一种以深度学习为主导的堆叠机器学习和深度学习的窃电检测方法及系统

本发明提出一种以深度学习为主导的堆叠机器学习和深度学习的窃电检测方法及系统，所述方法包括以下步骤：S1：获取数据集，并对数据集进行清洗；S2：将清洗完的数据做归一化处理；S3：将得到的预处理数据集划分为训练集和测试集；S4：采用SMOTE+Tomek‑Links综合采样法平衡两个样本类别，用于后续窃电检测模型的训练；S5：构建窃电检测模型并训练；所述窃电检测模型包括深度学习特征提取模块、支持向量机SVM、随机森林RF、梯度提升决策树GBDT和极端梯度提升树XGBoost；S6：将待测数据输入训练好的窃电检测模型获得检测结果。本发明利用SMOTE+Tomek‑Links处理数据的不平衡度问题，通过深度学习的特征提取模块堆叠机器学习的预分类输出一起作为XGBoost的输入，能够提高窃电行为检测的精度。