[发明专利]一种多源数据融合的防窃电预警方法

说明书

本发明提供一种多源数据融合的防窃电预警方法，用以实现针对用户在用电过程中出现的窃电和异常用电行为的分析及预警体系。该方法中利用多源复合信息提高用电行为的系统监测和预测预警诊断能力，以用电海量数据应用的支撑技术；建立多层感知体系，促进用电信息系统的多源集成、深层提取和全方向应用；同时提出基于用户用电分析的监测与感知方法，提高对用电类别、用电策略以及用电行为规范等相关资源的优化配置；提出对用户用电行为属性的辨识方法，为电网安全、维护电量营销提供技术支撑。

技术领域

本发明是属于电网数据分析领域，更准确的来说是一种多源数据融合的防窃电预警方法。

背景技术

作为智能电网组成中的直面用户的最前置、最基本的构成元素，电力用户用电信息采集系统是电力企业“大数据”链条上的重要且基础的一环。故目前的智能电网系统中的窃电和异常用电行为分析需要将广大电力用户用电信息数据的采集，并利用已采集的海量数据结合营销信息系统以及其他关联数据进行合理提取和分析，形成分析结论。而如何进行数据采集、提取、分析仍没有较好的实现方法。

发明内容

发明目的：为解决上述问题，本发明提供了一种多源数据融合的防窃电预警方法，用以提高用电行为的系统监测和预测预警诊断能力。

技术方案：为实现上述目的，本发明可采用如下技术方案。

一种多源数据融合的防窃电预警方法，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。

进一步的，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。

进一步的，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；

进一步的，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。

进一步的，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。