[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

说明书

本发明涉及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，通过需求部门对重点人员进行信息标注，选取用电行为分析特征，采集其当前时刻的用电负荷辨识数据以及当前时刻的环境变量特征信息，依据当前时刻的环境变量特征信息获取对应的所述的历史时刻的历史用电行为特征，将所述的当前用电行为特征与历史时刻的用电行为特征进行加权余弦相似度计算，获取历史日与待测日的相似程度，并设定相似度阈值，当历史数据量越大时，特征选取越丰富，所得到的相似度越贴近真实的用电行为。本发明能有效提高异常行为研判的精准度，提高效率。更准确反映样本相似性，使计算结果更贴近于实际。减少以人为中心调动监管力量的监督模式。

技术领域

本发明涉及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，属于智能电网技术领域。

背景技术

随着全球进入信息化、数字化时代，中国的城镇化和城市化发展日趋成熟，大数据挖掘、云计算、人工智能、高级量测等技术应用日趋广泛，对我国社会治理的思想观念、体制建设、技术手段等方面提出了新的要求。电力数据具有巨大的潜在价值，但电力数据对于服务市域社会治理的多领域主体的支撑相对较弱。与此同时，政府部门也在积极的推进数字化转型发展，考虑社会治理对于城市的管理的精细化、人员配置的精准化、数据采集感知的实时化提出了更高的要求，智能电网应从服务电力系统内部向辅助服务全社会治理发展转型，发挥电力数据强实时性、细粒度等特点结合公众标签信息、天气气象信息、地理位置信息等多维数据融合分析，辅助支撑公安、应急、安监、民政等多领域建设主体数字化建设。

经济社会的不断发展，重点人员漏管、脱管、失控等现象频发，重点人员管控难度增大。针对重点人员的管控目前仅能通过活动路线定位、定期到场汇报、北斗定位、酒店入住登记信息等方式获取重点人员的异常信息，但这些手段多数要耗费大量的人力、物力，且监管的时效性较低。因为，电力是生活中必不可少的能源，通过对重点人员家中的电力负荷的实时监控，可以较好的辅助政府各部门对重点人员的管控，同时通过多元数据融合分析，可以较为精准的对重点人员异常行为进行分析。

可以看出，电力数据与多元数据融合分析在重点人员行为分析中具备得天独厚的天然优势，但是之前受限于居民电力负荷感知的颗粒度不够，而如今非介入式负荷辨识技术为此提供了条件。其可以在重点人员不知情的情况下，不入户安装任何设备，仅通过入户的电流、电压检测，实现空调、冰箱、热水器等电器的使用情况的监测。但是现有技术缺乏通过应用这种技术，针对重点人员电力数据及多元数据挖掘进行行为异常分析，辅助需求部门进行重点人员管理的数据应用方法。

发明内容

发明目的：针对上述现有存在的问题和不足，本发明的目的是提供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，有效提高用电异常行为研判的精准度，提高核查的效率。更准确地反映样本之间的相似性，使计算结果更贴近于实际。提升监管工作精准化、精细化、实时化，减少以人为中心调动监管力量的监督模式。

技术方案：为实现上述发明目的，本发明采用以下技术方案：

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，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。

进一步的，所述步骤1中具体步骤为：