用于检测和报告能量计量仪的篡改的方法和装置与流程

1.本公开涉及检测和报告能量计量仪的篡改。更具体地讲，本发明涉及用于使用机器学习来自动检测能量计量仪的可疑篡改的方法和装置。


背景技术：

2.生成和递送电能的公共事业公司通过电能计量仪来监测家庭和行业的电能消耗和使用。通过篡改计量仪来窃取电能已成为公共事业公司的主要担忧。由于能量窃取，公用设施实现了大量损失和可利运营的重大减少。
3.用于篡改能量计量仪的许多技术和设备是已知的，其用于干扰、停止、阻碍或减少计量仪对电能进行的测量，例如高频火花发生器、干扰发射机、磁体、计量仪和磁控管的燃烧。检测所有这些类型的篡改变得困难，因为单个传感器无法检测上述篡改中的每一者。
4.通过当前检测方法容易检测到的篡改为磁性篡改(通过ac和dc磁体)和打开能量计量仪盖的篡改。然而，仍然难以检测使用esd、干扰发射机设备、微波源并且通过物理损坏计量仪端子以及通过钻入计量仪中以损坏其测量部件来进行的篡改。
5.当前，不存在帮助公共事业公司检测所有的各种类型的计量仪篡改的方法或系统。另外，用于检测篡改的已知现有技术对于检测和/或隔离单个家庭的电能窃取是无效的。在世界范围内，公共事业公司具有非常严格的针对能量计量仪设备的成本目标。添加附加的硬件或增加对计量仪的手动检查将不利地影响计量仪的成本，这使得此类解决方案不具有竞争性。
6.因此，需要用于可靠地检测所有类型的能量计量仪篡改的高性价比的装置和方法。


技术实现要素：

7.本发明公开了使用神经网络算法来检测对能量计量仪的篡改的各种实施方案。
8.根据示例性实施方案，公开了一种用于检测能量计量仪的可疑篡改并且将其报告给公共事业公司的方法。所述方法包括使用多个传感器来获得与一个或多个输入参数相关的数据，所述多个传感器被配置为基于输入信号的类型来感测所述输入参数数据。所述方法包括将所述输入参数中的一者或多者与篡改类型映射以提供一个或多个输出参数的分类。所述方法还包括将所述能量计量仪的一个或多个操作状况与所述一个或多个输出参数进行比较。另外，所述方法包括使用所述比较来识别一个或多个可疑篡改，以及更新所述一个或多个输入参数与所识别的可疑篡改的所述映射。所述方法还包括将所述可疑计量仪篡改报告给所述公用设施。
9.根据另一个示例性实施方案，公开了一种用于检测和报告能量计量仪的可疑篡改的装置。所述装置包括多个传感器，所述多个传感器被配置为获得与一个或多个输入参数相关的数据，所述多个传感器被配置为基于输入信号的类型来感测所述输入参数数据。所述装置还包括：通信模块，所述通信模块连接在所述能量计量仪和公用设施之间；至少一个
存储器，所述至少一个存储器被配置为存储算法；和至少一个处理器，所述至少一个处理器耦接到所述至少一个存储器和所述通信模块。所述装置被配置为将所述一个或多个输入参数与篡改类型映射以提供一个或多个输出参数的分类，以及使用所述算法将所述能量计量仪的一个或多个操作状况与所述一个或多个输出参数进行比较。所述装置被进一步配置为使用所述比较来识别一个或多个可疑篡改类型，以及更新所述算法以便改变所述一个或多个输入参数与所识别的可疑篡改类型的所述映射。所述装置被进一步配置为使用所述通信模块将所述可疑篡改报告给所述公用设施。
10.根据又一个示例性实施方案，公开了一种非暂态计算机可读介质，所述非暂态计算机可读介质包括指令，所述指令在被执行时致使处理设备使用多个传感器数据来获得与一个或多个输入参数相关的数据，所述多个传感器被配置为基于输入信号的类型来感测所述输入参数数据。所述指令在被执行时致使所述处理设备将所述输入参数中的一者或多者与篡改类型映射以提供一个或多个输出参数的分类，以及将所述能量计量仪的一个或多个操作状况与所述一个或多个输出参数进行比较。另外，所述指令在被执行时致使所述处理设备使用所述比较来识别一个或多个可疑篡改类型，以及更新所述一个或多个输入参数与所识别的可疑篡改类型的所述映射。另外，所述指令在被执行时致使所述处理设备将所述可疑计量仪篡改报告给公用设施。
11.通过以下的详细描述、附图和所附权利要求进一步解释了本公开的这些和其他特征、方面和优点。
附图说明
12.为了更完整地理解本公开，现在结合附图参考以下描述，在附图中：
13.图1示出了根据实施方案的特征的用于检测对能量计量仪的篡改的示例性系统；
