[发明专利]一种基于非监督学习的智能电网非技术性损失检测方法

说明书

本发明公开了一种基于非监督学习的智能电网非技术性损失检测方法，涉及智能电网高级量测体系领域。本发明使用主成分分析方法将原始数据集进行维度规约，即降维处理；基于k‑means方法对于降维处理后的数据进行聚类，将大多数正常数据进行剪枝；结合局部异常因子检测算法(LOF)进行精确数据处理，最终实现异常数据的准确分离，达到检测出非技术型损失的目的；运用ROC曲线来进行检测准确度的评价，验证本方法的可行性可准确性；确定方法并采用仿真工具对其进行仿真分析。本发明提出的检测方法比现有的技术更加简捷高效、实用性和实践性较强，而且可以更有效的提高检测效率，可以节省大量的时间和资源。

技术领域

本发明涉及智能电网高级量测体系领域，尤其涉及一种基于非监督学习的智能电网非技术性损失检测方法，可以高效快速的检测出智能电网的非技术性损失。

背景技术

近年来，智能电网的发展为电力行业注入了新的活力和希望，同时也对传统电网模式提出了新挑战。随着全球资源和环境压力的增大、电力市场化进程的推进、用户对电能质量和用电可靠性要求的提升等因素使得电力行业面临前所未有的挑战，许多国家和组织提出要建设具有灵活、清洁、安全、经济、友好等性能的智能电网，并将智能电网视为未来电网的发展方向

智能电网的基础是分布式数据传输、计算和控制技术，以及多个供电单元之间数据和控制命令的有效传输技术。在此基础上，电网需要更加高效的通讯、量测体系。为了解决这种需要，产生了智能电网高级量测体系(Advanced Metering Infrastructure，AMI)的概念，AMI在智能电网中扮演着愈加重要的角色。它在系统运行、资产管理，特别是负荷响应中所达到的效果显著，逐渐成为整个电力行业中最热门的研究和工程实施项目。

但如此复杂的检测、通讯系统，面临的安全威胁也不容小觑。AMI体系有几个关键的特征使其容易受到攻击：

(1)通信体系复杂，部分通信链路带宽有限；

(2)接入了大量的低计算、低存储、低防护能力的设备；

(3)存储了大量敏感的用户数据。

不法分子往往会利用AMI体系下安全防护薄弱特征，对智能电网进行攻击，实施窃电和欺诈等不法用电行为，危及智能电网的安全，像这种与配网侧的用户窃电和一系列欺骗性用电行为有关的电能损失，可以统称为非技术性损失(Nontechnical Loss，NTL)。此举不仅造成电能大量流失，扰乱正常的供用电秩序，同时也给电网的安全运行带来了严重的隐患。据不完全统计，我国每年因为非技术性损失造成的收入损失占总收入的0.5％到3.5％。

目前，国网供电公司采取的反窃电措施大多为:应用专业化的电能表箱和计量箱；将低压出线端闭合至计量装置的导体，此技术是目前反窃电技术中应用最为广泛的方法；安装反窃电智能电能表、丰富电能表功能；提高电采集系统的应用率等。但是这些方法大多以研究反窃电装置为主，缺乏足够的反窃电算法用于分析海量的历史用电数据，从而很难发现窃电用户的用电特征。

综上所述，AMI体系使智能电网提升了智能电网的数据采集、处理能力，加强了供给侧与需求侧的联系。但是也增加了电网受到攻击的风险。因此需要采取有效的措施来对非技术性损失进行有效的检测，有效的非技术性损失检测方法能够为供电公司的用电稽查工作提供参考，提高现场检查的命中率，降低运营成本，同时可以节省大量人力物力；对于促进建设坚强智能电网，提高电网的安全性有着非常重要的研究意义。

发明内容

本发明目的在于提供一种基于非监督学习的智能电网非技术性损失检测方法，旨在通过对表征用电行为的用电原始数据进行聚类分析获取异常数据，来判断用电行为异常，以达到智能电网非技术性损失检测，该方法具有简便、高效、考虑因素全面以及实用性高的特点。

为实现上述目的，本发明是通过以下技术方案实现的：一种基于非监督学习的智能电网非技术性损失检测方法，其特征在于：包括如下步骤：