基于离群点检测的用电信息采集系统实时防窃电监测方法技术方案

本发明专利技术请求保护一种基于离群点检测的用电信息采集系统实时防窃电监测方法。它根据采集的各台区电量数据,计算台区线损并初步判断是否有台区存在异常用电情况。若某些台区线损异常，则召测相应台区用电数据，包括用户实时用电数据及异常事件数据。同时选取合理的评价指标并结合离群点检测和数据统计等方法构建综合性的窃电嫌疑分析模型。接着将主站召测的数据作为模型的输入，通过分析模型处理用户数据并得出用户窃电嫌疑系数，进而定位可疑窃电用户。本发明专利技术解决了海量数据单靠人工分析的不足，同时提高了算法的效率和检测结果的参考价值。

【技术实现步骤摘要】

本专利技术涉及电力系统用电检测与分析
，具体涉及一种基于离群点检测的用电信息采集系统实时防窃电监测方法。
技术介绍
经济的发展离不开电力行业的支持，电力已经成为推动国民经济发展的巨大动力。但在利益的驱使下，窃电手段层出不穷，日益严重的窃电现象导致线损率逐年升高，对供电企业的效益产生巨大影响，给国家经济也造成巨大损失，正常用户的利益也受到严重损害。近年来防窃电技术的研究一直受到重视,并根据各种窃电方式已提出许多相应的防范措施。主要包括：采用新型防窃电计量箱、防窃电电能表、供电计量监测仪、负荷监控系统双向终端、计量装置故障检测仪等。这些防窃电装置和措施对一些窃电行为起到了有效的防止作用,并在防窃电范围、可靠性和防窃电效果等方面各有所长。但对于日益专业化、高科技化、隐蔽的窃电行为来说,现有的防窃电措施仍有一定的不足之处：局限性大、实时性差、可靠性差、成本偏高等。随着电力市场化的不断深入以及现代电子和通信技术的快速发展，用电信息采集系统得到了广泛的应用，这使得通过远程监控实现实时防窃电成为了可能。利用智能电表记录的详细用电信息，可有效识别出异常用电用户，为甄别窃电用户提供了新的可能。针对每日海量采集数据,如何完成有效、准确的数据分析,进而发现相关用电方面问题,如何提升用电信息方面的数据处理水平成为提高用电信息管理水平的函待解决的新问题。当前窃电方式愈发多样化、科技化,如何通过让数据说话,最大化提高数据分析的自主性和智能性也是智能电网的必行趋势。由于窃电用户数量有限，且发生窃电必然存在电气量上的异常。若某个用户存在窃电行为，那么此用户的电量信息对于其他正常用户来说是异常的。离群点检测技术可以检测大量数据中的异常数据，因此，利用离群点检测技术设计出一种窃电嫌疑用户检测算法用来检测用电异常用户是一种很好的选择。离群点检测目的是消除噪音或发现潜在的、有意义的知识，其主要分为基于分布(统计)的、基于深度的、基于聚类的、基于距离的和基于密度的五类。五种离群点检测方法在不同领域均有应用，但均存在不足。由于现实中数据通常分布都是不均匀的，对于分布密度相差较大的数据，采用基于统计、基于距离等更适应于全局离群点的检测算法显然无法得到满意的答案。而基于密度的离群点检测算法不再将离群点看作一种二元性质，而是通过引进对象的局部离群点因子来评估每个对象的离群程度，采用这种检测算法可以很好的检测出全局离群点和局部离群点。由于电力系统运行环境复杂，且无法事先了解相关运行数据的具体分布情况，使用该算法可以很好地适应复杂多变的电力环境。基于密度的离群点检测算法虽然弥补了其它算法在识别局部离群点上的不足,但也面临着时间复杂度较高，难以应用于大规模数据集的问题；同时由于在窃电检测中不同指标对于窃电嫌疑的贡献度是不同的，直接采用该算法并不能很好区分不同指标的重要性，这样无形之中降低了检测结果的参考价值。
技术实现思路