14.图2示出了根据实施方案的特征的表示用于对能量计量仪的篡改进行分类的神经网络算法的曲线图的示例；
15.图3示出了根据实施方案的特征的用于对时间序列数据集进行分类的多层神经网络的示例性架构；
16.图4示出了根据实施方案的特征的包括篡改检测的能量计量仪的示例；
17.图5示出了根据实施方案的特征的时间序列数据的数据流的示例；
18.图6示出了根据实施方案的特征的与能量计量仪中没有篡改状况相关的曲线图；
19.图7a示出了根据实施方案的特征的与所识别的能量计量仪的中性电流篡改相关的曲线图；
20.图7b示出了根据实施方案的特征的与所识别的能量计量仪中的esd篡改相关的曲线图；并且
21.图8示出了根据实施方案的特征的用于检测对能量计量仪的篡改的类型的方法的流程图。
具体实施方式
22.下文所讨论的图1至图8以及用于描述本发明的原理的各种实施方案的描述仅以例证的方式提供，并且不应以任何方式被解释为限制本发明的范围。本领域的技术人员将
理解，本发明的原理可在任何类型的适当布置的设备或系统中实现。
23.图1示出了根据本公开的支持用于检测对能量计量仪的篡改的架构的示例性系统100。系统100可作为与能量计量仪通信的单独模块安装在能量计量仪中，或者可被配置为在电能使用的测量和报告中操作能量计量仪的部件的一部分。系统100包括至少一个处理器102、至少一个存储设备104、至少一个通信单元106和至少一个输入/输出(i/o)单元108。每个处理器102可执行加载到存储器110中的指令。例如，指令可实现本文档中所述的用于使用支持架构来检测篡改类型的各种功能。每个处理器102可代表任何合适的处理设备，包括一个或多个微处理器、微控制器、数字信号处理器、专用集成电路(“asic”)、现场可编程门阵列(“fpga”)或分立电路。
24.存储器110和持久性存储装置112是存储设备104的示例，该存储设备表示能够存储信息(包括数据、程序代码和/或临时性的或永久性的其他合适信息)并且便于信息的检索的任何结构。存储在持久性存储装置112(其耦接到至少一个处理器102)中的算法被配置为将一个或多个输入参数与篡改类型映射以提供一个或多个输出参数的分类。算法适于在一个或多个网络中操作，该一个或多个网络包括但不限于多层感知器(mlp)、卷积神经网络(cnn)、递归神经网络(rnn)或长短期记忆(lstm)中的任一者。耦接到至少一个处理器102的存储器110还可表示随机存取存储器或任何其他合适的易失性或非易失性存储设备。持久性存储装置112可以包含支持数据的更长期存储的一个或多个部件或设备，包括只读存储器、硬盘驱动器、闪存存储器或光盘。
25.通信单元106可支持与其他系统或设备的通信。例如，通信单元106可包括至少一个网络接口卡或无线收发器，从而有利于通过至少一个有线或无线网络进行通信。通信单元106可通过任何合适的物理的或无线的通信链路来支持通信。
26.i/o单元108可允许数据的输入和输出。例如，i/o单元108可通过键盘、鼠标、小键盘、触摸屏或其他合适的输入设备为用户输入提供连接。i/o单元108还可发送输出至显示器、打印机或其他合适的输出设备。
27.图2示出了表示用于篡改的分类的机器学习算法的曲线图200。算法200存储在系统100的至少一个存储器110中。曲线图200作为其中每个节点连接到来自下一层的节点的多层神经网络操作，根据本公开，该多层神经网络可以是例如标准多层感知器(mlp)或单层感知器的级联。神经网络可不限于mlp并且可扩展到cnn、rnn或lstm拓扑结构或它们的组合。一系列机器学习算法可潜在地用于篡改的分类。可应用具有一系列选定超参数的监督、无监督、深度或浅学习算法，以通过能量计量仪中使用的系统100获得篡改分类。超参数的选择可以是向算法的神经网络提供控制学习的一个或多个调谐参数。该一个或多个调谐参数可以是依据多层神经网络的节点权重的超参数的值。
28.根据本公开并且如图2所示，多层神经网络可包括至少三个网络层，诸如输入层201、一个或多个隐藏层202和输出层203。根据本公开，示例性曲线图200示出了4层模型，其中存在两个隐藏层202，包括第一隐藏层202a和第二隐藏层202b。输入层201为神经网络提供初始数据。该一个或多个隐藏层202为输入层201和输出层203之间的中间层。输出层203产生针对给定输入的结果。根据本公开，输入层201可包括来自多个输入参数的输入变量，该多个输入参数包括磁场201a、v
