[发明专利]基于非侵入式负荷分解的用电异常检测方法和系统

权利要求书

1.一种基于非侵入式负荷分解的用电异常检测方法，其特征在于，所述方法包括：

基于非侵入式负荷分解技术对用户的总用电功率进行分解获取各设备用电功率；

基于所述各设备用电功率获取用户行为特征；

基于所述用户行为特征利用密度峰值聚类算法实现异常用电行为检测；

所述用户行为特征包括用电时间特性和负荷特性，其中，所述用电时间特性包括不同设备的常见运行时段、日运行频次、常见关闭时段以及日关闭频次；所述负荷特性包括不同用户的设备日平均用电功率、设备日最大用电功率、设备最大负荷小时数以及设备日均用量；

所述基于所述用户行为特征利用密度峰值聚类算法实现异常用电行为检测包括：

S31、基于用电时间特性采用密度聚类算法对用户进行初步分类得到不同类别用户；

S32、针对所述不同类别用户，依据负荷特性采用基于KNN的快速密度峰值聚类算法实现异常用电行为检测；

所述S31和S32包括：在各类用户不同设备数据集中，计算任一样本x_a与其他样本x_b之间的欧氏距离d(x_a,x_b)，并将计算结果按照升序排列，记对应第k个距离的样本为N_k(x_a)，则x_a的k个最近邻为：

N(x_a)＝{x_b∈X|d(x_a,x_b)≤d(x_a,N_k(x_a))}

用N(x_a)来计算局部密度

式中，K由参数p确定，K＝pN，p是样本数N的百分比；

在上式基础上给出基于KNN的与高密度点之间的距离的定义为：

根据公式计算出每个样本的局部密度和与高密度点之间的距离

根据上步计算所得样本的确定具有异常用电行为的用户；

对于经过上述分解得到的用电设备集，分别在不同用电设备集上计算出值，然后将这些用电设备集上的值进行平均加权，再利用加权后的值判断离群点，并根据离群点检测具有异常用电行为的用户；

异常用电行为检测的判断条件为：当某一个点的局部密度距离时，则确定该用户为具有异常用电行为的用户；

其中，局部密度阈值的定义为：

距离阈值的定义为：

式中，b表示设备,b∈{1,2,3,...,M}，a表示数据集中的样本，a∈{1,2,3,...,N},γ_ρ和γ_δ为经验参数。

2.如权利要求1所述的方法，其特征在于，所述基于非侵入式负荷分解技术对用户的总用电功率进行分解获取每个设备的用电功率包括：

S11、基于非侵入式负荷分解模型建立被分解的总用电功率与各用电设备工作模式之间的映射关系，基于所有用电设备工作模式的组合得到所有用电设备总用电功率对应的状态码的编码；

S12、基于所述状态码的编码训练基于RNN的seq2seq模型；

S13、利用训练好的所述基于RNN的seq2seq模型进行负荷分解，获取各设备用电功率。