買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉廣西電網有限責任公司南寧供電局申請的專利一種面向含分布式電源配電網的異常用電檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114818871B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210327138.7，技術領域涉及：G06V10/764；該發明授權一種面向含分布式電源配電網的異常用電檢測方法是由鮑海波;黃曉勝;郭小璇;李江偉;李紹堅;陳子民;郭敏高;莫江婷設計研發完成，并于2022-03-30向國家知識產權局提交的專利申請。

本一種面向含分布式電源配電網的異常用電檢測方法在說明書摘要公布了：本發明提供一種面向含分布式電源配電網的異常用電檢測方法，包括以下步驟：數據獲取與數據預處理；構造輸入特征集并轉換為像素圖片；建立由卷積神經網絡、門控循環單元、和支持向量機、結合的異常用電特征提取和檢測模型；采用訓練集數據，對檢測模型進行訓練。本發明相比于傳統方法的輸入特征集僅考慮歷史負荷數據和溫度氣象數據，本發明的輸入特征集能夠較全面反映含分布式電源凈負荷的影響因素，更有利于分析凈負荷的變化模式，進而有助于提高異常用電檢測的精度。本發明充分挖掘出凈負荷的局部特征、全局特征、時序變化規律，并揭示凈負荷受氣象因素影響的情況，進而較全面地把握凈負荷的變化模式，實現較高精度的異常用電檢測。

本發明授權一種面向含分布式電源配電網的異常用電檢測方法在權利要求書中公布了：1.一種面向含分布式電源配電網的異常用電檢測方法，其特征在于，包括以下步驟： 步驟S1、數據獲取與數據預處理； 步驟S2、構造輸入特征集并轉換為像素圖片； 步驟S3、建立由卷積神經網絡CNN、門控循環單元GRU、和支持向量機SVM結合異常用電特征提取的檢測模型CNN-GRU-SVM； 步驟S4、采用訓練集數據，對步驟S3所述的檢測模型CNN-GRU-SVM進行訓練； 所述步驟S3包括： 步驟S301、對于電力負荷特征中負荷曲線圖像特征，采用n個卷積層和池化層的組合進行特征提取得到深層特征F1； 所述卷積層的計算公式為： ci＝fcAi*wc,i+bc,i； 其中，ci為第i個卷積層的輸出，i＝1,2,…,n；Ai、wc,i、bc,i分別為第i個卷積層的輸入、權值、偏置；fc為卷積層激活函數；*表示點積計算，即兩矩陣對應元素相乘后再累加計算； 所述池化層的計算公式為： di＝wd,i*zi； 其中，di是第i個池化層的輸出；wd,i為第i個池化層的權值；zi是di對應的池化區域； 步驟S302、對于電力負荷特征中負荷統計特征，采用k個GRU網絡進行特征提取得到深層特征F2； 所述GRU網絡的計算公式如下： 其中，rt、ot、ht分別為GRU單元中第t步輸入的重置門、更新門、候選門、狀態門的輸出；Wr、Wo、分別是重置門、更新門、候選門的權值；xt為GRU的輸入數據；yt為GRU的輸出數據；σ為激活函數； 步驟S303、對于新能源相關氣象特征，采用m個卷積層和池化層的組合進行特征提取得到深層特征F3； 步驟S304、對于新能源設備特征，采用全連接的Dense網絡，對輸入特征進行提取，得到深層特征F4； 步驟S305、對于日期特征，采用全連接的Dense網絡，對輸入特征進行提取得到深層特征F5； 步驟S306、將深層次特征F1、深層次特征F2和深層次特征F3輸入到Dense網絡，進行進一步的特征提取，得到新的深層特征F6； 步驟S307、將深層次特征F4、深層次特征F5和深層次特征F6輸入到Dense網絡，進行進一步的特征提取，得到新的深層特征F7； 步驟S308、將得到的新的深層特征F6和新的深層特征F7輸入到SVM分類器，獲得用戶用電行為的辨識結果。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人廣西電網有限責任公司南寧供電局，其通訊地址為：530022 廣西壯族自治區南寧市青秀區中柬路2號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。