[发明专利]一种基于EEMD方法的用户用电行为异常的判定方法

摘要

本发明涉及一种基于EEMD方法的用户用电行为异常的判定方法，包括以下步骤：S1：采用自组织映射神经网络的方法对用户用电负荷进行聚类；S2：在所述步骤S1的聚类结果中任选一类并选择其中的任一用户，得到在任意两个相同的时间段上的负荷数据；S3：采用经验模态分解方法将所述步骤S2中的数据分解为IMF分量和剩余趋势项；S4：分别对两个时间段上的负荷剩余项进行线性相关性分析，得到；S5：分析。本发明能够使供电企业能够尽快检测到用户用电中的异常，并采取相应的措施，为用户提供更好地服务。

主权项

1.一种基于EEMD方法的用户用电行为异常的判定方法，其特征在于，包括以下步骤：S1：采用自组织映射神经网络的方法对用户用电负荷进行聚类；S2：在所述步骤S1的聚类结果中任选一类并选择其中的任一用户，得到在任意两个相同的时间段上的负荷数据；S3：采用经验模态分解方法将所述步骤S2中的数据分解为IMF分量和剩余趋势项，为了保证分解的准确性，采用集合经验模态分解方法，在原来的负荷曲线信号上加入高斯白噪声，对EMD解析出的IMF分量及剩余趋势项进行重构，最终得到两个时间段上剔除波动因素后的负荷剩余项；S4：分别对两个时间段上的负荷剩余项进行线性相关性分析，得到ρ₁,ρ₂，其中ρ₁是第一个时间段上该类与所选用户的负荷相关系数，ρ₂第二个时间段上该类与所选用户的负荷相关系数；所述相关系数的计算采用如下公式：ρXY=nΣi=1nXiYi-Σi=1nXiΣi=1nYinΣi=1nXi2-(Σi=1nXi)2·nΣi=1nYi2-(Σi=1nYi)2;]]>S5：分析ρ₁,ρ₂，分为三种情况：①若ρ₁与ρ₂都小于0.8，则聚类过程中出现错误，采用所述步骤S1对该用户重新聚类；②若ρ₁与ρ₂都大于等于0.8，则该用户用电情况正常；③若ρ₁与ρ₂中只有一个大于等于0.8，则该用户在ρ<0.8时段用电异常。