The invention relates to an anti-theft method based on user behavior analysis, first to include peak power, average value as the input vector of active power, valley active power, total reactive power, active power and power factor electricity parameters, with electricity coefficient as output vector to construct artificial neural network; then the generated training samples were normalized after the input of artificial neural network, the training of artificial neural network; then the electricity collected parameters value of artificial neural network training input, output power according to the numerical system; electricity coefficient size, to determine whether the user is suspected of stealing. Compared with the traditional manual selection method, the method provided by the invention effectively realizes the throughput of large data, improves the efficiency of data analysis and processing, and more accurately locates the suspected object of stealing electricity.
【技术实现步骤摘要】
一种基于用户行为分析的防窃电方法
本专利技术涉及防窃电分析
,尤其涉及一种基于用户行为分析的防窃电方法。
技术介绍
一直以来,非法窃电现象一直严重困扰着电力企业。有些用电单位或个人通过改变电能表接线、外加强磁场影响以及对线路并接支路等方式逃避电能计量以达到窃电的目的,并将窃电作为获益或减少成本的手段。非法窃电不仅严重侵害了供电企业的合法权利和经济效益,而且给国家造成大量的资源流失,同时也给安全用电带来巨大威胁。据统计,近几年发生的触电及火灾事故中,有近25%是由于非法窃电导致电路短路而酿成的。目前,主要是采取人工巡检的方式对非法窃电行为进行防治。一方面巡检人员根据自身工作经验,在检测现场进行初步判断,对一些窃电现象进行识别,例如电表时钟不正确、电表时段错误、电表不走针和电表倒走针等现象,锁定有窃电行为的嫌疑用户;另一方面巡检人员采集用户用电数据,并依靠软件对电能表进行表计故障检查和数据异常分析,通过数据对比锁定有窃电行为的嫌疑用户。但是,企业和居民都是窃电多发用户群,一方面,由于用户数量巨大,无法采取频繁性并且周期性普查的方法对用户的窃电行为进行检查;另一方面,分析用户数据的方法不够高效精准,所以当进行大范围用电行为普查,例如,对窃电特别严重地区采取高频度、大渗透率的突击检查时,检测到的用电数据庞大从而无法快速准确进行分析。
技术实现思路
为克服相关技术中存在的问题,本专利技术提供一种基于用户行为分析的防窃电方法。根据本专利技术实施例提供基于用户行为分析的防窃电方法,包括以下步骤:获取用户的用电行为数据;根据所述用电行为数据,确定输入向量和输出向量,构建 ...
【技术保护点】
一种基于用户行为分析的防窃电方法,其特征在于,所述基于用户行为分析的防窃电方法,包括以下步骤:获取用户的用电行为数据;根据所述用电行为数据,确定输入向量和输出向量,构建人工神经网络,所述输入向量为窃电参数,所述输出向量为窃电系数,其中,窃电参数包括峰值有功功率、平值有功功率、谷值有功功率、总无功功率、总有功功率和功率因数;生成训练样本,对所述训练样本进行归一化处理,得到归一化训练样本;将所述归一化训练样本输入至所述人工神经网络,并对所述人工神经网络进行训练;获取窃电参数值,并将所述窃电参数值输入至训练后的所述人工神经网络,得到窃电系数值;根据所述窃电系数值的大小,判断用户的窃电嫌疑。
【技术特征摘要】
1.一种基于用户行为分析的防窃电方法,其特征在于,所述基于用户行为分析的防窃电方法,包括以下步骤:获取用户的用电行为数据;根据所述用电行为数据,确定输入向量和输出向量,构建人工神经网络,所述输入向量为窃电参数,所述输出向量为窃电系数,其中,窃电参数包括峰值有功功率、平值有功功率、谷值有功功率、总无功功率、总有功功率和功率因数;生成训练样本,对所述训练样本进行归一化处理,得到归一化训练样本;将所述归一化训练样本输入至所述人工神经网络,并对所述人工神经网络进行训练;获取窃电参数值,并将所述窃电参数值输入至训练后的所述人工神经网络,得到窃电系数值;根据所述窃电系数值的大小,判断用户的窃电嫌疑。2.根据权利要求1所述的基于用户行为分析的防窃电方法,其特征在于,所述生成训练样本,包括:以所述窃电参数的历史数据生成训练窃电参数值;查找并获取与所述训练窃电参数值相对应的期望训练窃电系数值,并将所述期望训练窃电系数值作为训练窃电系数值;将所述训练窃电参数值和训练窃电系数值作为训练样本。3.根据权利要求1所述的基于用户行为分析的防窃电方法,其特征在于,所述将所述归一化训练样本输入至所述人工神经网络,并对所述人工神经网络进行训练,包括:获取所述归一化训练样本中的归一化训练窃电参数值和归一化训练窃电系数值,并将所述归一化训练窃电参数值输入至所述人工神经网络,得到实际训练窃电系数值;获取所述人工神经网络的误差阈值;计算所述实际训练窃电系数值...
【专利技术属性】
技术研发人员:王昕,李川,曹敏,李英娜,李翔,赵旭,任关友,殷要红,赵艳峰,蒋婷婷,
申请(专利权)人:云南电网有限责任公司电力科学研究院,昆明理工光智检测科技有限公司,
类型:发明
国别省市:云南,53
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。