技术特征：
1.一种基于三元组孪生网络的窃电检测方法，其特征在于，包括如下步骤：s1：对用电数据进行数据预处理，得到原始数据集；s2：基于原始数据集，利用格拉姆角场实现用电序列图像化，获取到用电特征图像；s3：将用电特征图像拆分成训练数据集和测试数据集；s4：在训练数据集中随机选取样本组，对三元组孪生神经网络进行训练；s5：从训练集中划分一部分作为支撑集，根据测试数据集与支撑集内两类样本间的总欧式距离，利用训练好的三元组孪生神经网络判断测试样本的类别。2.根据权利要求1所述的一种基于三元组孪生网络的窃电检测方法，其特征在于，所述步骤s1中数据预处理的方法流程为：a1：对用户用电数据进行异常值处理；a2：将用电数据降采样至采样间隔达到设定时间值；a3：从数据集中截取用户设定时间范围内的正常用电与窃电数据。3.根据权利要求1所述的一种基于三元组孪生网络的窃电检测方法，其特征在于，所述步骤s2具体包括如下步骤：b1：使用分段聚合近似对原始时间序列进行降维处理；b2：将降维处理后的时间序列转换到极坐标内；b3：使用格拉姆和角场对时间序列进行图像化；b4：将图像化后的所得数据进行标准化处理，获取到用电特征图像。4.根据权利要求3所述的一种基于三元组孪生网络的窃电检测方法，其特征在于，所述步骤b1中分段聚合近似的算法公式如下：式中，q
j
表示原始时间序列，长度为k*i；表示聚合后的时间序列，长度为i。5.根据权利要求3所述的一种基于三元组孪生网络的窃电检测方法，其特征在于，所述步骤b3中利用格拉姆和角场进行图像化处理的表达式如下：由上式可见，矩阵内每一个元素值都是其行索引与列索引角度和的余弦值。6.根据权利要求1所述的一种基于三元组孪生网络的窃电检测方法，其特征在于，所述步骤s4中样本组包含锚样本、正样本和负样本，其中，锚样本与正样本属于同一类，而锚样本与负样本属于不同类，对三元组孪生神经网络的训练方法为：将样本组作为三元组孪生网络的输入样本，利用权值共享的三个卷积神经网络提取各样本的特征，并在最后一层中输出。7.根据权利要求6所述的一种基于三元组孪生网络的窃电检测方法，其特征在于，所述步骤s4中三元组孪生神经网络的的损失函数如式所示：l
t
＝max[||v
a
‑
v
p
||2‑
||v
a
‑
v
n
||2+threshold,0]式中，v
a
、v
p
和v
n
分别表示样本组中的锚样本、正样本以及负样本，||v
a
‑
v
p
||2表示锚样
本与正样本之间的欧式距离，而||v
a
‑
v
n
||2表示锚样本与负样本之间的欧式距离。8.根据权利要求1所述的一种基于三元组孪生网络的窃电检测方法，其特征在于，所述步骤s5中三元组孪生神经网络判断测试样本类别的方法为：将样本组作为三元组孪生神经网络的输入，通过2组拥有dropout功能的卷积层和池化层进行图形特征提取，再利用两层全连接层将特征转换为一维特征向量，度量三组一维特征向量之间的欧式距离计算三元组损失函数，最后利用梯度下降法修改网络参数，判断测试样本的类别，如果测试样本与支撑集内窃电样本的总欧式距离大于与正常用电样本的总欧式距离，判定样本窃电，反之亦然。
技术总结
本发明公开了一种基于三元组孪生网络的窃电检测方法，包括如下步骤：对用电数据进行数据预处理，得到原始数据集；利用格拉姆角场实现用电序列图像化，获取到用电特征图像；将用电特征图像拆分成训练数据集和测试数据集；在训练数据集中随机选取样本组，对三元组孪生神经网络进行训练；从训练集中划分一部分作为支撑集，根据测试数据集与支撑集内两类样本间的总欧式距离，利用训练好的三元组孪生神经网络判断测试样本的类别。本发明将三元组孪生神经网络作为小样本深度学习算法，可以在数据集内仅有少量样本的情况下获得较强的泛化能力，可帮助工程人员正确判断窃电用户，为治理用户窃电问题提供针对性的理论指导，应用价值和前景巨大。景巨大。景巨大。
技术研发人员：梅飞 顾佳琪 张家堂 裴鑫 陈子平
受保护的技术使用者：河海大学
技术研发日：2021.07.02
技术公布日：2021/10/8