[发明专利]基于数据驱动的反窃电智能预警方法

权利要求书

1.基于数据驱动的反窃电智能预警方法，其特征在于，包括：

S1基于大数据挖掘的用户用电行为特征，提取研究成果作为后续的特征输入；

S101包括提取电网运行参数、电量采集参数、气象信息、用户场景、征信数据的多源数据，对数据进行预处理，并初步提取用户全部的用电特征集；

S102还包括对初步提取用户全部的用电特征集进行分析，以选取的聚类度量性能内部指标最优为目标，采用随机搜索策略，包裹式选择算法对特征子集进行搜索，提取用户用电行为关键特征；

S103所述特征输入包括比较各种方法搜索结果，选取综合性能最优的关键特征集作为后续步骤的特征输入；

S2基于半监督学习和聚类算法构建典型专变用电行为模型和低压用电行为模型；

S201所述构建典型专变用电行为模型和低压用电行为模型包括利用传统行业分类方法，对训练数据进行初步分类，并根据大类行业之间的性质区别，构建必连约束集合ML和勿连约束集CL；

S202包括基于S1所提取得到的用户关键特征因子，结合已有的行业分类标签作为监督信息，采用约束k均值聚类算法对训练样本进行行业分类，针对用户用电的时域特性，采用能反映一段时期内用户峰谷特性和用电量水平的指标进行聚类；

S203所述构建典型专变用电行为模型和低压用电行为模型还包括基于聚类结果构建典型专变用电行为模型和低压用电行为模型；

S3基于窃电样本的专变用户典型窃电特征和低压用户典型窃电特征进行分析及对专家样本库构建;

S301包括基于公司反窃电工作获取的用户窃电样本，采用Relief过滤式算法，以相关统计量最优为目标提取用户行业窃电典型特征集，进一步分析对比窃电样本；

S302所述专家样本库构建包括基于选取的专变用户典型窃电特征和低压用户典型窃电特征，提取用户窃电特征数据并构建专变用户典型窃电样本库和低压用户典型窃电样本库。