[发明专利]电网用户用电异常行为检测方法在审
申请号: | 202110192632.2 | 申请日: | 2021-02-20 |
公开(公告)号: | CN113011997A | 公开(公告)日: | 2021-06-22 |
发明(设计)人: | 郭莹奎;芦立华 | 申请(专利权)人: | 上海电机学院 |
主分类号: | G06Q50/06 | 分类号: | G06Q50/06;G06K9/62;G01R31/00 |
代理公司: | 上海伯瑞杰知识产权代理有限公司 31227 | 代理人: | 李庆 |
地址: | 200240 *** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 电网 用户 用电 异常 行为 检测 方法 | ||
本发明提供一种电网用户用电异常行为检测方法,包括步骤:S1:采集获取用户用电数据;S2:对用户用电数据进行数据预处理,获得训练集;S3:构建基于AdaBoost集成学习的用电异常检测模型;S4:利用训练集对用电异常检测模型进行训练;S5:向训练后的用电异常检测模型输入用户特征数据;S6:进行异常用电行为分析与识别;S7:用电异常检测模型输出分类结果;S8:使用分类性能指标评价分类结果。本发明的一种电网用户用电异常行为检测方法,利用电力企业现有系统所提供数据实现反窃电分析,对窃电嫌疑用户行为进行推测和诊断,精准识别重大窃电嫌疑用户,提高反窃电工作成效,加强我国电力企业对电能输出的高效监管力度。
技术领域
本发明涉及大数据检测电网用户用电异常领域,尤其涉及一种电网用户用电异常行为检测方法。
背景技术
随着科学技术的不断提高,计算机科学日益成熟,其强大的计算功能被人们深刻地认识到,大数据检测窃电行为已经深入到许多电力公司。目前,应用于用电数据异常检测方面的有效方法可归纳为基于传统方法、基于数据挖掘两大类。传统方法涵盖了状态估计、矩阵分解、博弈论等。
虽然应用于用电数据异常检测方面的传统方法(状态估计法、矩阵分解法、博弈论等)正确率很髙,但模型的泛化能力较差。在处理小规模数据的问题时实用效果并不突出,可解释性较差。
发明内容
针对上述现有技术中的不足,本发明提供一种电网用户用电异常行为检测方法,利用电力企业现有系统所提供数据实现反窃电分析,对窃电嫌疑用户行为进行推测和诊断,精准识别重大窃电嫌疑用户,提高反窃电工作成效,加强我国电力企业对电能输出的高效监管力度。通过采用强有力的窃电监控识别手段,加大窃电的查处惩治力度,维护正常的供用电秩序,保障公司经营效益。
为了实现上述目的,本发明提供一种电网用户用电异常行为检测方法,包括步骤:
S1:采集获取用户用电数据;
S2:对所述用户用电数据进行数据预处理,获得训练集;
S3:构建基于AdaBoost集成学习的一用电异常检测模型;
S4:利用所述训练集对所述用电异常检测模型进行训练,获得训练后的所述用电异常检测模型;
S5:向训练后的所述用电异常检测模型输入用户特征数据;
S6:所述用电异常检测模型进行异常用电行为分析与识别;
S7:所述用电异常检测模型输出分类结果,所述分类结果包括窃电用户;
S8:使用分类性能指标评价分类结果。
优选地,所述S2进一步包括步骤:
S21:根据所述用户用电数据的异常情况,对所述用户用电数据进行相应的填充、清洗和修改操作,获得真实数据;
S22:随机选取10%的所述真实数据作为用户用电异常样本;
S23:按照六种不同的公式修改所述用户用电异常样本,获得所述训练集。
优选地,所述六种不同的公式包括公式(1)、公式(2)、公式(3)、公式(4)、公式(5)和公式(6):
h1(xt)=αxt,α∈(0.2,0.8) (1);
其中,h1(xt)表示t时刻按公式(1)修改后的用电量,α表示修改常系数,x表示原始用户用电量,t表示指定的某一时间;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海电机学院,未经上海电机学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110192632.2/2.html,转载请声明来源钻瓜专利网。