一种基于用户行为分析的防窃电方法技术

本发明专利技术是关于一种基于用户行为分析的防窃电方法，首先以包括峰值有功功率、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等窃电参数作为输入向量，以窃电系数作为输出向量构建人工神经网络；然后将生成的训练样本进行归一化处理后输入人工神经网络，对人工神经网络进行训练；再将采集到的窃电参数值输入训练后的人工神经网络，输出窃电系数值；最后根据窃电系数值的大小，判断用户是否有窃电嫌疑。本发明专利技术提供的方法相比于传统人工选件排查的方法，有效实现了大数据的吞吐量，提高数据分析处理效率，更加精准地定位窃电嫌疑对象。

Anti stealing electricity method based on user behavior analysis

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。优选地，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所述训练窃电系数值；将所述训练窃电参数值和训练窃电系数值作为训练样本。优选地，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与归一化训练窃电系数值的均方根误差；当所述均方根误差小于所述误差阈值时，结束对所述人工神经网络的训练。优选地，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与归一化训练窃电系数值的均方根误差；当所述均方根误差大于或等于所述误差阈值时，调整所述人工神经网络的连接权值。优选地，所述获取所述人工神经网络的误差阈值，包括：获取用户发送的包含所述人工神经网络的误差阈值的输入指令；根据所述输入指令，更新存储器中保存的误差阈值；查找并获取所述误差阈值。优选地，所述根据所述窃电系数值的大小，判断用户的窃电嫌疑，包括：查找并获取预先设置的窃电系数阈值；当所述窃电系数值大于或等于所述窃电系数阈值，判断用户有窃电嫌疑。优选地，所述根据所述窃电系数值的大小，判断用户的窃电嫌疑，包括：查找并获取预先设置的窃电系数阈值；当所述窃电系数值小于所述窃电系数阈值，判断用户无窃电嫌疑。本专利技术的实施例提供的技术方案可以包括以下有益效果：本专利技术实施例提供的基于用户行为分析的防窃电方法，首先以包括峰值有功功率、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等窃电参数作为输入向量，以窃电系数作为输出向量构建人工神经网络；然后将生成的训练样本进行归一化处理后输入人工神经网络，对人工神经网络进行训练；再将采集到的窃电参数值输入训练后的人工神经网络，输出窃电系数值；最后根据窃电系数值的大小，判断用户是否有窃电嫌疑。本专利技术提供的方法相比于传统人工选件排查的方法，有效实现了大数据的吞吐量，提高数据分析处理效率，更加精准地定位窃电嫌疑对象。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本专利技术。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种基于用户行为分析的防窃电方法的流程示意图；图2为本专利技术实施例提供的一种基于用户行为分析的防窃电方法的步骤S130的流程示意图；图3为本专利技术实施例提供的一种基于用户行为分析的防窃电方法的步骤S140的流程示意图；图4为本专利技术实施例提供的一种基于用户行为分析的防窃电方法的步骤S160的流程示意图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本专利技术相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本专利技术的一些方面相一致的装置和方法的例子。参见图1、图2、图3和图4，图1为本专利技术实施例提供的一种基于用户行为分析的防窃电方法的流程示意图；图2为本专利技术实施例提供的一种基于用户行为分析的防窃电方法的步骤130的流程示意图；图3为本专利技术实施例提供的一种基于用户行为分析的防窃电方法的步骤140的流程示意图；图4为本专利技术实施例提供的一种基于用户行为分析的防窃电方法的步骤160的流程示意图。如图1、图2、图3和图4所示，本专利技术实施例提供的基于用户行为分析的防窃电方法，包括以下步骤：步骤S110，获取用户的用电行为数据。获取数据采集层所采集的用户用电数据，尤其是高压专变用户用电数据。步骤S120，根据用电行为数据，确定输入向量和输出向量，构建人工神经网络，输入向量为窃电参数，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。步骤S130，生成训练样本，对训练样本进行归一化处理，得到归一化训练样本。具体地，如图2所示，步骤S130可以详细包括：步骤S131，以窃电参数的历史数据生成训练窃电参数值。步骤S132，查找并获取与训练窃电参数值相对应的期望训练窃电系数值，并将期望训练窃电系数值作为训练窃电系数值。步骤S133，将训练窃电参数值和训练窃电系数值本文档来自技高网...

【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