买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广西电网有限责任公司南宁供电局申请的专利一种面向含分布式电源配电网的异常用电检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114818871B 。

龙图腾网通过国家知识产权局官网在2025-08-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210327138.7，技术领域涉及：G06V10/764；该发明授权一种面向含分布式电源配电网的异常用电检测方法是由鲍海波;黄晓胜;郭小璇;李江伟;李绍坚;陈子民;郭敏高;莫江婷设计研发完成，并于2022-03-30向国家知识产权局提交的专利申请。

本一种面向含分布式电源配电网的异常用电检测方法在说明书摘要公布了：本发明提供一种面向含分布式电源配电网的异常用电检测方法，包括以下步骤：数据获取与数据预处理；构造输入特征集并转换为像素图片；建立由卷积神经网络、门控循环单元、和支持向量机、结合的异常用电特征提取和检测模型；采用训练集数据，对检测模型进行训练。本发明相比于传统方法的输入特征集仅考虑历史负荷数据和温度气象数据，本发明的输入特征集能够较全面反映含分布式电源净负荷的影响因素，更有利于分析净负荷的变化模式，进而有助于提高异常用电检测的精度。本发明充分挖掘出净负荷的局部特征、全局特征、时序变化规律，并揭示净负荷受气象因素影响的情况，进而较全面地把握净负荷的变化模式，实现较高精度的异常用电检测。

本发明授权一种面向含分布式电源配电网的异常用电检测方法在权利要求书中公布了：1.一种面向含分布式电源配电网的异常用电检测方法，其特征在于，包括以下步骤： 步骤S1、数据获取与数据预处理； 步骤S2、构造输入特征集并转换为像素图片； 步骤S3、建立由卷积神经网络CNN、门控循环单元GRU、和支持向量机SVM结合异常用电特征提取的检测模型CNN-GRU-SVM； 步骤S4、采用训练集数据，对步骤S3所述的检测模型CNN-GRU-SVM进行训练； 所述步骤S3包括： 步骤S301、对于电力负荷特征中负荷曲线图像特征，采用n个卷积层和池化层的组合进行特征提取得到深层特征F1； 所述卷积层的计算公式为： ci＝fcAi*wc,i+bc,i； 其中，ci为第i个卷积层的输出，i＝1,2,…,n；Ai、wc,i、bc,i分别为第i个卷积层的输入、权值、偏置；fc为卷积层激活函数；*表示点积计算，即两矩阵对应元素相乘后再累加计算； 所述池化层的计算公式为： di＝wd,i*zi； 其中，di是第i个池化层的输出；wd,i为第i个池化层的权值；zi是di对应的池化区域； 步骤S302、对于电力负荷特征中负荷统计特征，采用k个GRU网络进行特征提取得到深层特征F2； 所述GRU网络的计算公式如下： 其中，rt、ot、ht分别为GRU单元中第t步输入的重置门、更新门、候选门、状态门的输出；Wr、Wo、分别是重置门、更新门、候选门的权值；xt为GRU的输入数据；yt为GRU的输出数据；σ为激活函数； 步骤S303、对于新能源相关气象特征，采用m个卷积层和池化层的组合进行特征提取得到深层特征F3； 步骤S304、对于新能源设备特征，采用全连接的Dense网络，对输入特征进行提取，得到深层特征F4； 步骤S305、对于日期特征，采用全连接的Dense网络，对输入特征进行提取得到深层特征F5； 步骤S306、将深层次特征F1、深层次特征F2和深层次特征F3输入到Dense网络，进行进一步的特征提取，得到新的深层特征F6； 步骤S307、将深层次特征F4、深层次特征F5和深层次特征F6输入到Dense网络，进行进一步的特征提取，得到新的深层特征F7； 步骤S308、将得到的新的深层特征F6和新的深层特征F7输入到SVM分类器，获得用户用电行为的辨识结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广西电网有限责任公司南宁供电局，其通讯地址为：530022 广西壮族自治区南宁市青秀区中柬路2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。