[发明专利]基于加权余弦相似度的重点人员用电行为异常分析方法

权利要求书

1.一种基于加权余弦相似度的重点人员用电行为异常分析方法，其特征在于：包括如下步骤：

步骤1：需求部门输入重点人员的管控标签，根据所述标签确定所述重点人员的小区名称和用户编号，采集待测日该用户全天的电力负荷辨识数据及待测日环境特征数据；

步骤2：读取历史用电数据库中该用户编号，以及和待测日环境特征数据相似的历史电力负荷辨识数据，采用密度聚类算法构建历史日特征向量以及获取的待测日特征向量；

步骤3：通过熵权法对历史日特征数据进行权重计算，得到各个特征在历史日的权重分配；

步骤4：根据步骤3得到的各个特征在历史日的权重分配赋予到余弦相似度中，构建加权余弦相似计算公式，设置相似度阈值；

步骤5：将历史日均值特征向量和待测日特征向量代入加权余弦相似度模型，求解相似度，若相似度超过阈值，则为用电行为正常，若低于阈值，则为用电行为异常，将把用电异常的重点人员以告警形式推送给需求部门。

2.根据权利要求1所述的基于加权余弦相似度的重点人员用电行为异常分析方法，其特征在于：所述步骤1中具体步骤为：

步骤1.1：需求部门输入重点人员的管控标签，根据所述标签对对应的所述重点人员的房屋信息和居住人数统计为居住信息；

步骤1.2：根据步骤1.1所得的所述居住信息读取用电数据库中的重点人员的用户编号，根据所述用户编号，读取重点人员待测日的电力负荷辨识数据；

步骤1.3：获取气象局的气象数据，读取重点人员待测日的环境特征数据；

步骤1.4：将步骤1.1中的管控标签和步骤1.2中的电力负荷辨识数据与步骤1.3中实时的环境特征数据进行关联。

3.根据权利要求1所述的基于加权余弦相似度的重点人员用电行为异常分析方法，其特征在于：所述步骤2中具体步骤为：

步骤2.1：通过待测日的电力负荷辨识数据，得到若干个用电行为特征；

步骤2.2：根据重点人员待测日的环境特征数据，得到个相似历史日；

步骤2.3：对步骤2.2选取的个相似历史日的若干个用电行为特征标记为负荷特征，采用密度聚类算法，对个负荷特征直接聚类获取，自动过滤掉异常噪声点，以密度中心线作为该用户当前环境特征数据下的典型负荷特征曲线；

步骤2.4：根据已获得的数据，设i个历史日影响典型日负荷的特征向量为，待测日为，为影响参数的数量。

4.根据权利要求3所述的基于加权余弦相似度的重点人员用电行为异常分析方法，其特征在于：所述步骤2.1中所述若干个用电行为特征包括日总用电量、日电器使用种类数量、日空调总电量、日电热总电量和日厨房电器总用电量。

5.根据权利要求4所述的基于加权余弦相似度的重点人员用电行为异常分析方法，其特征在于：所述若干个用电行为特征还包括日空调用电时长、日电热总用电时长和厨房电器总用电时长。

6.根据权利要求4或5所述的基于加权余弦相似度的重点人员用电行为异常分析方法，其特征在于：所述日电器使用种类数量计算为：，日空调用电量占比公式为：，日电热总用电量占比为：，日厨房电器总用电量占比为：。

7.根据权利要求3-5任一项所述的基于加权余弦相似度的重点人员用电行为异常分析方法，其特征在于：所述步骤2.2中的环境特征数据包括季节、天气、最高温、最低温和是否是工作日，当一历史日和待测日的所述季节相同、天气相同、最高温±(0-2)、最低温±(0-2)和是否是工作日相同五个条件同时符合，则认为对应历史日为相似历史日。