[发明专利]一种基于电力采集物联数据的用户性质异常分析方法

权利要求书

1.一种基于电力采集物联数据的用户性质异常分析方法，其特征在于，包括如下步骤：

步骤1：选取某地区用户分钟级用采信息；

步骤2：以m小时作为一个阶段，将一日划分为z个阶段，z=24/m；

步骤3：各阶段中每k分钟用电量作为一个数值样，各阶段中60m/k个数值样的平均值作为该阶段的阶段值；

步骤4：计算各用户用电的纯粹度Purity和用电电量曲线的波动度Volatility；

步骤5：通过各用户用电的纯粹度Purity和用电电量曲线的波动度Volatility筛选出用电性质异常的用户；

步骤6：通过实际走访确认用电性质异常的用户。

2.根据权利要求1所述的一种基于电力采集物联数据的用户性质异常分析方法，其特征在于：所述用户用电的纯粹度，式中：E为一段采集周期内的平均每日用电量，N为平均每日使用电器数量。

3.根据权利要求2所述的一种基于电力采集物联数据的用户性质异常分析方法，其特征在于：N＞10时，开始计算Purity。

4.根据权利要求3述的一种基于电力采集物联数据的用户性质异常分析方法，其特征在于：平均每日使用电器数量N的计算方式如下：N的初始值设为0，当分钟级功率差DPP_t时，则表示有其他电器开启，此时用N+1迭代原来的N，P_t为设置的电器功率识别阈值。

5.据权利要求1所述的一种基于电力采集物联数据的用户性质异常分析方法，其特征在于：所述用电电量曲线的波动度Volatility表示用户用电电量在每天24×60/k个时段中的波动情况，计算方式如下：

，式中，Xi为第i个阶段的阶段值与日平均阶段值的差值，i为1至z的正整数，α_i为第i个阶段的重要性参考系数。

6.据权利要求5述的一种基于电力采集物联数据的用户性质异常分析方法，其特征在于：所述日平均阶段值的计算方法为：日平均阶段值=整日用电总量/z。

7.据权利要求1所述的一种基于电力采集物联数据的用户性质异常分析方法，其特征在于：步骤1中，用户分钟级用采信息包括分钟级采集的功率和k分钟电量信息。

8.根据权利要求4述的一种基于电力采集物联数据的用户性质异常分析方法，其特征在于：m=2，k=15。

9.据权利要求8的一种基于电力采集物联数据的用户性质异常分析方法，其特征在于：第i个阶段的重要性参考系数α_i设置为（1,1,1.5,2,1.5,2,0.5,0.5,0.5,0.5,0.5,1），第一个时段指0:00-2:00时，以此顺延。

10.权利要求1所述的一种基于电力采集物联数据的用户性质异常分析方法，其特征在于：电器功率识别阈值P_t设定为200W，当用户用电的纯粹度Purity超过0.03，并且用电电量曲线的波动度Volatility低于0.6时认定为用电性质异常的用户。