[发明专利]一种确定窃电嫌疑用户的方法及装置

权利要求书

1.一种确定窃电嫌疑用户的方法，其特征在于，包括：

S1、根据用户的历史用电数据构建专家样本库，所述专家样本库包含的样本数据包括用户的历史用电数据和窃电嫌疑系数；

S2、采用遗传算法优化BP神经网络模型的权值序列，得到优化的BP神经网络模型；

S3、使用所述专家样本库中包含的样本数据对所述BP神经网络模型进行训练；

S4、根据训练后的BP神经网络模型对用户的待分析用电数据进行分析，根据分析结果确定用户的窃电嫌疑系数；

S5、根据所述窃电嫌疑系数确定窃电嫌疑用户。

2.根据权利要求1所述的确定窃电嫌疑用户的方法，其特征在于，所述步骤S2采用遗传算法优化BP神经网络模型的权值序列，得到优化的BP神经网络模型包括：

S21、将BP神经网络模型的初始权值序列作为染色体生成初始种群；

S22、根据所述种群中的染色体构建BP神经网络，使用专家样本库中的样本数据对所述BP神经网络进行训练，计算实际输出结果与期望值之间的误差，根据误差确定该染色体的适应度；

S23、判断是否所有染色体的适应度都达到预设阈值，若是则执行步骤S25，否则：对于适应度达到预设阈值的染色体，将该染色体复制至下一代种群；对于未达到预设阈值的染色体，采用遗传算子处理当前染色体，产生新染色体至下一代种群；

S24、针对该下一代种群重新执行步骤S22至S24；

S25、将当前种群的染色体作为所述BP神经网络的权值序列，根据所述权值序列对所述BP神经网络模型进行优化。

3.根据权利要求2所述的确定窃电嫌疑用户的方法，其特征在于，所述步骤S23中采用的遗传算子包括以下至少一种：选择算子、交叉算子、以及变异算子。

4.根据权利要求1-3所述的确定窃电嫌疑用户的方法，其特征在于，所述步骤S5根据所述窃电嫌疑系数确定窃电嫌疑用户包括：

根据所述窃电嫌疑系数的排序顺序确定相应的用户为窃电嫌疑用户；或

根据所述窃电嫌疑系数与预设阈值的比较确定相应的用户为窃电嫌疑用户。

5.根据权利要求1-3所述的确定窃电嫌疑用户的方法，其特征在于，所述步骤S1之前还包括：对用户的所述历史用电数据进行

缺失值处理、异常值处理、和/或归一化处理。

6.根据权利要求1-3所述的确定窃电嫌疑用户的方法，其特征在于，所述步骤S4之前还包括：对待分析用电数据进行缺失值处理、异常值处理、和/或归一化处理。

7.根据权利要求1-3任一项所述的确定窃电嫌疑用户的方法，其特征在于，在步骤S5之后，还包括：

将步骤S4确定的窃电嫌疑系数作为样本数据添加到步骤S1中所述的专家样本库中，然后使用新添加的数据再次执行步骤S3所述的模型训练操作。

8.根据权利要求1所述的确定窃电嫌疑用户的方法，其特征在于，所述用电数据是能够反映用户窃电特征的数据，包括以下数据中的一种或多种：产品单耗、行业趋同率、告警事件发生情况、相位角、用电量、用户线损率、三相电压不平衡率、功率因数、合同容量比率。

9.一种确定窃电嫌疑用户的装置，其特征在于，包括：

样本库构建单元，用于根据用户的历史用电数据构建专家样本库，所述专家样本库包含的样本数据包括用户的历史用电数据和窃电嫌疑系数；

模型优化单元，用于采用遗传算法优化BP神经网络模型的权值序列，得到优化的BP神经网络模型；

训练单元，用于使用所述专家样本库中包含的样本数据对所述BP神经网络模型进行训练；

窃电嫌疑系数确定单元，用于根据训练后的BP神经网络模型对用户的待分析用电数据进行分析，根据分析结果确定用户的窃电嫌疑系数；

窃电嫌疑用户确定单元，用于根据所述窃电嫌疑系数确定窃电嫌疑用户。

10.根据权利要求9所述的确定窃电嫌疑用户的装置，其特征在于，所述模型优化单元具体用于：

将BP神经网络模型的初始权值序列作为染色体生成初始种群；

根据所述种群中的每个染色体构建BP神经网络，使用专家样本库中的样本数据对所述该BP神经网络进行训练，计算实际输出结果与期望值之间的误差，根据误差确定该染色体的适应度；

判断是否所有染色体的适应度都达到预设阈值，若是则执行最后的进行优化的操作，否则：对于适应度达到预设阈值的染色体，将该染色体复制至下一代种群；对于未达到预设阈值的染色体，采用遗传算子处理当前染色体，产生新染色体至下一代种群；

针对该下一代种群重新执行上述确定适应度的操作和判断的操作；

将当前种群的染色体作为所述BP神经网络的权值序列，根据所述权值序列得到优化的对所述BP神经网络模型进行优化；

所述模型优化单元采用的遗传算子包括以下至少一种：选择算子、交叉算子、以及变异算子；

所述窃电嫌疑系数确定单元根据所述窃电嫌疑系数确定窃电嫌疑用户包括：

根据所述窃电嫌疑系数的排序顺序确定相应的用户为窃电嫌疑用户；或

根据所述窃电嫌疑系数与预设阈值的比较确定相应的用户为窃电嫌疑用户；

所述装置还包括历史数据预处理单元，用于对历史用电数据进行缺失值处理、异常值处理、和/或归一化处理。

所述装置还包括待分析用电数据预处理单元，用于对所述待分析用电数据进行缺失值处理、异常值处理、和/或归一化处理；

所述装置还包括模型再优化单元，用于将窃电嫌疑系数确定单元所确定的窃电嫌疑系数作为样本数据添加到所述专家样本库中，然后使用新添加的数据再次由训练单元执行所述训练操作；

所述用电数据是能够反映用户窃电特征的数据，包括以下数据中的一种或多种：产品单耗、行业趋同率、告警事件发生情况、相位角、用电量、用户线损率、三相电压不平衡率、功率因数、合同容量比率。