
基本信息:
- 专利标题: 一种基于深度学习的低误检率窃电检测方法
- 申请号:CN202110824544.X 申请日:2021-07-21
- 公开(公告)号:CN113822771A 公开(公告)日:2021-12-21
- 发明人: 周毅波 , 江革力 , 李金瑾 , 陈珏羽 , 卿柏元 , 蒋雯倩 , 黄柯颖 , 林秀清 , 唐志涛 , 李刚 , 颜丹丹 , 潘俊涛 , 韦杏秋 , 包岱远 , 周政雷
- 申请人: 广西电网有限责任公司
- 申请人地址: 广西壮族自治区南宁市兴宁区民主路6号
- 专利权人: 广西电网有限责任公司
- 当前专利权人: 广西电网有限责任公司
- 当前专利权人地址: 广西壮族自治区南宁市兴宁区民主路6号
- 代理机构: 广州市专注鱼专利代理有限公司
- 代理人: 刘玉珠
- 主分类号: G06Q50/06
- IPC分类号: G06Q50/06 ; G06N3/04 ; G06N3/08 ; G06N3/00
摘要:
本发明提供一种基于深度学习的低误检率窃电检测方法,所述方法从计量自动化系统中采集用户的电力消费数据,然后根据稽查结果为每个用户添加是否窃电的标签,以有窃电行为的用户建立窃电行为数据集,同时构建基于卷积神经网络和残差网络的窃电检测模型。以建立的窃电行为数据集为基础,采用两阶段训练方法对窃电检测模型进行训练,确定窃电检测模型的权重参数,得到低误检率的窃电检测模型,再用训练好的低误检率窃电检测模型对用户电力消费数据进行窃电检测,实现开发成本小、高准确率的检测方式。
公开/授权文献:
- CN113822771B 一种基于深度学习的低误检率窃电检测方法 公开/授权日:2024-07-12