本专利技术旨在解决以上现有技术的问题。提出了一种规划方法。本专利技术的技术方案如下：一种基于离群点检测的用电信息采集系统实时防窃电监测方法，其包括以下步骤：101、获取并根据采集的各台区电量数据,计算台区实时线损并与理论线损做比对，若线损之差大于设定阀值，则认定有台区存在异常用电情况；102、若某些台区线损异常，则采集系统主站即刻召测相应台区用电数据，召测即主站下指令采集从站相应的数据，包括用户实时用电数据及异常事件数据；同时综合计量原理和防窃电行业经验，选取对窃电较为敏感且方便量化的电气参数作为窃电评价指标并结合离群点检测和数据统计方法构建综合性的窃电嫌疑分析模型；103、将主站召测的用电数据作为模型的输入，通过窃电嫌疑分析模型分析处理嫌疑台区下所有用户的实时用电数据，并得出台区用户的窃电嫌疑系数；104、根据步骤103中得出的嫌疑系数的高低定位台区电网的可疑窃电用户，同时将得出的可疑窃电用户相关用电数据发送给现场检测人员，以供参考。进一步的，所述步骤102的具体方法包括步骤：(1)、根据常用窃电手法及相应窃电特征，同时综合系统采集的用电数据和电表异常事件，选择窃电评价指标，并根据所选窃电评价指标对窃电嫌疑的贡献度，赋予指标不同的权重以此来构成系统全面的防窃电评价体系；(2)、根据(1)中得出的窃电评价体系来构建综合性的窃电嫌疑分析模型，其具体表达式如下：F(n)＝H(n)+G(n)式中：F(n)表示第n个用户的总窃电嫌疑系数；H(n)表示该用户的数据型指标的窃电嫌疑系数，G(n)表示该用户的异常事件型指标的窃电嫌疑系数。进一步的，所述步骤(2)窃电嫌疑分析模型中数据型指标的窃电嫌疑系数H(n)的计算采用了改进的基于密度的离群点检测算法LOF，在进行K近邻查询时，采用了优化的算法K近邻查询机制：首先对数据空间分块，并在当前子空间内完成K近邻搜索，若能搜索出满意结果则终止搜索；若未能搜索出满意结果，则扩展搜索范围，在扩展搜索过程中,通过方向控制减小扩展的搜索范围,优先在k近邻可能出现的子空间内搜索，其中数据空间分块采用如下规则：按照维度对每一维进行二分等深划分。进一步的，所述改进的基于密度的离群点检测算法LOF，在距离计算时修改了算法的距离度量，以基于权重的欧式距离来衡量任意两个点i＝(xi1,xi2...xin)和j＝(xj1,xj2...xjn)之间的距离：d(i,j)=Σk=1...nwk(xik-xjk)2]]>其中wk∈[0,1]表示第k维属性的权重，这里权重设置参考了窃电嫌疑评价体系中评价指标的权重。进一步的，优化的算法K近邻查询机制具体搜索步骤如下：(1)将整个空间的点集按照分块规则进行分块，并为每个子空间编号；(2)被测点Pj首先在自身所在的子空间内进行K近邻查询，并计算到其余每个子空间的距离，同时升序排列这些距离；如果Pj在当前子空间的K距离小于被测点到所有子空间距离的最小值，则不需要到其它子空间进行查找，Pj在当前子空间的K近邻即为其在整个点集空间的K近邻，否则转到(3)；(3)若当前子空间的K距离不满足条件，即存在某些子空间到Pj的距离小于Pj在当前子空间的K距离，则依次进入与Pj点距离小于当前子空间的K距离的那些子空间去搜索Pj的候选K近邻，最后综合所有搜索子空间的候选K近邻得到Pj在整个点集空间的K近邻；(4)若当前子空间点数不足K个，则依次进入最近、次子空间进行查找，直到所有搜索过的子空间点数之和大于K个，同时记录已搜索过的子空间编号和Pj在这些子空间共同组成的搜索空间得到的K距离，然后采用此时Pj的K距离按照(3)所述规则搜索余下的子空间；(5)重复上述过程，直到所有子空间中所有点的K近邻被全部搜索出来。进一步的，该用户的异常事件型指标的窃电嫌疑系数G(n)的计算过程如下：(1)、统计台区用户的异常事件，并形成相应的布尔矩阵；(2)、把(1)得到的布尔矩阵与异常事件的权重向量进行相乘即可得到用户的异常事件嫌疑系数向量，其中异常事件权重向量参考窃电嫌疑评价体系中评价指标的权重，第n个用户的嫌疑系数G(n)对应嫌疑系数向量中的第n位。进一步的，第n个用户的总窃电嫌疑系数F(n)的计算过程如下：首先通过规范化处理由两种不同方式得到的H(n)和G(n)，然后把规范化后的二者相加即可得到最终的综合窃本文档来自技高网...

