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！

龙图腾网获悉南昌工程学院申请的专利一种基于改进的寄生捕食优化算法的窃电辨识方法及系统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：CN116933118B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202310944026.0，技术领域涉及：G06F18/2337；该发明授权一种基于改进的寄生捕食优化算法的窃电辨识方法及系统是由王宗耀;赖健;康兵;许志浩;丁贵立;刘传设计研发完成，并于2023-07-31向国家知识产权局提交的专利申请。

本一种基于改进的寄生捕食优化算法的窃电辨识方法及系统在说明书摘要公布了：本发明公开了一种基于改进的寄生捕食优化算法的窃电辨识方法及系统，导出台区所有用户的用电数据，提取每个用户的典型日负荷曲线，对每个用户的典型日负荷曲线进行分类，形成每类用户的典型日负荷曲线，提取用户待检测时间段的日负荷曲线和所属类的典型日负荷曲线，计算匹配度，将低于匹配度阈值的用户初步确定为窃电用户，使用改进的寄生捕食优化算法进行检测，得出一组最优窃电系数序列，设置窃电系数阈值，进一步确定窃电用户。本发明采用欧式距离和皮尔逊相关系数计算匹配初步确定窃电用户，使用改进的寄生捕食优化算法获取一组最优窃电系数序列进一步确定窃电用户，减少了工作人员的工作强度，提高效率。

本发明授权一种基于改进的寄生捕食优化算法的窃电辨识方法及系统在权利要求书中公布了：1.一种基于改进的寄生捕食优化算法的窃电辨识方法，其特征在于，步骤如下： 步骤S1：从电力用户用电采集系统中导出台区所有用户历史时刻的用电数据并且对用电数据进行预处理；所述用电数据包括电量、负荷、电压和电流； 步骤S2：提取每个用户的典型日负荷曲线，对每个用户的典型日负荷曲线进行分类，形成每类用户的典型日负荷曲线，再对用户用电行为进行分析； 步骤S3：提取用户待检测时间段的日负荷曲线和所属类的典型日负荷曲线，采用欧式距离和皮尔逊相关系数计算匹配度，将低于匹配度阈值的用户初步确定为窃电用户； 步骤S4：将步骤S3初步确定的窃电用户，构造窃电目标检测函数计算一组窃电系数序列，使用改进的寄生捕食优化算法进行检测，得出一组最优窃电系数序列，设置窃电系数阈值，进一步确定窃电用户； 改进的寄生捕食优化算法中分为筑巢、寄生和捕食阶段，分别更新鸟巢的位置，不同阶段鸟巢的位置更新规则不同，步骤如下： 步骤S41：种群初始化，初始化的公式如下： ； 其中，为种群初始解，为下限，为上限，是从0到1的均匀高斯分布中抽取的随机变量； 在种群初始化中引入Circle混沌映射，初始化的公式更新为： ； 其中，为求余函数，为引入Circle混沌映射后种群初始解； 步骤S42：计算种群中各个鸟巢的位置的适应度值，并按照数值大小进行排序筛选当前种群内最优与最劣的鸟巢的位置的适应度值，所有鸟巢的位置的适应度值表示为： ； 其中，为所有鸟巢的位置的适应度值向量即窃电系数向量，为单个鸟巢的位置的适应度值，为第u个鸟巢在第d个维度的位置； 步骤S43：筑巢阶段被评估为模拟乌鸦通过两个状态飞行；第一个状态是通过生成随机的候选乌鸦，为乌鸦生成一个新的鸟巢位置，公式如下： ； 其中，为飞行步长，为第i个乌鸦新的鸟巢的位置，为第i个乌鸦旧的鸟巢的位置，为随机生成的乌鸦鸟巢位置，为乌鸦的种群数量； 第二个状态是通过重新初始化被违反的维度，从先前的状态修改被违反的维度如下所示： ； 其中，为超出维度的第i个乌鸦的鸟巢的位置，为超出维度最小的第i个乌鸦的鸟巢的位置，为超出维度最大的第i个乌鸦的鸟巢的位置，为0到1的随机变量； 在第一个状态中加入曲线自适应权重，曲线自适应权重的计算公式如下： ； 其中，为当前迭代次数；是最大迭代次数；是调整系数；为曲线自适应权重的最大值，为曲线自适应权重的最小值； 乌鸦的鸟巢的位置公式更新为： ； 步骤S44：寄生阶段杜鹃的鸟巢位置表示为： ； ； ； 其中，为第i个杜鹃鸟旧的鸟巢的位置，为第i个杜鹃鸟新的鸟巢的位置，为服从高斯分布的随机变量，为二进制矩阵，和均为随机生成的鸟巢位置，为给出的递增因子； 在杜鹃的鸟巢位置公式中增加柯西变异扰动策略，杜鹃的鸟巢位置公式更新为： ； 其中，为区间内满足柯西分布的随机相量； 步骤S45：捕食阶段猫开始追踪猎物，更新猫在各个维度上的速度，公式如下： ； 其中，为更新后第i个猫在第d个维度上新的速度，为第i个猫在第d个维度上的速度，r为[0,1]范围内的随机数，c为常数，为适应度值最高的猫在第d个维度的位置，为第i个猫在第d个维度的位置； 检查更新速度猫的速度是否超过最大速度范围，如果新的速度大于最大速度，则将新的速度设置为等于限制速度； 更新第i个猫在第d个维度的位置，公式如下： ； 其中，为更新后第i个猫在第d个维度的位置； 在第i个猫在第d个维度的位置中加入反向学习策略，公式如下： ； ； ； 其中，为适应度值最高的猫在第d个维度的位置的反向解，ub为猫种群的上界，lb为猫种群的下界，R是服从标准均匀分布的1xd的随机矩阵，为信息交换控制参数； 在筑巢阶段和捕食阶段分别加入曲线自适应权重和柯西变异扰动策略后，通过贪婪规则比较新旧两个鸟巢的位置的适应度值，若新的鸟巢的位置的适应度大于旧的鸟巢的位置的适应度则用新的鸟巢的位置代替旧的鸟巢的位置，将所有适应度大于旧的鸟巢的位置的新的鸟巢的位置的适应度值按照大小排序并输出得到最优适应度，若新的鸟巢的位置的适应度值小于旧的鸟巢的位置的适应度值则返回步骤S43。

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南昌工程学院，其通讯地址为：330000 江西省南昌市高新技术开发区天祥大道289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。