一种无监督学习下配网用户异常用电辨识与时间定位方法技术

本发明专利技术提出了一种电力用户异常用电行为的检测与时间定位方法。该方法首先从采集系统中提取用户的用电负荷数据，然后将用户用电负荷数据转化成用电趋势并分割为a个演变周期，对每个周期内的趋势数据采用聚类处理，对电力用户群体进行周期演变分析，检测用户演变周期中的异常累积变化并进行异常判定和时间的定位。所提方法避开研究多种客观因素对用户用电水平的影响；通过周期演变分析，能有效降低误判可能性，提高异常判定的精度。

An unsupervised method for power consumption identification and time location in distribution network based on unsupervised learning

The invention provides a method for detecting and positioning an abnormal behavior of an electric user. Firstly, from the acquisition system to extract the user's electricity load data, then the user will load the data into the trend of electricity and is divided into a evolution cycle, trend data for each period by using clustering analysis, the power users group evolution cycle, position detection of user evolution abnormal accumulation cycle of change and abnormal detection and time. The proposed method avoids studying the influence of various objective factors on the user's power consumption level. Through periodic evolution analysis, it can effectively reduce the possibility of false positives and improve the accuracy of abnormal judgment.

【技术实现步骤摘要】

本专利技术属于电气信息
，尤其涉及一种电力用户异常用电行为检测与时间定位方法。
技术介绍
异常用电行为指用户负荷水平与同类用户或自身历史用电特征出现持续性显著不同的现象，常见异常行为可分为：电力欺诈(偷电、漏电、窃电)、设备异常或用电性质私自变更等。据国外专家估计，用电异常行为中电力欺诈行为占电力用户的5％左右，并由此导致电力公司大量的经济损失。因此，对电力公司而言，通过分析用户群体用电行为的时序变化特征，进行用户异常用电辨识，可有效提升其用户管理水平并降低运营成本。实际工作中，由于难以收集足够多的异常用电行为数据样本集，无法支撑有监督学习实现异常行为模式辨识。因此，现有大部分用电异常辨识研究采用无监督异常检测方法，主要有：统计学方法，分析用户用电水平与客观因素的关联关系，不符合理论上用电规律的用户判为异常用户；采用聚类算法，对用户的用电数据进行聚类处理，通过用户的离群程度判断是否存在用电异常。现有电力用户异常行为辨识研究工作存在以下不足：(1)用电水平受多种客观因素影响，若通过统计学方法显然无法全面体现客观因素对电力用户群体用电行为变化的影响；(2)不同用户用电量对客观因素本文档来自技高网...

【技术保护点】
一种电力用户异常用电行为检测辨识与时间定位方法，包含从采集系统中提取用户的用电负荷数据，并将用户的用电负荷数据转化为用电趋势，其特征在于，还包括如下步骤：步骤1：对用电趋势进行周期分割；步骤2：计算电力用户对群体的隶属度；步骤3：计算用户群体的演变过渡矩阵；步骤4：计算电力用户演变过程核心度波动值；步骤5：异常用电用户辨识与定位。

【技术特征摘要】
1.一种电力用户异常用电行为检测辨识与时间定位方法，包含从采集系统中提取用户的用电负荷数据，并将用户的用电负荷数据转化为用电趋势，其特征在于，还包括如下步骤：步骤1：对用电趋势进行周期分割；步骤2：计算电力用户对群体的隶属度；步骤3：计算用户群体的演变过渡矩阵；步骤4：计算电力用户演变过程核心度波动值；步骤5：异常用电用户辨识与定位。2.根据权利要求1所述的电力用户异常用电行为检测辨识与时间定位方法，其特征在于，所述步骤1进一步包括：步骤1.1：把电力用户Vn的N天用电量序列以T天用电量为一个周期，分割为a个周期，电力用户Vn第r(r∈[1,a])个周期的用电量序列为步骤1.2：计算电力用户Vn每个周期r(1≤r≤a)内的用电趋势序列；第r个周期Vn的用电趋势序列为其中3.根据权利要求2所述的电力用户异常用电行为检测辨识与时间定位方法，其特征在于，所述步骤2进一步包括：步骤2.1：每一个周期r(r∈[1,a])内电力用户用电趋势聚类形成Kr个群体，设第r个周期中Kr个群体的聚类中心分别为Vi，i∈[1，kr]；步骤2.2：计算每一个周期r(r∈[1,a])内每个用户Vn与周期内每一个群体的聚类中心Vi的用电趋势相似度simn,i，simn,i∈[0,1]，其中分别为周期r内电力用户Vn与聚类中心用户Vi的用电趋势序列；步骤2.3：计算每一个周期r(r∈[1,a])内，电力用户Vn对第R(1≤R≤kr)个群体的隶属度pnR为：步骤2.4：计算每一个周期r(r∈[1,a])内，电力用户Vn的用电趋势对Kr个群体的隶属度矩阵P(r)，设共有M个用户，4.根据权利要求3所述的电力用户异常用电行为检测辨识与时间定位方法，其特征在于：所述步骤3进一步包括：第r(r∈[1,a])个周期内群体数为kr，隶属度矩阵P(r)，第r+1(r+1∈[1,a])个周期群体数为kr+1，隶属度矩阵P(r+1)，从P(r)...

【专利技术属性】
技术研发人员：许刚，张丙旭，吴舜裕，陈海波，田英杰，
申请(专利权)人：华北电力大学，国网上海市电力公司，
类型：发明
国别省市：北京;11