技術(shù)特征：

1.基于ivmd-wvd和cnn的竊電檢測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的基于ivmd-wvd和cnn的竊電檢測方法，其特征在于，所述預(yù)處理的方法包括：對用戶的歷史用電數(shù)據(jù)進行清洗處理，去除無效數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的基于ivmd-wvd和cnn的竊電檢測方法，其特征在于，所述樣本包括一個正常樣本和多個不同類型的竊電樣本；所述竊電樣本包括：固定比例縮小計量電量樣本s1(wt)、隨機閾值削減電量樣本s2(wt)、隨機時間段削減電量樣本s3(wt)、隨機閾值削減任意時刻電量樣本s4(wt)、顛倒電量用電時刻樣本s5(wt)和均值用電量樣本s6(wt)。

4.根據(jù)權(quán)利要求3所述的基于ivmd-wvd和cnn的竊電檢測方法，其特征在于，

5.根據(jù)權(quán)利要求3所述的基于ivmd-wvd和cnn的竊電檢測方法，其特征在于，所述引入能量差方法改進變分模態(tài)分解模型，并將樣本輸入改進后的變分模態(tài)分解模型，分解出各樣本的模態(tài)分量；方法包括：

6.根據(jù)權(quán)利要求5所述的基于ivmd-wvd和cnn的竊電檢測方法，其特征在于，所述約束竊電樣本變分問題模型包括：

7.根據(jù)權(quán)利要求3所述的基于ivmd-wvd和cnn的竊電檢測方法，其特征在于，所述各樣本ivmd-wvd圖譜的求解方法，包括：

8.根據(jù)權(quán)利要求1所述的基于ivmd-wvd和cnn的竊電檢測方法，其特征在于，所述對各ivmd-wvd圖譜進行灰度處理，包括方法：

9.根據(jù)權(quán)利要求1所述的基于ivmd-wvd和cnn的竊電檢測方法，其特征在于，所述基于灰度處理后的ivmd-wvd圖譜訓(xùn)練改進型cnn網(wǎng)絡(luò)得到竊電檢測模型，包括方法：

10.基于ivmd-wvd和cnn的竊電檢測系統(tǒng)，其特征在于，用于實現(xiàn)權(quán)利要求1-9任意一項所述的基于ivmd-wvd和cnn的竊電檢測方法，所述系統(tǒng)包括：

技術(shù)總結(jié)
本發(fā)明公開了基于IVMD?WVD和CNN的竊電檢測方法及系統(tǒng)；涉及竊電檢測技術(shù)領(lǐng)域；本發(fā)明基于改進基于IVMD?WVD和CNN，進行特征提取與泛化處理，有效避免或抑制CNN訓(xùn)練時梯度消失等現(xiàn)象，提升竊電檢測率；獲得的IVMD?WVD灰度圖譜能很好地保留數(shù)據(jù)邊緣特性、瞬時頻率等特征，增加網(wǎng)絡(luò)模型訓(xùn)練速度；本方案對改進深度卷積神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，識別檢測竊電類型；相比人工經(jīng)驗判斷，能夠有效提升識別速度和識別率，避免人工查找主觀性強和特征提取能力不足的問題。

技術(shù)研發(fā)人員：陳皇熹,廖金林,付道睿,徐千然,尹游,趙琦,王燕,鄧超,李詩雨,方春華,胡文波,楊宸,蔡維正,李亞藍,周春華,潘磊,宋中澤,唐明
受保護的技術(shù)使用者：國網(wǎng)四川省電力公司樂山供電公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19