一种用电大数据驱动的窃电行为与线损异常关联识别方法

本发明涉及用电数据驱动技术领域，具体涉及一种用电大数据驱动的窃电行为与线损异常关联识别方法，包括获取高频用电量测数据于配电网络拓扑数据、数据时空联合清洗于拓扑连通性修正、动态更新阻抗矩阵并构建三类异质节点时空异构图、基于动态阻抗谱扫描进行总线损解耦计算。本发明有效解决了现有技术中因技术线损波动导致的窃电误报问题，通过动态阻抗谱扫描与异构图边权重的物理融合，确保了图神经网络输入特征的物理真实性，通过动态温度超参数将宏观线损率与微观偏离度容忍阈值进行线性绑定，使得模型在台区线损异常飙升时能自动放大对微小窃电特征的惩罚力度，从而大幅提升了疑似窃电用户识别的召回率与准确率，降低了漏报风险。