一种基于相关性分析的CNN-DBSCAN高损台区间歇性窃电检测方法（高校公示15天）（不包年费滞纳金）（需要二变）

本发明属于电力系统自动化技术领域，公开了一种基于相关性分析的CNN‑DBSCAN高损台区间歇性窃电检测方法，通过多尺度CNN模型对所有待测用户的电力消耗数据与台区线损数据之间可能存在最大相关性分析结果的周期进行初步选取，得到所有待测用户最可能发生窃电行为的时间段后，通过与线损率数据实际上存在异常的时间段进行对比，得到时间距离加权下的皮尔逊相关性分析结果；通过DBSCAN聚类算法将所有用户的相关性分析结果进行聚类，将其中的离群点辨识为窃电用户。本发明所述方法能够对系统中窃电行为更加隐蔽、窃电特征更加微弱的间歇性窃电者进行有效的筛查，稳定快速的进行窃电检测，保证了电力系统的安全稳定运行。

《一种基于相关性分析的CNN-DBSCAN高损台区间歇性窃电检测方法（高校公示15天）（不包年费滞纳金）（需要二变）》是一发明专利，专利号为 2024117560292，当前法律状态为已下证，由南京邮电大学提出申请，发明人为刘增稷;胡静威;周霞;张腾飞，申请日期为2024-12-03，公开（公告）日期为2025-03-18，国际专利分类号（IPC）为 G06F 18/2321 (2023.01)，高新资质：未报高企。该专利已下发证书，权利稳定，适合直接办理转让过户，是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更（过户）的一站式专利转让服务，专业顾问全程协助，确保交易合规、安全、高效。专利摘要：本发明属于电力系统自动化技术领域，公开了一种基于相关性分析的CNN‑DBSCAN高损台区间歇性窃电检测方法，通过多尺度CNN模型对所有待测用户的电力消耗数据与台区线损数据之间可能存在最大相关性分析结果的周期进行初步选取，得到所有待测用户最可能发生窃电行为的时间段后，通过与线损率数据实际上存在异常的时间段进行对比，得到时间距离加权下的皮尔逊相关性分析结果；通过DBSCAN聚类算法将所有用户的相关性分析结果进行聚类，将其中的离群点辨识为窃电用户。本发明所述方法能够对系统中窃电行为更加隐蔽、窃电特征更加微弱的间歇性窃电者进行有效的筛查，稳定快速的进行窃电检测，保证了电力系统的安全稳定运行。

海量优质专利即买即用，四大核心优势助您弯道超车：
🏆 拿资质，享红利：高企认定、专精特新必备！轻松获取政府补贴、税收减免，招投标直接加分！
💎 增信誉，融资金：支持实缴注册资金，彰显企业硬实力；支持专利质押贷款，盘活现金流，扩张不缺钱！
🔥 强背书，防抄袭：印上“专利产品”，客户更信赖！构建技术壁垒，把竞争对手挡在门外，稳占市场份额！
🚀 省时间，快变现：告别漫长研发与高风险！优质专利即买即用，让技术立刻变成真金白银的利润！