rms
201b和i
neutral
201c中的至少一者。
29.根据本公开，磁场201a是可通过磁控管型篡改设备使用高磁场来导致篡改的输入
参数中的一者。类似地，v
rms
201b和i
neutral
201c的变化可以是使用不同篡改工具(诸如高火花发生器)来进行篡改的原因。中性干扰可由又另一种类型的篡改工具(诸如干扰发射机)引起，或通过燃烧计量仪(这可引起输入参数的变化)引起。输入层可包括馈送到该一个或多个隐藏层202以用于计算的数量n的输入参数201n。数量n的输入参数201n可包括温度、电压、电流、功率、振动或频率中的至少一者。该一个或多个隐藏层202对从输入层201接收的该多个输入参数201n执行非线性变换。将该多个输入参数201n的计算馈送至输出层203以提供输出变量，诸如至少一个输出参数203n。根据本公开，输出层提供至少一个输出参数，该至少一个输出参数可识别可疑篡改(诸如曲线图200中所示的可疑篡改)，该可疑篡改可包括esd篡改203a、干扰发射机篡改203b和其他篡改203n中的至少一者。
30.在图2中，曲线图200示出了神经网络200，向该神经网络馈送不同篡改和非篡改类型的标记数据，使得神经网络使用算法和反向传播分析来学习参数。反向传播分析向神经网络200提供训练，该训练涉及计算多层神经网络的每个节点(包括神经网络200的输入层、隐藏层中的一者或多者和输出层)的权重。能量计量仪可包括系统100，该系统使其神经网络离线学习各种篡改类型并且使用反向传播分析将所学习的参数编程到系统。另选地或除此之外，学习可在系统100中在线进行，同时与能量计量仪一起操作。
31.图3示出了根据本公开的用于对时间序列数据集进行分类的卷积神经网络(cnn)的架构。cnn神经网络包括至少三个层，诸如卷积层、池化层和完全连接层。在cnn神经网络中，输入由与常规神经网络不同的图像组成，convnet的层具有布置在3个维度上的神经元：宽度、高度和深度。根据本公开，将具有长度n和宽度k的时间序列中的以输入图像数据形式的多个输入参数馈送到cnn神经网络中的卷积层的堆叠。将该多个输入参数馈送到cnn神经网络的卷积层的堆叠。在图像数据中分析该多个输入参数(例如磁场轴x、磁场轴y、磁场轴z、温度、振动输入、rms电压、峰值电压、电压和电流的傅里叶分量、rms相电流、rms中性电流、r、y、b电压和电流、功率因数或线路频率中的至少一者)以处理可疑篡改的识别。
32.在图3中，根据本公开，每个输入图像将穿过卷积层的堆叠，该堆叠基于输入图像的值或参数对输入图像数据内的对象进行滤波和分类。类似地，输入图像中的每一者与该多个输入参数相关，并且将穿过卷积层的堆叠以基于输入参数中的每一者的变化对参数进行分类。将输入图像的计算数据馈送到池化层。池化层可为最小或最大池化层。根据本公开，最大池化层可通过对输入图像进行下采样来减小参数的数量，该下采样减小每个输入图像的维度，但保留重要信息。完全连接层被称为输出层，该输出层通过将分析平坦化并将其转成单个向量来输出卷积和池化层的分析以提供分类决策作为输出参数。
33.图4示出了能量计量仪400的架构。根据本公开，能量计量仪400被配置为检测篡改。能量计量仪400包括多个传感器401-403、微控制器405、模拟前端406、端子和断路器407、显示器404、外部存储器409和通信模块408。该多个传感器401-403被配置为获得与一个或多个输入参数相关的数据。根据本公开，该多个传感器包括磁传感器401、温度传感器402和振动传感器403中的至少一者。该多个传感器401-403并不仅限于图4所示的传感器。另选地和除此之外，传感器还可包括可获得特定类型的篡改(例如esd和/或干扰发射机)的参数数据的其他传感器。对于图4的图示，每个传感器基于从至少一个磁传感器401、温度传感器402和振动传感器403获得的输入信号的类型来提供输入参数数据。该多个传感器将所获得的输入数据馈送到至少一个微控制器/处理器405。
34.如图4所示，微控制器405与外部存储器409可通信地连接。算法可存储在外部存储器409中或存储在微控制器405的内部存储器内。微控制器405被配置为从该多个传感器401-403获得输入数据。与该多个传感器401-403相关联的微控制器405被配置为基于输入信号的类型(包括例如磁、电、频率和机械振动中的至少一者)来感测该一个或多个输入参数。与存储在外部存储器409中的算法相关联的微控制器405将输入参数中的一者或多者与篡改类型映射以提供一个或多个输出参数的分类。
