一种基于高维随机矩阵的用户窃电行为辨识方法技术

本发明专利技术公开了一种基于高维随机矩阵的用户窃电行为辨识方法，通过收集用户终端电能表采集的计量参数构建高维随机矩阵，通过分析高维随机矩阵协方差矩阵特征值和高维随机矩阵协方差矩阵特征值函数极限收敛函数轨迹在复平面的分布关系辨识用户是否存在窃电行为；对存在窃电行为的用户进一步求取其平均谱半径变化曲线，通过平均谱半径变化曲线波动情况定位用户窃电开始和结束时间并计算其窃电时长。本发明专利技术可承受更大数据规模计算，能综合考虑多参量自相关和互相关的时间、空间多维关系，辨识结果更加准确，漏检和误检率更低，还具有传统辨识方法所不具有的定位窃电开始和结束时间的能力，扩展性好，能适应未来发展需求。

Identification method of user stealing electricity based on high-dimensional random matrix

The invention discloses a method for identifying user's electricity theft behavior based on high-dimensional random matrix. A high-dimensional random matrix is constructed by collecting the measurement parameters collected by the user's terminal watt-hour meter, and the limit convergence function trajectory of the eigenvalue function of the covariance matrix of the high-dimensional random matrix and the eigenvalue function of the high-dimensional random matrix covariance matrix is analyzed. Distribution relation of complex plane identifies whether there is electricity theft or not. For the users who have electricity theft, the average spectral radius change curve is obtained. The beginning and ending time of electricity theft is located by the fluctuation of the average spectral radius change curve, and the time of electricity theft is calculated. The invention can withstand larger data scale calculation, can comprehensively consider the multi-parameter autocorrelation and cross-correlation time-space multi-dimensional relationship, the identification result is more accurate, the rate of missed detection and false detection is lower, and has the ability of locating the start and end time of power theft that the traditional identification method does not have, has good expansibility, and can adapt to future development. Develop demand.

【技术实现步骤摘要】
一种基于高维随机矩阵的用户窃电行为辨识方法
本专利技术涉及电力计量及稽查领域，更具体地，涉及一种基于高维随机矩阵的用户窃电行为辨识方法。
技术介绍
通过对计量装置进行干扰或改造等窃电行为会造成电网的非技术性损失，给电力企业造成经济损失。传统的窃电行为识别主要依靠电力稽查人员定期巡检，强调人工管理，需投入大量的人力、财力和物力，且不能达到预期的效果。随着智能电表的普及和电力系统信息化程度的高速发展，电力企业存储了海量用户侧电量数据。通过充分挖掘电力大数据的潜在价值，及时识别用户窃电行为，减少经济损失，对智能电网的发展有重要的意义。目前国内外学者在利用电力大数据分析用户窃电等异常用电行为识别方面进行了相关的研究。如纽约大学、重庆邮电大学等单位利用聚类算法分析负荷曲线来辨识用户用电行为；清华大学、国网青岛供电公司、南网科学研究院等单位基于离群算法计算用户离群程度辨识异常用户；上海交大先后利用神经网络、时间序列分析等方法对用户窃电行为进行分析；上述研究在用户异常用电行为识别方面取得一定的成果，但这些算法往往只针对小规模数据、单一参量数据源进行分析，而计量系统是一个多参量同步量测系统，窃电对该本文档来自技高网...

【技术保护点】
1.一种基于高维随机矩阵的用户窃电行为辨识方法，其特征在于，包括以下步骤：S1：收集时间区段T内用户终端电能表采集的计量参数，包括电量、电压、电流、有功功率、无功功率、功率因素，建立高维随机矩阵及其协方差矩阵；S2：利用线性代数理论求取协方差矩阵特征值，并设定其特征值为λ1≤λ2≤…≤λn，并利用协方差矩阵特征值的谱分布函数求取协方差矩阵特征值在复平面的分布；其中谱分布函数为

【技术特征摘要】
1.一种基于高维随机矩阵的用户窃电行为辨识方法，其特征在于，包括以下步骤：S1：收集时间区段T内用户终端电能表采集的计量参数，包括电量、电压、电流、有功功率、无功功率、功率因素，建立高维随机矩阵及其协方差矩阵；S2：利用线性代数理论求取协方差矩阵特征值，并设定其特征值为λ1≤λ2≤…≤λn，并利用协方差矩阵特征值的谱分布函数求取协方差矩阵特征值在复平面的分布；其中谱分布函数为I为示性函数；S3：计算协方差矩阵特征值的谱分布函数的极限收敛函数，函数的表达式为其中f为数据采样频率，T为检测时间区段，c为高维随机矩阵行列比；根据该函数于复平面上绘制函数轨迹，该函数轨迹为一个内环半径为(1-c)fT/2、外环半径为1的圆环；S4：根据单环定律判定原则分析协方差矩阵特征值的谱分布函数极限收敛函数的轨迹圆环外是否有奇异特征值点以判定用户是否存在窃电情况；S5：对于存在窃电行为的用户在时间区段T内的任一时刻t处取时间窗t0构建至时间区段子矩阵并求取该子矩阵的协方差矩阵特...

【专利技术属性】
技术研发人员：王鹏，熊仕斌，宋宇，刘芬，刘长江，黄兆鹏，潘沪明，黄静，
申请(专利权)人：广东电网有限责任公司，广东电网有限责任公司佛山供电局，
类型：发明
国别省市：广东,44