【技术保护点】
一种基于离群点检测的用电信息采集系统实时防窃电监测方法，其特征在于，包括以下步骤：101、获取并根据采集的各台区电量数据,计算台区实时线损并与理论线损做比对，若线损之差大于设定阀值，则认定有台区存在异常用电情况；102、若某些台区线损异常，则采集系统主站即刻召测相应台区用电数据，召测即主站下指令采集从站相应的数据，包括用户实时用电数据及异常事件数据；同时综合计量原理和防窃电行业经验，选取对窃电较为敏感且方便量化的电气参数作为窃电评价指标并结合离群点检测和数据统计方法构建综合性的窃电嫌疑分析模型；103、将主站召测的用电数据作为模型的输入，通过窃电嫌疑分析模型分析处理嫌疑台区下所有用户的实时用电数据，并得出台区用户的窃电嫌疑系数；104、根据步骤103中得出的嫌疑系数的高低定位台区电网的可疑窃电用户，同时将得出的可疑窃电用户相关用电数据发送给现场检测人员，以供参考。

【技术特征摘要】
1.一种基于离群点检测的用电信息采集系统实时防窃电监测方法，其特征在于，包括以下步骤：101、获取并根据采集的各台区电量数据,计算台区实时线损并与理论线损做比对，若线损之差大于设定阀值，则认定有台区存在异常用电情况；102、若某些台区线损异常，则采集系统主站即刻召测相应台区用电数据，召测即主站下指令采集从站相应的数据，包括用户实时用电数据及异常事件数据；同时综合计量原理和防窃电行业经验，选取对窃电较为敏感且方便量化的电气参数作为窃电评价指标并结合离群点检测和数据统计方法构建综合性的窃电嫌疑分析模型；103、将主站召测的用电数据作为模型的输入，通过窃电嫌疑分析模型分析处理嫌疑台区下所有用户的实时用电数据，并得出台区用户的窃电嫌疑系数；104、根据步骤103中得出的嫌疑系数的高低定位台区电网的可疑窃电用户，同时将得出的可疑窃电用户相关用电数据发送给现场检测人员，以供参考。2.根据权利要求1所述的基于离群点检测的用电信息采集系统实时防窃电监测方法，其特征在于，所述步骤102的具体方法包括步骤：(1)、根据常用窃电手法及相应窃电特征，同时综合系统采集的用电数据和电表异常事件，选择窃电评价指标，并根据所选窃电评价指标对窃电嫌疑的贡献度，赋予指标不同的权重以此来构成系统全面的防窃电评价体系；(2)、根据(1)中得出的窃电评价体系来构建综合性的窃电嫌疑分析模型，其具体表达式如下：F(n)＝H(n)+G(n)式中：F(n)表示第n个用户的总窃电嫌疑系数；H(n)表示该用户的数据型指标的窃电嫌疑系数，G(n)表示该用户的异常事件型指标的窃电嫌疑系数。3.根据权利要求2所述的基于离群点检测的用电信息采集系统实时防窃电监测方法，其特征在于，所述步骤(2)窃电嫌疑分析模型中数据型指标的窃电嫌疑系数H(n)的计算采用了改进的基于密度的离群点检测算法LOF，在进行K近邻查询时，采用了优化的算法K近邻查询机制：首先对数据空间分块，并在当前子空间内完成K近邻搜索，若能搜索出满意结果则终止搜索；若未能搜索出满意结果，则扩展搜索范围，在扩展搜索过程中,通过方向控制减小扩展的搜索范围,优先在k近邻可能出现的子空间内搜索，其中数据空间分块采用如下规则：按照维度对每一维进行二分等深划分。4.根据权利要求3所述的基于离群点检测的用电信息采集系统实时防窃电监测方法，其特征在于，所述改进的基于密度的离群点检测算法LOF，在距离计算时修改了算法的距离度量，以基于权重的欧式...

【专利技术属性】
技术研发人员：王毅，丁力，温慧安，田富公，王飞宏，邓子乔，龚航，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50