35.在图4中，能量计量仪400还包括将信号馈送到微控制器405的模拟前端406。信号可为电信号、负载信号和控制信号中的至少一者。模拟前端406向来自端子或断路器407的接收信号提供放大或调节。来自端子或断路器407的信号可能需要放大和调节以向微控制器405提供适当信号。模拟前端406可使用模拟放大器来向微控制器提供放大和经调节的输入信号。在另一个实施方案中，模拟前端406还可通过位于模拟前端406中的adc转换器电路来提供从模拟信号到数字信号的转换。模拟前端406向微控制器405提供灵活性和可配置的电子功能。
36.如图4所示，微控制器405被配置为将能量计量仪的一个或多个操作状况与该一个或多个输出参数进行比较。微控制器405被配置为使用该一个或多个操作状况与该一个或多个输出参数的比较来识别一个或多个可疑篡改。微控制器405被配置为将通过可疑篡改分类的该一个或多个输入参数更新到外部存储器409中。根据本公开，微控制器405被进一步配置为基于所识别的可疑篡改和输出参数中的至少一者的特性变化来检测能量计量仪的至少一个部件中的篡改。可使用通信模块408(其使用无线通信装置或有线通信装置中的至少一者)将所识别的一个或多个可疑篡改报告给公用设施。根据本公开，当怀疑家庭或商业用户篡改能量计量仪400时，通信模块408可与微控制器405通信以使用端子或断路器407将计量仪与本地负载断开。
37.端子和断路器407还向微控制器405提供电路保护以使其免受负载线的电连接的影响，并且向微控制器405的电路提供保护以使其免受由过量电流(例如过载或短路)引起的损坏。基于来自通信模块408或微控制器405的指令，断路器407可停止对于能量计量仪400的负载或电力或者可停止能量计量仪400的使用。通信模块被配置为基于对能量计量仪400的篡改的检测而经由无线通信装置或有线通信装置中的至少一者从公用设施或电力中心接收指令。在接收到指令时，通信模块或微控制器被配置为指示断路器停止能量计量仪的使用。
38.如图4所示，显示器404连接到根据本公开的微控制器。显示器404被配置为提供由能量计量仪400测量的电能和对计量仪的使用而言重要的其他信息的显示。显示器404被布置成通过在能量计量仪处消耗或使用的瓦特数、电压或电流来显示电使用。显示器还可显示例如当前日期或时间、位置和温度等。显示器可被配置为示出根据本公开的该一个或多个输入参数或输出参数。显示器404可由用于显示信息的任何当前已知的固态设备构成，诸如led、oled、lcd或tft指示器和屏幕。
39.图5示出了用于检测能量计量仪篡改的来自系统400的多个传感器501-505的数据流的图示。图5示出了馈送到分类算法514以识别可疑篡改515-519的时间序列数据506-513。根据本公开，该多个传感器可不限于电压传感器501、电流传感器502、磁场传感器503、振动传感器504和温度传感器505。每个传感器可基于输入信号的类型获得与一个或多个输
入参数相关的数据。输入信号的类型包括磁、电、频率和机械振动中的至少一者。该一个或多个输入参数包括磁场轴x、磁场轴y、磁场轴z、温度、振动输入、rms电压、峰值电压、电压和电流的傅立叶分量、rms相电流、rms中性电流、r、y、b电压和电流以及功率因数或线路频率中的至少一者。
40.如图5所示，该多个传感器501-505获得时间序列数据中的该一个或多个输入参数，该时间序列数据不限于至少一个电压时间序列数据506，电压频域数据507、线频率508、电流时间序列数据509、电流频域数据510、磁场时间序列数据511、振动时间序列512和温度时间序列数据513。使用分别在图2和图3中所示的mlp或cnn算法中的至少一者将时间序列数据506-513馈送到分类算法514。也可使用rnn、lstm或其他决策树算法。分类算法514对该一个或多个输入参数的时间序列数据执行分类分析。时间序列数据示出用于预测篡改515-519的该一个或多个输出参数的变化。时间序列数据的变化包括电压时间序列数据506、电压频域数据507、线频率508、电流时间序列数据509、电流频域数据510、磁场时间序列数据511、振动时间序列512和温度时间序列数据513中的任一者的变化。
