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！

龙图腾网获悉重庆电力高等专科学校申请的专利基于对比预测编码的低压用户窃电识别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：CN117216670B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202311128398.2，技术领域涉及：G06F18/2411；该发明授权基于对比预测编码的低压用户窃电识别方法是由马泽菊;舒玉平;冉懋海;熊隽迪;高丽玲;雷剪;陈陵希;谭世海设计研发完成，并于2023-09-04向国家知识产权局提交的专利申请。

本基于对比预测编码的低压用户窃电识别方法在说明书摘要公布了：本发明涉及一种基于对比预测编码的低压用户窃电识别方法，包括：采用神经网络搭建低压用户窃电识别模型；基于对比预测编码的方法训练低压用户窃电识别模型；采用低压用户窃电识别模型对低压用户的用电数据进行识别。本发明中，通过利用对比预测编码算法进行自监督学习，过滤用户用电信息中的短期模式信息，保留更关键的长期模式信息，从而实现更准确和更低误判率的窃电识别，提高电力安全稳定性。

本发明授权基于对比预测编码的低压用户窃电识别方法在权利要求书中公布了：1.一种基于对比预测编码的低压用户窃电识别方法，其特征在于，包括以下步骤： S100、采用神经网络搭建低压用户窃电识别模型； S200、基于对比预测编码的方法训练低压用户窃电识别模型； S300、采用低压用户窃电识别模型对低压用户的用电数据进行识别； 所述低压用户窃电识别模型包括用电特征提取模型和分类器；所述S200步骤包括以下子步骤： S210、使用无标注的正常用户的用电数据对用电特征提取模型进行预训练，使其具备提取长期用电特征的能力； S220、通过预训练好的用电特征提取模型从带有标注的用户用电训练集数据中提取用户的长期用电特征，并采用提取的长期用电特征和标注信息对分类器进行训练； 所述用电特征提取模型包括卷积神经网络、门控循环单元和第一全连接层；所述S210步骤包括以下子步骤： S211、卷积神经网络将用户用电量数据集X中的一个序列编码为1行m列的第一特征向量,m为整数； S212、门控循环单元将编码后的第一特征向量进行汇总，并提取该序列的第一特征向量前n列的数据转换为一个多行n列矩阵形式的第二特征向量,n为整数,且n＜m； S213、第一全连接层根据第二特征向量预测出该序列的第一特征向量的第n步之后的特征向量； S214、提取第一全连接层预测出的第n+k步的特征向量和该序列的第一特征向量的第n+k步的特征向量形成正样本对；提取第一全连接层预测出的第n+k步的特征向量和根据用户用电量数据集X中的另一序列形成的第一特征向量的第n+k步的特征向量形成负样本对；1≤k≤m-n； S215、采用正样本对和负样本对修正卷积神经网络的参数。

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重庆电力高等专科学校，其通讯地址为：400053 重庆市九龙坡区黄桷坪电力四村9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”。

以上内容由龙图腾AI智能生成。