[发明专利]一种多源数据融合的防窃电预警方法

权利要求书

1.一种多源数据融合的防窃电预警方法，其特征在于：

包括数据获取与处理、特征提取与显示、模型分析、辅助决策；

其中，

数据获取与处理针对数据来源进行整理，获取有效数据用以获取窃电典型案例，即收集营销系统客户违约用电窃电相关数据信息；

特征提取与显示通过提取用户用电行为特征展示用电信息；

模型分析通过异常电量信息进行综合分析，获取异常电量信息模型；即通过海量用电信息采集系统提取客户用电数据，选取部分窃电客户实例，利用逻辑回归算法，开展模型样本训练相关的技术预研；搭建客户窃电概率大数据分析模型；

辅助决策生成异常用电窃电报告。

2.根据权利要求1所述的防窃电预警方法，其特征在于：所述提取用户用电行为特征展示的用电信息包括客户信息、客户信用信息；客户信息包括用户分类、用电类别、行业分类、电压等级、合同容量、重要性等级、季节性增减容、是否关联发电客户、发电客户接人容量、发电客户并网电压等级、平均月电能量、平均月电费；客户信用信息包括是否有欠费记录、欠费次数、是否有违约用电记录；客户用电行为信息根据从电能表上获取的采集数据，分析客户的用电行为，包括电能量差动异常、电能表开盖、电能表停走、三相不平衡、电流过流、电压断相、电能表失压、电能表失流、用电负荷等信息。

3.根据权利要求2所述的防窃电预警方法，其特征在于：采用下述的方法进行特征提取和比较研究，包括，

主分量分析方法；

基于自组织映射神经网络；

基于循环神经网络将原序列逐一输入到循环神经网络中用于回归预测，将每一时刻得到的隐藏状态都汇聚起来，然后利用平均池化来降维得到转换后的数据。

4.根据权利要求3所述的防窃电预警方法，其特征在于：特征提取以后，通过主分量分析和自组织映射神经网络的输出，显示特征数据在二维空间或者三维空间中的分布情况。

5.根据权利要求4所述的防窃电预警方法，其特征在于：所述客户窃电概率大数据分析模型的分析搭建基于用电信息采集系统，采用聚类分析法作为多变量统计工具，包括K-means算法、凝聚聚类算法以及EM算法系统聚类法和K均值聚类法；通过海量用电信息采集系统提取客户用电数据，选取部分窃电客户实例，利用逻辑回归算法，开展模型样本训练相关的技术预研。