41.分类算法514关于该多个输入参数201n和一系列选择的超参数采用非线性变换或其他计算以获得能量计量仪500的篡改分类。分类算法514将输入参数中的一者或多者与篡改类型映射以提供一个或多个输出参数的分类。分类算法514将能量计量仪500的一个或多个操作状况与该一个或多个输出参数进行比较以使用该比较来识别一个或多个可疑篡改。分类算法514通过能量计量仪100、400、500的存储器110、409中的所识别的可疑篡改来更新该一个或多个输入参数的映射。分类算法使用分类算法514的反向传播分析来通过该一个或多个输出参数学习该一个或多个输入参数分类。反向传播分析向分类算法200提供训练，该训练涉及计算多层神经网络的每个节点的权重，该多层神经网络包括输入层、隐藏层中的一者或多者和输出层。
42.分类算法514还使用在该系列的选择的超参数内的标记数据集来提供分类。标记数据集包括对应于该一个或多个已知状况的不同篡改或非篡改状况。标记数据集可以是包括该系列的选择的超参数的输入参数中的一者或多者。超参数的选择可以是向分类算法514的神经网络提供控制学习的一个或多个调谐参数。该一个或多个调整参数可以是依据分类算法的节点权重的超参数的值。
43.该一个或多个输入参数包括电压时间序列数据506、电压频域数据507、线频率数据508、电流时间序列数据509、电流频域数据510、磁场时间序列数据511、振动时间序列512和温度时间序列数据513中的至少一者。将输入参数中的一者或多者应用于分类算法以基于分类算法的反向传播分析来提供该一个或多个输出参数。可在在线模式或离线模式中的至少一者中将标记数据集应用于分类算法。
44.分类算法514基于该一个或多个输入参数和该一个或多个输出参数的分类来提供可疑篡改。根据本公开，分类算法514提供一个或多个参数，包括中性干扰篡改515、esd篡改516、干扰发射机篡改517和其他篡改518。在该一个或多个输出参数中没有变化的情况下，分类算法可指示没有篡改519。根据本公开，分类算法被配置为基于所识别的可疑篡改和输出参数中的至少一者的特性变化来检测能量计量仪的至少一个部件中的篡改。
45.在另选的实施方案中，该一个或多个输出参数包括磁篡改、esd篡改、盖打开篡改、使用干扰发射机设备的篡改、使用微波源的篡改、神经或输入电压干扰场景以及能量计量
仪500的钻孔中的至少一者。能量计量仪500可被配置为单相或3相计量仪。其可在室内或室外安装并安装在杆上。其可用作单个单独的单元或一组计量仪的一部分或任何其他配置的计量仪。
46.在另一个替代实施方案中，分类算法514可以是如图2和图3所示的多层神经网络。分类算法514包括输入层201、一个或多个隐藏层202和输出层203。类似地，分类算法514可采用cnn神经网络，该cnn神经网络包括三层，诸如卷积层、池化层和完全连接层，如图3所示。分类算法不限于mlp或cnn类型的中性网络，并且可包括rnn、lstm或其他决策树算法中的任一者。
47.图6示出了与能量计量仪400、500中没有篡改状况相关的曲线图。在图6的示例中，电压的标称变化在单相能量计量仪中介于 /-311v之间，标称中性电流在 /-14a之间变化。类似地，标称温度为约30℃并且磁场为约2mt。图6所示的曲线图指示电压波形的变化不超过标称 /-311，并且电流波形的变化不超过标称 /-14a。应当指出的是，如图6所示的x-y轴线仅用于说明的目的，并且可能不反映所示的输入参数的有效标度。
48.图7a示出了能量计量仪中的识别的中性电流篡改的曲线图。应当指出的是，x轴中所示的读数仅用于说明目的，并且不是中性电流的有效标度。在图7a的示例中，示出了中性电流波形的失真。图6和图7a的中性电流波形中的时间序列参数改变的比较指示了相应波形变化的改变以及能量计量仪的篡改的证据。中性电流的时间序列波形的特征示出了跨如图7a所示的波形的异常变化，该异常变化指示中性电流篡改。根据本公开，通过图7a所示的图形化输出参数，分类算法514通过中性电流的干扰来识别能量计量仪的篡改。
