The invention discloses an electric power load analysis mode based on anomaly identification method, which comprises the following steps: (1) the electricity load data acquisition and preprocessing of the user; (2) obtaining effective electricity data, historical absolutely normal concrete is: after pretreatment of users of electricity load data in before each test date excluding outlier training data to select the effective date, some normal days; (3) the construction of user load model, according to the normal day selected effective training data to construct the model of electricity users recently; (4) to the testing data using the trained the user load model, to determine whether the user is stealing. This method analyzes the power load data and excavates the abnormal power consumption of the user to monitor whether the user has the power stealing behavior.
【技术实现步骤摘要】
一种基于用电负荷模式分析的用电异常识别方法
本专利技术涉及用户用电分析
,更具体地,涉及一种基于用电负荷模式分析的用电异常识别方法,旨在通过分析用电负荷数据,挖掘出用户异常用电情况,以监控用户是否存在用电窃电行为。
技术介绍
随着社会经济的发展,电力的需求量不断扩大。供电的非技术损失也成为供电领域日益热门的话题。通常非技术损失分为两个部分,即电力企业和电力用户。电力企业可以通过提高自身的管理减少甚至消除,电力用户的非技术损失由于原因多样,检测技术限制,而很难避免。仅靠业务人员的经验从统计数据中分析问题,发现问题,处理问题,不仅效率低下,而且准确性也难以保证。由于利益的驱使,用户的窃电问题已经变得越来越突出和普遍。面对窃电手段的多样性,隐秘性,科技性等特点,如何提高海量数据处理能力,提高数据分析效率,如何让数据说话,如何准确挖掘出异常用户变得尤其重要和迫切。实际中,电力负荷数据还会由于多种随机干扰因素的影响,如计量故障,使数据存在一定的异常干扰值。异常数据发生的随机性和分布的复杂性使数据处理和挖掘变得更加困难。目前,海量电量数据的采集和对数据的实时监控日渐完善,但是如何从海量数据中提取出有用信息,特别是挖掘出异常用电信息成为一大难题。
技术实现思路
为了克服现有技术的不足,本专利技术提出一种基于用电负荷模式分析的用电异常识别方法,该方法旨在通过分析用电负荷数据,挖掘出用户异常用电情况,以监控用户是否存在用电窃电行为。为了解决上述目的,本专利技术的技术方案为:一种基于用电负荷模式分析的用电异常识别方法,包括以下步骤:(1)用户用电负荷数据采集及预处理;(2) ...
【技术保护点】
一种基于用电负荷模式分析的用电异常识别方法,其特征在于,包括以下步骤:(1)用户用电负荷数据采集及预处理;(2)获取历史绝对正常的有效用电数据,具体是:对预处理后的用户用电负荷数据,在每一个待测日期之前剔除标记为异常的日期,选取若干正常天的有效数据进行训练;(3)构建用户用电模式参数模型,根据选取的正常天的有效数据训练构造出用户最近的用电模式;主要分为两步:3a)对正常天的有效数据进行梯度聚类,找出用户用电模式的个数及聚类中心点;3b)再以类中心点作为初始值对预处理后的用户用电负荷数据进行Kmeans聚类,将Kmeans聚类中的距离设为欧氏距离和梯度归一化后的曼哈顿距离的加权,得到每个用电模式的中心点centers;(4)用训练好的用户用电模式参数模型对测试数据进行测试,判断用户是否窃电。
【技术特征摘要】
1.一种基于用电负荷模式分析的用电异常识别方法,其特征在于,包括以下步骤:(1)用户用电负荷数据采集及预处理;(2)获取历史绝对正常的有效用电数据,具体是:对预处理后的用户用电负荷数据,在每一个待测日期之前剔除标记为异常的日期,选取若干正常天的有效数据进行训练;(3)构建用户用电模式参数模型,根据选取的正常天的有效数据训练构造出用户最近的用电模式;主要分为两步:3a)对正常天的有效数据进行梯度聚类,找出用户用电模式的个数及聚类中心点;3b)再以类中心点作为初始值对预处理后的用户用电负荷数据进行Kmeans聚类,将Kmeans聚类中的距离设为欧氏距离和梯度归一化后的曼哈顿距离的加权,得到每个用电模式的中心点centers;(4)用训练好的用户用电模式参数模型对测试数据进行测试,判断用户是否窃电。2.根据权利要求1所述的用电异常识别方法,其特征在于,所述步骤(1)中,用户用电负荷数据的预处理的具体过程为:1a)数据清洗:用于去除空缺值点和异常值点,得到有效数据;1b)数据转化成向量:将负荷数据按天转化成24维的分时向量,每天对应一个24维的向量数据,即每小时的数据对应一维数据;1c)数据归一化,其归一化过程为:其中min为用户分时电量的最小值,max为用户分时电量的最大值。3.根据权利要求2所述的用电异常识别方法,其特征在于,所述步骤(4)用训练好的用户用电模式参数模型对测试数据进行测试,判断用户是否窃电,其判断包括判定和确认两部分:判定:首先对待测数据进行预处理,再计算预处理后的数据到各个中心点的距离,选取距离最近的中心点作为该待测数据的用电模式;确认:确认待测数据是否在判定的用电模式所设定的阈值半径范围,如果在阈值半径内之外则为异常,在该阈值半径内则为正常。4.根据权利要求1至3任一项所述的用电异常识别方法,其特征在于,所述步骤(3)中梯度聚类主要分为以下几步,具体步骤如下:a)将预处理后的数据进行K...
【专利技术属性】
技术研发人员:吴峰,余飞鸥,伍国英,潘炜,汤津行,黄文科,邓明斌,谭致远,陈书弘,吴疆,
申请(专利权)人:广州供电局有限公司,
类型:发明
国别省市:广东,44
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。