[发明专利]一种多算法融合的窃电疑似度分析方法

说明书

本发明公开了一种多算法融合的窃电疑似度分析方法，涉及窃电疑似度分析方法。由于用户数量庞大、用电需量不同、用电负荷模式多种多样导致样本特征千变万化，而一种算法的适用性毕竟有限。本发明是基于电量波动计算，结合离群点算法和聚类算法，更好的从用电量数据中挖掘出窃电特征的一种窃电疑似度分析方法。本发明融合了多种算法进行疑似窃电判断并计算窃电疑似度的方法，是改变现有反窃电现状，提高反窃电效率以及用电管理水平的一种重要方法；解决现有反窃电技术主要以装置为主，而没有有效的反窃电算法为一线稽查人员现场勘查工作提供有效依据的问题。经过该方法的分析和窃电疑似度计算，只需要排查疑似度高的用户就可以发现大部分的窃电用户，从而极大地缩减了工作量，该方法经济有效。

技术领域

本发明涉及窃电疑似度分析方法，尤其涉及一种多算法融合的窃电疑似度分析方法。

背景技术

电力生产和消费水平的同比提高极大的推动了用电管理技术的发展，但随之而来的是窃电问题变的越来越突出。传统反窃电措施大多采用装置监测和现场勘查结合的方式来判断用户是否窃电，这些方法存在的问题在于时效性差、准确性低、适用性不高以及对数据利用不充分等，因此针对反窃电技术的研究已经成为当今社会的热门话题。用电信息采集技术和大数据挖掘技术的发展为开发更加高效实用的防窃电算法提供了前提条件。用电信息采集系统可以全面地采集到用户的相关的用电数据，利用数据挖掘技术则可以发现用电数据中存在的规律，找到正常用电和异常用电的区别，从而在海量数据集中有效甄别出窃电用户。

研究多算法融合的窃电疑似度分析方法是为了解决目前单一反窃电算法不能适用复杂多样的用电数据特点的问题。由于用户数量庞大、用电需量不同、用电负荷模式多种多样导致样本特征千变万化，而一种算法的适用性毕竟有限，因此仅仅使用一种算法对疑似窃电用户进行分析处理可定达不到预期的效果。

发明内容

本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进，提供一种多算法融合的窃电疑似度分析方法，以达到准确分析窃电的目的。为此，本发明采取以下技术方案。

一种多算法融合的窃电疑似度分析方法包括以下步骤：

1)获取用户用电数据，并对数据进行预处理；

2)计算样本波动率CV；

3)判断样本波动率CV是否小于0.6，若是，则进入步骤4)，若否则进入步骤6)

4)离群点算法进行窃电判别；

5)根据离群点算法得到的窃电判别结果计算窃电疑似度；

6)聚类算法进行窃电判别；

7)根据聚类算法得到的窃电判别结果计算窃电疑似度；

8)判断两种算法是否同时执行，若否则单独执行，若是，则进入步骤9)；

9)两种算法结果综合计估；

10)报警并归档处理。

本发明是基于电量波动计算，结合离群点算法和聚类算法，更好的从用电量数据中挖掘出窃电特征的一种窃电疑似度分析方法。电量波动率是一种描述数据样本波动程度的指标，通过一定的数据分析表明，离群点算法通过分析电量数据做窃电判别的效果一般会随着样本波动率的增大而降低。当样本波动率在一定范围内，用离群点算法发现窃电用户效果很好，当样本波动率高于这个范围时，离群点算法结果的可信度就会下降很多，此时采用聚类算法可以将波动很大的样本分成k类(k是聚类算法的初始聚类数目，可以根据任意设定，此处一般设定k＝3),选择出窃电嫌疑最大的一类，即聚类中心点最低的的一类作为嫌疑数据，设置窃电报警。两种情况对应的结果都有窃电疑似度，代表了分析样本存在窃电嫌疑的程度，一般可将窃电嫌疑程度分为重度、中度、轻度，按照窃电嫌疑程度选择性的对窃电可能性大的用户现场排查，可以极大地较少窃电稽查的工作量，从而提高反窃电工作的效率。