49.图7b示出了与能量计量仪中的esd篡改相关的曲线图。根据本公开，图7b即磁场和温度波形的曲线图指示整个波形中的峰值变化。图7b中的磁场和温度波形的时间序列参数受到干扰，并且不类似于图6所示的磁场和温度波形的时间序列参数。同样，这提供了在能量计量仪中已发生esd篡改的指示。如上文针对中性电流干扰所解释的，根据本公开，通过图7b所示的图形化输出参数，分类算法514通过磁场和温度的干扰来识别能量计量仪的esd篡改。
50.图7a至图7b所示的示例具体地被呈现用于解释中性干扰和esd篡改。在示例性实施方案中，在电压、电流、磁、温度和频率波形中的至少一者中存在类似变化，可针对其他篡改(诸如磁篡改、使用干扰发射机设备、使用微波源、开盖篡改或能量计量仪的物理损坏/钻孔)来观察该变化。分类算法514主动观察已分类输出参数的改变以检测可疑篡改，并且经由能量计量仪的通信模块将可疑篡改报告给公用设施。
51.如图8所示，根据本公开示出了用于检测和报告能量计量仪的可疑篡改的方法800。在步骤801中，方法获得与能量计量仪的一个或多个输入参数相关的数据。该多个传感器被配置为基于所述能量计量仪的输入信号的类型来感测输入参数数据。输入信号的类型可包括并且不限于磁、电、频率和机械振动中的至少一者。该一个或多个输入参数包括磁场轴x、磁场轴y、磁场轴z、温度、振动输入、rms电压、峰值电压、电压和电流的傅立叶分量、rms相电流、rms中性电流、r、y、b电压和电流、功率因数或线路频率中的至少一者。
52.在步骤802中，进行输入参数中的一者或多者与篡改类型的映射以便提供能量计量仪的一个或多个输出参数的分类。存储在耦接到至少一个处理器的至少一个存储器中的分类算法被配置为将该一个或多个输入参数与篡改类型映射以提供该一个或多个输出参
数的分类。分类算法使用标记数据集来提供该一个或多个输出参数的分类，该标记数据集包括分类算法的一系列选择的超参数。应用于分类算法的标记数据集包括mlp、cnn、rnn和lstm神经网络中的至少一者。标记数据集还包括对应于该一个或多个已知状况的不同篡改或非篡改状况。分类算法应用篡改或非篡改状况以基于分类算法的反向传播提供该一个或多个输出参数。
53.在步骤803中，方法将能量计量仪的一个或多个操作状况与该一个或多个输出参数进行比较。分类算法基于反向传播分析来提供该一个或多个输出参数。由分类算法进行的分析不仅限于反向传播分析。分类算法还可使用mlp、cnn、rnn、lstm或其他已知的决策树算法中的至少一者来执行分类分析。
54.在步骤804中，方法使用能量计量仪的该一个或多个操作状况与该一个或多个输出参数的比较来识别一个或多个可疑篡改。输入参数和输出参数的比较在图6、图7a和图7b中以图形方式示出。应当指出的是，比较不是由系统以图形方式进行的。这里仅使用曲线图来示出输出参数如何在篡改和无篡改参数之间进行比较。图6示出了无篡改输出参数的曲线图，而图7a和图7b示出了指示分析期间的时间序列参数的变化的曲线图。一个或多个可疑篡改可包括磁篡改、esd篡改、盖打开篡改、使用干扰发射机设备、使用微波源、中性或输入电压干扰场景以及对能量计量仪钻孔中的至少一者。图7a至图7b所示的示例特别用于中性干扰和esd篡改。在示例性实施方案中，在电压、电流、磁、温度和频率中的至少一者中存在类似变化，可针对其他篡改(诸如磁篡改、干扰发射机设备的使用、微波源的使用、盖打开篡改或能量计量仪的物理损坏/钻孔)来观察该变化。
55.在步骤805中，方法更新该一个或多个输入参数与所识别的可疑篡改的映射。分类算法514存储在与微控制器100、405相关联的存储器中。存储器可以是如图4和图5所示的内部存储器110或外部存储器409。一旦分类算法识别出可疑篡改，就可将该一个或多个输入参数与可疑篡改的映射更新到外部存储器409。由分类算法识别的可疑篡改存储在存储器409中以供分类算法将来使用。由分类算法进行的学习和更新在连续基础上进行。分类算法的学习和更新可离线进行，并且可将学习参数编程到计量仪。学习和更新也可在计量仪中在线进行。当能量计量仪被安装并生效时，可能进行对篡改的检测。能量计量仪可使用来自该多个传感器的数据或来自外部存储器的分类数据来预测篡改状况并将其记录到外部存储器中。
