(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210654598.0 (22)申请日 2022.06.10 (71)申请人 广东电网有限责任公司 地址 510600 广东省广州市越秀区东 风东 路757号 申请人 广东电网有限责任公司珠海供电局 (72)发明人 钱利宏　彭穗　娄源媛　刘新苗　 杨昆　郭晓燕　赵紫辉　欧仲曦　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 彭东威 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01)G06V 10/762(2022.01) G06V 10/74(2022.01) G06N 5/04(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种用户相别分析方法、 系统、 设备和存储 介质 (57)摘要 本申请公开了一种用户相别分析方法、 系 统、 设备和存储介质， 方法包括： 采集台区关口表 和用户用电数据并生成电压数据随时间变化的 样本曲线图像； 通过VAE网络对样本曲线图像进 行样本重构得到大量多样性的曲线图像， 并作为 训练样本数据； 通过训练样本数据对SNN模型进 行训练， 采用网格搜索优化参数方法对SNN模型 超参数进行优化， 从而构建孪生神经网络对图像 特征进行提取和处理， 输出关口表电压和用户电 压的特征向量； 计算用户电压和关口表不同相别 电压数据的特征向量的相似度， 并得到用户所属 相别的概率值， 根据概率值大小确定低压台区单 相用户的相别分析结果。 从而解决了现有技术对 用户相别分析准确性较 差的技术问题。 权利要求书2页 说明书7页 附图2页 CN 115049874 A 2022.09.13 CN 115049874 A 1.一种用户相别分析 方法， 其特 征在于， 包括： 采集台区关口表和用户用电数据并生成电压数据随时间变化的样本曲线图像； 通过VAE网络对所述样本曲线图像进行样本重构得到大量多样性的曲线图像， 并作为 训练样本数据； 通过所述训练样本数据对SNN模型进行训练， 采用网格搜索优化参数方法对SNN模型超 参数进行优化， 从而构建孪生神经网络对图像特征进行提取和处理， 输出关口表电压和用 户电压的特 征向量； 计算用户电压和关口表不同相别电压数据的特征向量的相似度， 并得到用户所属相别 的概率值， 根据概 率值大小确定低压台区单相用户的相别分析 结果。 2.根据权利要求1所述的用户相别分析方法， 其特征在于， 所述通过VAE变分自编码器 对所述样本曲线图像进行样本重构得到大量多样性的曲线图像， 并作为训练样本数据， 具 体包括： 通过VAE网络的编码器将所样本述曲线图像转换为潜在空间的统计分布， 统计分布参 数为均值和方差； 通过VAE网络的解码 器对统计分布 参数进行有效输出变量分布， 得到训练 样本数据。 3.根据权利要求1所述的用户相别分析方法， 其特征在于， 所述通过所述训练样本数据 对SNN模型进行训练， 采用网格搜索优化参数方法对SNN模型超参数进行优化， 从而构建卷 积神经网络对图像特征进行提取和处理， 输出关口表电压和用户电压的特征向量， 具体包 括： 构建基于单样本学习的SN N模型， 通过 所述训练样本数据对SN N模型进行训练； 将网格搜索法和交叉验证法结合对SNN模型的若干参数组合实行交叉验证， 确定最优 参数组合， 从而构建两个权值共享、 结构一致的孪生神经网络对图像特征进行提取和处理， 输出关口表电压和用户电压的特 征向量。 4.根据权利要求1所述的用户相别分析方法， 其特征在于， 所述计算用户电压和关口表 不同相别电压数据的特征向量的相似度， 并得到用户所属相别的概率值， 根据概率值大小 确定低压台区单相用户的相别分析 结果， 具体包括： 通过孪生神经网络的相似度计算分类器计算得到用户电压和关口表不同相别电压数 据的特征向量的相似度； 在计算分类器 中采用softmax激活函数与交叉熵损失函数相匹配进行所属相别的概率 值预测， 最终输出待识别用户的相别分析 结果。 5.一种用户相别分析系统， 其特 征在于， 包括： 采样单元， 用于采集台区关口表和用户用电数据并生成电压数据随时间变化的样本曲 线图像； 重构单元， 用于通过VAE网络对所述样本曲线图像进行样本重构得到大量多样性的曲 线图像， 并作为训练样本数据； 提取单元， 用于通过所述训练样本数据对SNN模型进行训练， 采用网格搜索优化参数方 法对SNN模 型超参数进 行优化， 从而构建孪生神经网络对图像特征进 行提取和处理， 输出关 口表电压和用户电压的特 征向量； 分析单元， 用于计算用户电压和关口表不同相别电压数据的特征向量的相似度， 并得权　利　要　求　书 1/2 页 2 CN 115049874 A 2到用户所属相别的概 率值， 根据概 率值大小确定低压台区单相用户的相别分析 结果。 6.根据权利要求5所述的用户相别分析系统， 其特 征在于， 所述重构单 元， 具体用于： 通过VAE网络的编码器将所样本述曲线图像转换为潜在空间的统计分布， 统计分布参 数为均值和方差； 通过VAE网络的解码 器对统计分布 参数进行有效输出变量分布， 得到训练 样本数据。 7.根据权利要求5所述的用户相别分析系统， 其特 征在于， 所述 提取单元， 具体用于： 构建基于单样本学习的SN N模型， 通过 所述训练样本数据对SN N模型进行训练； 将网格搜索法和交叉验证法结合对SNN模型的若干参数组合实行交叉验证， 确定最优 参数组合， 从而构建两个权值共享、 结构一致的孪生神经网络对图像特征进行提取和处理， 输出关口表电压和用户电压的特 征向量。 8.根据权利要求5所述的用户相别分析系统， 其特 征在于， 所述分析 单元， 具体用于： 通过孪生神经网络的相似度计算分类器计算得到用户电压和关口表不同相别电压数 据的特征向量的相似度； 在计算分类器 中采用softmax激活函数与交叉熵损失函数相匹配进行所属相别的概率 值预测， 最终输出待识别用户的相别分析 结果。 9.一种用户相别分析设备， 其特 征在于， 所述设备包括处 理器以及存 储器： 所述存储器用于存 储程序代码， 并将所述 程序代码传输给 所述处理器； 所述处理器用于根据 所述程序代码中的指令执行权利要求1 ‑4任一项所述的用户相别 分析方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质用于存储程序代 码， 所述程序代码用于执 行权利要求1 ‑4任一项所述的用户相别分析 方法。权　利　要　求　书 2/2 页 3 CN 115049874 A 3