[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

说明书

本发明涉及一种基于电力采集物联数据的用户性质异常分析方法，属于互联网技术领域。包括步骤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和用电电量曲线的波动度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。本发明可以很容易识别出一些用户性质异常，如民电商用、群租用电等违规行为。

技术领域

本发明涉及一种基于电力采集物联数据的用户性质异常分析方法，属于互联网技术领域。

背景技术

物联网被称为继互联网和移动通信网之后的第三次信息产业浪潮，它能够实现物与物、人与物的广泛连接。近些年物联网发展迅猛，正加速渗透到生产、消费和社会管理等各领域，设备规模呈现爆发性增长趋势，已经逐步渗透到人们生产生活的方方面面，为人们及时了解自己周围环境以及辅助日常工作带来便利。

在电力物联传感采集设备的数据应用中，现在亟待解决数据应用的问题，电力行业中海量数据采集、存储、展示已经逐步开展，但数据如何用，如何从数据本身发现数据的价值，是物联数据采集之后的一个关键性问题。解决了数据采集与价值兑现的闭环才可以进一步推动业务数字化、服务化、产业化，打造能源数字新生态。

目前各地省网公司逐步开展了分钟级电力物联数据采集，对电力用户的分钟级瞬时有功功率、15分钟级电量等信息进行分钟粒度的采集，希望通过提高采集频率与采集内容来提升电网系统对用户用电行为的感知能力，特别用户性质异常的分析能力。现在确实缺少分钟级数据与用户性质异常的行为分析能力，亟待解决。

发明内容

本发明的目的在于，克服现有技术中存在的问题，提供一种基于电力采集物联数据的用户性质异常分析方法，可以很容易识别出一些用户性质异常，如民电商用、群租用电等违规行为。

本发明的一种基于电力采集物联数据的用户性质异常分析方法，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。

进一步的，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。

进一步的，N＞10时，开始计算Purity。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，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。