56.在步骤806中，方法将可疑计量仪篡改报告给公用设施。至少一个微控制器405被配置为使用耦接到能量计量仪400、500的通信模块408来报告可疑计量仪篡改。能量计量仪可执行向公共事业公司的推送通知以指示篡改事件。在另一个实施方案中，针对能量计量仪的篡改，通信模块408可向微控制器405报告断开命令，该断开命令切断来自能量计量仪的本地负载并且停止家庭或商用用户对能量计量仪的使用。在另一个实施方案中，微控制器405被进一步配置为基于识别的可疑篡改来检测能量计量仪的至少一个部件中的篡改，该篡改改变输出参数中的至少一者的特性。
57.阐述贯穿本专利文献中使用的某些字词和短语的定义是有利的。术语“应用程序”和“程序”是指适于以合适的计算机代码(包括源代码、目标代码或可执行代码)实现的一个或多个计算机程序、软件部件、指令集、过程、功能、对象、类、实例、相关的数据或其一部分。术语“发送”、“接收”、和“通信”及其衍生词涵盖直接通信和间接通信两者。术语“包括”和“包含”以及其衍生词意指包括但不限于此。术语“或”是包括性的，意指和/或。
58.短语“与...相关联”以及其衍生词可以意指包括、包括在...内、与...互连、包含、包含在...内、连接到...或与...连接、耦接到...或与...耦接、可与...通信、与...协作、交错、并置、与...接近、结合到...或与...结合、具有、具有...的属性、具有与...的关系或与...具有关系等。术语“控制器”意指控制至少一个操作的任何设备、系统或其部分。控制器可以以硬件或硬件和软件/固件的组合来实现。无论本地部署还是远程部署，与任何特定控制器相关联的功能可为集中式的或分布式的。当与项列表一起使用时，短语“...中的至少一个”意指可以使用所列的项中的一个或多个项的不同组合，并且可能仅需要列表中的一个项。例如，“a、b和c中的至少一者”包括以下任何组合：a，b，c，a和b，a和c，b和c，以及a和b和c。
59.虽然本公开已描述了某些实施方案和大体上相关联的方法，但是这些实施方案和方法的变更和置换对于本领域的技术人员来说将是显而易见的。因此，上文对示例性实施方案的描述不限定或约束本公开。在不脱离如以下权利要求书限定的本公开的实质和范围的情况下，其他改变、替换和变更也是可能的。
60.具体的实施方案
61.虽然结合具体的实施方案描述了以下内容，但应当理解，该描述旨在说明而不是限制前述描述和所附权利要求书的范围。
62.本发明的第一实施方案是一种用于检测和报告能量计量仪的可疑篡改的方法，所述方法包括：(i)使用多个传感器来获得与一个或多个输入参数相关的数据，所述多个传感器被配置为基于输入信号的类型来感测所述输入参数数据；(ii)将所述输入参数中的一者或多者与篡改类型映射以提供一个或多个输出参数的分类；(iii)将所述能量计量仪的一个或多个操作状况与所述一个或多个输出参数进行比较；(iv)使用所述比较来识别一个或多个可疑篡改；(v)更新所述一个或多个输入参数与所识别的可疑篡改的所述映射；以及(vi)将所识别的可疑篡改报告给所述公用设施。本发明的一个实施方案是本段中的先前实施方案直至本段中的第一实施方案中的一个、任一个或所有实施方案，其中所述输入参数中的所述一者或多者与所述篡改类型的所述映射是基于存储在耦接到所述至少一个处理器的至少一个存储器中的算法，并且其中所识别的可疑篡改的所述报告是基于耦接到所述能量计量仪的所述至少一个处理器的通信模块。本发明的一个实施方案是本段中的先前实施方案直至本段中的第一实施方案中的一个、任一个或所有实施方案，其中所述算法使用标记数据集来提供所述一个或多个输出参数的分类，所述标记数据集包括所述算法的一系列选择的超参数，所述标记数据集应用于包括mlp、cnn、rnn和lstm神经网络中的至少一者的所述算法，所述标记数据集包括对应于所述一个或多个已知状况的不同篡改或非篡改状况，所述状况应用于所述算法以基于所述算法的反向传播来提供所述一个或多个输出参数。本发明的一个实施方案是本段中的先前实施方案直至本段中的第一实施方案中的一个、任一个或所有实施方案，其中所述标记数据集在在线模式或离线模式中的至少一者中应用于所述算法。本发明的一个实施方案是本段中的先前实施方案直至本段中的第一实施方案中的一个、任一个或所有实施方案，其中所述一个或多个输入参数包括磁场轴x、磁场轴y、磁场轴z、温度、振动输入、rms电压、峰值电压、电压和电流的傅立叶分量、rms相电流、rms中性电流、r、y、b电压和电流、功率因数或线路频率中的至少一者。本发明的一个实施方
