(19)中华 人民共和国 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 202111424886.9 (22)申请日 2021.11.26 (71)申请人 国网山东省电力公司营销服 务中心 （计量中心） 地址 250001 山东省济南市 市中区大观园 经二路15 0号 (72)发明人 郭红霞　王兆军　李骁　刘丽君　 李霖　王翠翠　刘志美　孟玉洁　 刘晓冬　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 代理人 祖之强 (51)Int.Cl. G06K 9/00(2022.01) G06F 16/36(2019.01)G06F 16/2458(2019.01) G06N 5/04(2006.01) G06N 20/00(2019.01) G06Q 50/06(2012.01) (54)发明名称 基于增量数据动态更新的反窃电知识图谱 优化方法及系统 (57)摘要 本发明提供了一种基于增量数据动态更新 的反窃电知识图谱优化方法及系统， 获取新增采 集特征类型、 各类新旧采集特征的新增采集数据 及新增窃电类型； 基于新增采集数据进行多因素 典型相关分析， 得到新增用电行为特征， 采用块 增量学习算法更新典型相关分析的特征相关系 数值； 基于获取的新增用电行为特征和更新的典 型相关分析相关系数值， 采用逻辑回归算法， 基 于新增窃电类型构建新的反窃电模 型类， 并更新 优化原有反窃电模型的参数； 基于窃电类型新增 及更新的各类反窃电模型构建底层子图与顶层 子图， 采用子图匹配融合并处理反窃电知识图谱 中的反窃电知识， 得到优化后的反窃电知识图 谱； 本发明提高了窃电行为识别与反窃电稽查工 作的效率。 权利要求书3页 说明书13页 附图3页 CN 114330416 A 2022.04.12 CN 114330416 A 1.一种基于增量数据动态更新的反窃电知识图谱 优化方法， 包括以下 过程： 获取新增采集特 征类型、 各类新旧采集特 征的新增采集数据及新增窃电类型； 对获取的数据进行 预处理； 基于新增采集数据进行多因素典型相关分析， 得到新增用电行为特征， 采用块增量学 习算法更新典型相关 分析的特 征相关系数值； 基于获取的新增用电行为特征和更新的典型相关分析相关系数值， 采用逻辑回归算 法， 基于新增窃电类型构建新的反窃电模型类， 并更新优化原有反窃电模型的参数； 基于窃电类型新增及更新的各类反窃电模型构建底层子图与顶层子图， 采用子图匹配 融合并处 理反窃电知识图谱中的反窃电知识， 得到优化后的反窃电知识图谱。 2.如权利要求1所述的基于增量数据动态更新的反窃电知识图谱优化方法， 包括以下 过程： 所述预处 理， 包括： 数据清洗、 数据删除、 数据补全和归一 化。 3.如权利要求1所述的基于增量数据动态更新的反窃电知识图谱优化方法， 包括以下 过程： 基于新增采集数据进行多因素典型相关分析， 得到新增用电行为特征， 采用块增量学 习算法更新典型相关 分析的特 征相关系数值， 包括： 基于获取的新增采集特征的新增采集数据， 采用多关联因素典型相关分析方法计算样 本特征集间的整体线性关系， 获取典型相关性， 作为反窃电模型的新增用电行为特 征； 将各类新旧采集特 征的采集数据， 按照同一时间窗口划分为相同大小的增量数据块； 利用增量数据块与上一批次增量数据块的投影权重矩阵， 采用投影向量迭代更， 新获 取当前批次新增 增量数据块的投影权 重矩阵； 基于当前批次新增增量数据块的投影权重矩阵， 获取新增批次采集数据的最大相关系 数， 得到新增特 征与更新后的特 征间的最大相关系数。 4.