)收集电力系统中用户电力消费原始数据；(2)对原始数据进行缺失补充、异常值处理并划分训练集、验证集和测试集；(3)将预处理后的一维电力负荷曲线变换为二维电力负荷特征矩阵，以输入图卷积神经网络；(4)通过训练获得最佳参数以获得最能代表数据关系的邻接矩阵A；(5)将特征矩阵X和邻接矩阵A送入残差图卷积神经网络中提取潜在特征，通过池化层与全连接层得到最终分类；本发明通过动态学习用户用电周期之间的深层时间依赖关系、周期模式和潜在特征，提升了窃电检测领域的精度。所采用的数据补充方法有效缓解了现实世界中的数据不平衡问题。
专利主权项内容
1.一种动态生成的残差图卷积神经网络的窃电检测方法，其特征在于，包括以下步骤：(1)收集电力系统中用户电力消费原始数据；(2)对原始数据进行缺失补充、异常值处理并划分训练集、验证集和测试集；(3)将预处理后的一维电力负荷曲线变换为二维电力负荷特征矩阵X，以输入图卷积神经网络；(4)以数据的每个周期为一个节点，采用动态拓扑图生成方法计算节点间的相关性，通过训练获得最佳参数以获得最能代表数据关系的邻接矩阵A；(5)将特征矩阵X和邻接矩阵A送入残差图卷积神经网络中提取潜在特征，通过池化层与全连接层得到最终分类。