[发明专利]一种基于SOM神经网络与K-均值聚类的窃电检测方法及系统

说明书

本发明公开了一种基于SOM神经网络与K‑均值聚类的窃电检测方法及系统，其中方法包括：从用户负荷曲线中随机抽取数据作为训练样本，并对所述训练样本进行归一化处理，获取处理样本；基于SOM神经网络对所述处理样本进行聚类，获取所述处理样本的聚类数和初始聚类中心；将所述聚类数和所述初始聚类中心作为K‑均值聚类的初始值，基于所述K‑均值聚类对所述处理样本进行聚类，获取用户负荷特征曲线；计算待检测用户负荷与其用户负荷特征曲线的欧式距离，获取所述待检测用户负荷与其用户负荷特征曲线的欧式距离；当所述欧式距离大于预先设定的阈值时，则将所述用户判断为窃电嫌疑用户。

技术领域

本发明涉及电力窃电检测技术领域，更具体地，涉及一种基于SOM神经网络与K-均值聚类的窃电检测方法及系统。

背景技术

随着市场经济的发展和人民生活水平的提高。用电需求日益扩大。为节省用电开支，追求高额利润。许多不法个人或单位采取各种方式窃电。使国家蒙受巨大的经济损失。据统计，我国电力企业每年因窃电产生的损失高达200亿，电力企业受到了极大的经济损失，社会供用电秩序也受到了极大的影响，因此，电力相关部门必须开展高效的反窃电工作，尽可能降低电力企业的经济损失，维护社会正常的用电秩序，促进电力管理工作的顺利开展。

目前传统的反窃电方法可分为技术手段与管理手段。技术手段主要是通过加装反窃电装置，或在表计中增加反窃电模块，如：双向计量，无法电流回路正接或者反接表计都能进行正确的电能计量；事件记录，包括表计的断相、失压、失流、电压电流不平衡、开表盖、逆相序等事件的记录。现有技术的反窃电方法能取得一定的作用，但是需要长期加装设备或资金投入加大，且跟不上窃电手段变化，效率低下。管理手段有设立稽查队伍、宣传相关法律知识等措施，但该方法不能有效取证、准确定量、及时反馈信息。

因此，需要一种技术。以实现对电力用户的窃电行为进行检测。

发明内容

本发明技术方案提供一种基于SOM神经网络与K-均值聚类的窃电检测方法及系统，以解决如何检测电力用户的窃电问题。

为了解决上述问题，本发明提供了一种基于SOM神经网络与K-均值聚类的窃电检测方法，所述方法包括：

从用户负荷曲线中随机抽取数据作为训练样本，并对所述训练样本进行归一化处理，获取处理样本；

基于SOM神经网络对所述处理样本进行聚类，获取所述处理样本的聚类数和初始聚类中心；

将所述聚类数和所述初始聚类中心作为K-均值聚类的初始值，基于所述K-均值聚类对所述处理样本进行聚类，获取用户负荷特征曲线；

计算待检测用户负荷与其用户负荷特征曲线的欧式距离，获取所述待检测用户负荷与其用户负荷特征曲线的欧式距离；

当所述欧式距离大于预先设定的阈值时，则将所述用户判断为窃电嫌疑用户。

优选地，所述从用户负荷曲线中随机抽取数据作为训练样本，并对所述训练样本进行归一化处理，获取处理样本，包括：

所述归一化处理的公式为：其中x_max为将所述训练样本中去掉最大值后所剩余的所述训练样本中的最大值，x_min为将所述训练样本中去掉最小值后所剩余的所述训练样本的最小值，x为训练样本，x^*为处理样本。

优选地，包括：所述SOM神经网络的排列方式为4×4的二维拓扑结构。

优选地，方法还包括：

对所述SOM神经网络的输出层各神经元权系数赋予随机数并进行归一化处理，得到w_j(j＝1，2，...，m)，建立初始优胜邻域和学习率η初始值；m为输出层神经元数目；w_j为神经元j的权系数；j为神经元j；