如权利要求3所述的基于增量数据动态更新的反窃电知识图谱优化方法， 包括以下 过程： 基于获取的新增用电行为特征和更新的典型相关分析相关系数值， 采用逻辑回归算 法， 基于新增窃电类型构建新的反窃电模型类， 并更新优化原有反窃电模型的参数， 包括： 基于获取的新增用电行为特征以及新增批次采集数据的各特征的最大相关系数， 进行 数据定义； 基于新增窃电类型初始化新增窃电类别的反窃电模型参数， 对基于逻辑 回归算法构建 的各类反窃电模型进行参数初始化； 基于新增特 征数据及更新后的最大相关系数， 采用迭代算法计算并更新各模型参数； 将更新后的模型参数代入目标函数， 判断目标函数与实际窃电识别间的误差是否小于 误差阈值， 是则进入下一 步， 否则返回上一 步； 固定目标函数参数， 输出本次获取 更新的各类反窃电模型。 5.如权利要求4所述的基于增量数据动态更新的反窃电知识图谱优化方法， 包括以下 过程： 基于逻辑回归算法构建的各类反窃电模型为根据不同的窃电类别构建的不同输入特 征及不同参数值的单一类别反窃电模型。权　利　要　求　书 1/3 页 2 CN 114330416 A 26.如权利要求1所述的基于增量数据动态更新的反窃电知识图谱优化方法， 包括以下 过程： 基于窃电类型新增及更新的各类反窃电模型构建底层子图与顶层子图， 采用子图匹配 融合并处 理反窃电知识图谱中的反窃电知识， 得到优化后的反窃电知识图谱， 包括： 定义历史记录存在窃电类别与反窃电知识图谱， 将反窃电知识图谱分为底层子图和顶 层子图； 在底层子 图构建过程中， 基于历史积累的反窃电记录信息抽取实体及属性， 进行知识 图谱内部三元组和多元组定义； 基于专家经验和获取的多因素及对应的最大相关系数， 构建反窃电三元组和多元组， 完成关联触发约束及可疑属性输出， 作为顶层子图的输入； 顶层子图的构建采用多元组， 基于构建的基于不同窃电类别的反窃电模型， 以可疑属 性为反窃电模型输入， 以窃电类别为模 型输出， 不同的窃电类别获取不同的反窃电模型， 提 取各反窃电模型 的特征参数值作为关联属 性值， 形成以可疑属 性作为顶层子图的头实体， 以窃电类别作为顶层子图的尾实体， 顶层子图的输出为窃电类别； 基于获取的新增特征和更新的最大相关系数值， 将新增特征加入各反窃电模型作为特 征输入， 并基于更新的最大相关系 数值对多因素关联虚拟属 性特征值进行更新， 更新各反 窃电模型， 进而更新各模型的特征参数， 并基于模型参数值， 对各模型特征进行新增及消 亡， 并根据更新后的各模型 特征参数更新知识图谱的关联信息 。 7.如权利要求1所述的基于增量数据动态更新的反窃电知识图谱优化方法， 包括以下 过程： 对各模型 特征进行新增及消亡， 包括： 新增特征的加入或剔除， 原有特 征的保留或删除。 8.一种基于增量数据动态更新的反窃电知识图谱 优化系统， 包括： 数据获取模块， 被配置为： 获取新增采集特征类型、 各类新旧采集特征的新增采集数据 及新增窃电类型； 预处理模块， 被 配置为： 对获取的数据进行 预处理； 相关性计算模块， 被配置为： 基于新增采集数据进行多因素典型相关分析， 得到新增用 电行为特 征， 采用块增量学习算法更新典型相关 分析的特 征相关系数值； 模型构建及优化模块， 被配置为： 基于获取的新增用电行为特征和更新的典型相关分 析相关系数值， 采用逻辑回归算法， 基于新增窃电类型构建新的反窃电模型类， 并更新优化 原有反窃电模型的参数； 知识图谱优化模块， 被配置为： 基于窃电类型新增及更新的各类反窃电模型构建底层 子图与顶层子图， 采用子图匹配融合并处理反窃电知识图谱中的反窃电知识， 得到优化后 的反窃电知识图谱。 9.一种计算机可读存储介质， 其上存储有程序， 其特征在于， 该程序被处理器执行时实 现如权利要求 1‑7任一项所述的基于增量数据动态更新的反窃电知识图谱优化方法中的步 骤。 10.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的程 序， 其特征在于， 所述处理器执行所述程序时实现如权利要求 1‑7任一项所述的基于增量数权　利　要　求　书 2/3 页 3 CN 114330416 A 3