一种基于多模态Mamba的精确电力盗窃检测方法

本发明公开了一种基于多模态Mamba的精确电力盗窃检测方法；S1：自适应多尺度数据预处理，采用自适应分数标准化方法和局部异常因子技术，对输入的电力时间序列数据进行去噪和归一化处理，以提高数据质量；S2：多模态Mamba特征提取层；S3：联邦学习训练层：构建安全的联邦学习框架，实现多个供电区域间的协同训练，同时引入差分隐私机制，保护模型参数和训练数据的隐私；S4：智能对抗防御层；S5：自适应分类决策系统；S6：轻量化优化策略；通过多模态Mamba模型和联邦学习框架的创新融合，实现了高效安全的协同检测；通过智能对抗系统和轻量化优化，提升了模型的鲁棒性和实用性；本发明在检测准确率、计算效率和隐私保护等方面都取得了显著提升。