[发明专利]一种具有窃电嫌疑的用户的识别方法及装置

权利要求书

1.一种具有窃电嫌疑的用户的识别方法，其特征在于，包括：

响应于获取的用户历史用电数据以及终端设备窃电记录，分别提取窃电识别评估指标和窃电标签，使形成训练数据集，其中，所述窃电识别评估指标包括负荷曲线斜率指标、线损指标以及告警类指标，所述窃电标签为某一用户是否窃电；

所述负荷曲线斜率指标的表达式为：

，，，

式中，是负荷曲线斜率指标，是负荷曲线斜率变化的标志，是第t天的负荷曲线斜率，是第t-1天的负荷曲线斜率，s是负荷曲线斜率变化次数，m是天数的统计周期；

负荷曲线斜率的计算公式为：

，，，

式中，是第i天的负荷曲线斜率，是第t天的负荷，以m天为统计周期，是天的平均负荷，分别为第天和天，是平均天数；

所述线损指标的表达式为：

，，，

式中，是线损指标，是线损指标参考值，和分别是该天前m天和后m天的平均线损率，分别表示第和天；

线损率的计算公式为：

，

式中，是第t天的线损率，是线路输电量，是所有用户的总损耗，U是用户集合，u是用户；

所述告警类指标的表达式为：

，，

式中，是报警的总次数，是警告信号的状态，如果有报警信息，则否则，是告警类指标，是警告次数参考值；

对所述负荷曲线斜率指标、线损指标以及告警类指标进行加权求和，使得到综合评价指标，其中，所述综合评价指标的表达式为：，

式中，是综合评价指标，是负荷曲线斜率指标，是线损指标，是告警类指标，分别为负荷曲线斜率指标、线损指标和告警类指标的权重，；

基于所述训练数据集对组合分类模型进行训练，其中，所述组合分类模型为基于随机森林子模型和神经网络子模型的组合模型，所述组合分类模型的输入量为所述窃电识别评估指标，输出量为所述窃电标签；

将某一用户实时用电数据输入所述组合分类模型中，输出某一用户的窃电嫌疑系数，使确定窃电嫌疑用户。

2.根据权利要求1所述的一种具有窃电嫌疑的用户的识别方法，其特征在于，在响应于获取的用户历史用电数据以及终端设备窃电记录，分别提取窃电识别评估指标和窃电标签，使形成训练数据集之后，所述方法还包括：

响应于获取的用户历史用电数据以及终端设备窃电记录，分别提取窃电识别评估指标和窃电标签，形成测试数据集；

基于所述测试数据集对所述组合分类模型进行准确度测试，使调整所述随机森林子模型的参数。

3.根据权利要求1所述的一种具有窃电嫌疑的用户的识别方法，其特征在于，在基于所述训练数据集对组合分类模型进行训练之前，所述方法还包括：

响应于获取的用户历史用电数据，对所述用户历史用电数据进行数据清洗。

4.根据权利要求1所述的一种具有窃电嫌疑的用户的识别方法，其特征在于，在基于所述训练数据集对组合分类模型进行训练之前，所述方法还包括：

响应于获取的用户历史用电数据，基于拉格朗日插值法对所述用户历史用电数据的缺失值进行处理。