[发明专利]一种基于用户周用电特征的低压用户用电异常检测方法

说明书

一种基于用户周用电特征的低压用户用电异常检测方法，涉及电力检测技术领域。提供了一种在用电异常检测中考虑电能用户周用电行为特点，降低用电异常检测复杂度，提升用电异常数据检测的准确性的基于用户周用电特征的低压用户用电异常检测方法。从低压用户的周用电量特征出发，构建用户的周用电量特征曲线，基于FCM聚类算法，得到低压电力用户的典型周用电量曲线，再采用基于距离的方法标记异常用电的低压用户，最后通过主动召测电流、电压、平衡数据来监测用电异常用户。本发明结合用电信息采集系统获取日电量数据，并根据异常用户标记，对异常用户每小时召测电流、电压和平衡数据，实现用电异常行为的可靠监测。

技术领域

本发明属于电力检测技术领域，尤其涉及一种基于低压用户周用电特征的用电异常检测方法。

背景技术

随着电网规模不断扩大，电力系统信息化程度不断提高，以及物联网、云计算、数据挖掘等新一代控制、测量和数据处理技术的不断发展，大数据应用已经涉及到电力企业的各个业务领域。

目前，缺乏针对低压用户的异常用电行为研究，这是因为对于低压用户而言，电量的采集频率一般为每小时一次，且小时电量数据质量常得不到保障，可供研究的可靠数据只有日用电量，降低了检测可靠性。

发明内容

本发明针对以上问题，提供了一种在用电异常检测中考虑电能用户周用电行为特点，降低用电异常检测复杂度，提升用电异常数据检测的准确性的基于用户周用电特征的低压用户用电异常检测方法。

本发明所采用的技术方案是：包括以下步骤：

1)建立低压用户的周用电特征曲线；基于用电信息采集系统中不同类型的低压用户的日电量信息，构建用户典型周用电特征曲线；

2)对低压用户典型周用电特征曲线进行模糊C均值聚类，得到聚类中心；

3)将低压用户的周用电曲线与聚类中心进行距离度量，并对用电异常用户进行筛选；

若阈值大于常数η则认为数据存在异常，标记异常用户数据；否则，认为是正常数据，流程结束。

步骤1)包括以下步骤：

1.1)周用电量加权平均；

1.2)周用电量数据归一化。

步骤2)包括以下步骤：

2.1)初始化隶属度矩阵U；

2.2)计算c个聚类中心Vi；

2.3)更新隶属度矩阵U；

2.4)计算价值函数J；

2.5)迭代步骤2.2)和步骤2.4)，当J＜阈值ε时，转到步骤2.6)；

2.6)算法结束，输出c个聚类中心V1，V2，…Vc。

本发明利用日电量基础数据构造用户的周用电量特征曲线，并基于模糊C均值聚类算法进行聚类分析，得到低压电力用户的典型周用电量曲线，再采用基于距离的方法标记异常用电的低压用户，通过主动召测电流、电压、平衡数据来监测用电异常用户。

与现有技术相比，本发明至少具有以下有益效果：

1)与传统用电异常检测方法相比，本发明的检测方法从用户的周用电特征曲线出发，构建用户典型周用电特征曲线；

2)本发明的方法基于FCM聚类算法实现用户电能计量数据异常检测后，可以标记异常用户，实现异常用户用电行为的可靠监测。

附图说明

图1为本发明的低压用户用电异常检测方法的流程示意图。

具体实施方式