[发明专利]基于数据驱动的反窃电智能预警方法

说明书

本发明公开基于数据驱动的反窃电智能预警方法，利用数据挖掘、机器学习等人工智能技术，构建基于数据驱动的反窃电智能预警模型，对异常用电行为进行分级预警，实现窃电预警、精准定位窃电用户，并对模型和样本库不断进行迭代优化，实现窃电预警准确率不断提升，当发现系统预警，精准定位用户信息，及时查看诊断信息、用电异常信息，极大减少一线员工的工作量，提高了电力企业人员的工作效率，减少人员操作和巡视费用，降低运营成本，大幅提高窃电行为查处率。

技术领域

本发明属于电力行业领域，具体涉及一种基于数据驱动的反窃电智能预警方法。

背景技术

目前，电是商品，我国电力法的颁布，明确了供用电双方的权利和义务，使电力市场走上规范化、法制化的道路。用户用电必须按照国家核准的电价和计量装置的记录按时交纳电费。窃电是一种违法犯罪行为，禁止任何单位和个人非法侵占、使用电能。但是在现实生活中一些企业和个人受非法获利思想的驱使进行窃电以达到少缴纳电费甚至不缴纳电费的目的，国家和电力经营企业因此蒙受了巨大的经济损失。窃电行为不仅损害了国家和电力经营企业的经济利益，还危及电网正常运行，阻碍电力工业正常发展。个别用户的私拉乱挂极易引发电网事故，使合法用户的权益无辜受害，影响地区经济的健康发展。

随着科学技术的发展，社会用电需求不断增加，一些不法经营者、个体私营业主及居民用电大户为谋取利润，降低成本，不择手段地窃取国家电能,窃电问题成为困扰电力企业的一项难题。当前通过高科技手段进行窃电的用户成几何级数增长，窃电呈现出人员专业化、设备智能化、方式隐蔽性强，窃电量大等特点，窃电形势日益严峻，反窃电工作日益艰难，对智能化、信息化需求不断提升。如何精准发现窃电成为反窃电领域的一大难题。某些特殊窃电方式，预测精度还有待提升。加强数据的深化研究应用，推动大数据与人工智能技术和反窃查违业务的深度融合，解决现有反窃查违工作缺乏数字化抓手，数据挖掘深度不够、窃电查处准确性不高、智能化程度较低的情况。

发明内容

针对现有问题，本发明提出基于数据驱动的反窃电智能预警方法，通过数据建立反窃电智能预警模型，基于数据构建专变和低压用户典型窃电样本库。

为实现上述目的，本发明提供了如下技术方案：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;