案是本段中的先前实施方案直至本段中的第一实施方案中的一个、任一个或所有实施方案，其中所述一个或多个输出参数包括磁篡改、esd篡改、盖打开篡改、使用干扰发射机设备、使用微波源、中性电流篡改或对所述能量计量仪钻孔中的至少一者。本发明的一个实施方案是本段中的先前实施方案直至本段中的第一实施方案中的一个、任一个或所有实施方案，其中所述输入信号的类型包括磁、电、频率和机械振动中的至少一者。本发明的一个实施方案是本段中的先前实施方案直至本段中的第一实施方案中的一个、任一个或所有实施方案，其中所述能量计量仪包括单相、3相、室内/室外安装、杆安装、组表或任何其他配置的计量仪中的至少一者。本发明的一个实施方案是本段中的先前实施方案直至本段中的第一实施方案中的一个、任一个或所有实施方案，还包括基于所识别的可疑篡改和所述输出参数中的至少一者的特性变化来检测所述能量计量仪的至少一个部件中的篡改。
63.本发明的第二实施方案是一种用于检测和报告能量计量仪的可疑篡改的装置，所述装置包括：多个传感器，所述多个传感器被配置为获得与一个或多个输入参数相关的数据，所述多个传感器被配置为基于输入信号的类型来感测所述输入参数数据；通信模块，所述通信模块连接在所述能量计量仪和公用设施之间；至少一个存储器，所述至少一个存储器被配置为存储算法；至少一个处理器，所述至少一个处理器耦接到所述至少一个存储器和所述通信模块，被配置为：使用所述算法将所述一个或多个输入参数与篡改类型映射以提供一个或多个输出参数的分类，使用所述算法将所述能量计量仪的一个或多个操作状况与所述一个或多个输出参数进行比较，使用所述比较来识别一个或多个可疑篡改类型；更新所述算法以便改变所述一个或多个输入参数与所识别的可疑篡改类型的所述映射；以及使用所述通信模块将所述可疑篡改报告给所述公用设施。本发明的一个实施方案是本段中的先前实施方案直至本段中的第二实施方案中的一个、任一个或所有实施方案，其中所述至少一个处理器被配置为使用标记数据集来提供所述一个或多个输出参数的分类，所述标记数据集包括所述算法的一系列选择的超参数，并且其中所述标记数据集应用于包括mlp、cnn、rnn和lstm神经网络中的至少一者的所述算法，所标记数据集包括对应于所述一个或多个已知状况的不同篡改或非篡改状况，所述状况应用于所述算法以基于所述算法的反向传播来提供所述一个或多个输出参数。本发明的一个实施方案是本段中的先前实施方案直至本段中的第二实施方案中的一个、任一个或所有实施方案，其中所述标记数据集在在线模式或离线模式中的至少一者中应用于所述算法。本发明的一个实施方案是本段中的先前实施方案直至本段中的第二实施方案中的一个、任一个或所有实施方案，其中所述一个或多个输入参数包括磁场轴x、磁场轴y、磁场轴z、温度、振动输入、rms电压、峰值电压、电压和电流的傅立叶分量、rms相电流、rms中性电流、r、y、b电压和电流、功率因数或线路频率中的至少一者。本发明的一个实施方案是本段中的先前实施方案直至本段中的第二实施方案中的一个、任一个或所有实施方案，其中所述一个或多个输出参数包括磁篡改、esd篡改、盖打开篡改、使用干扰发射机设备、使用微波源、中性电流篡改或对所述能量计量仪钻孔中的至少一者。本发明的一个实施方案是本段中的先前实施方案直至本段中的第二实施方案中的一个、任一个或所有实施方案，其中所述输入信号的类型包括磁、电、频率和机械振动中的至少一者。本发明的一个实施方案是本段中的先前实施方案直至本段中的第二实施方案中的一个、任一个或所有实施方案，其中所述能量计量仪包括单相、3相、室内/室外安装、杆安装、组表或任何其他配置的计量仪中的至少一者。本发明的一个实施方案是本段中的先前
实施方案直至本段中的第二实施方案中的一个、任一个或所有实施方案，其中所述至少一个处理器被配置为基于所识别的可疑篡改和所述输出参数中的至少一者的特性变化来检测所述能量计量仪的至少一个部件中的篡改。
64.尽管没有进一步的详细说明，但据信，本领域的技术人员通过使用前面的描述可最大程度利用本发明并且可容易地确定本发明的基本特征而不脱离本发明的实质和范围以作出本发明的各种变化和修改，并且使其适合各种使用和状况。因此，前述优选的具体的实施方案应理解为仅例示性的，而不以无论任何方式限制本公开的其余部分，并且旨在涵盖包括在所附权利要求书的范围内的各种修改和等效布置。
65.在前述内容中，所有温度均以摄氏度示出，并且所有份数和百分比均按重量计，除非另外指明。