一种基于支持向量机的窃电辨识方法技术

本发明专利技术公开了一种基于支持向量机的窃电辨识方法，涉及一种窃电辨识方法。当前防窃电技术仅仅依靠用户每月电量变化、台区线损异常确定窃电嫌疑户，存在时效性差、准确率低，现场排查发现窃电行为又效率不高的问题。本发明专利技术包括步骤波动率计算、正常负荷数据样本选取、根据正常负荷数据样本建立SVM正常负荷数据分类模型、根据SVM正常负荷数据分类模型进行窃电辨识、分离窃电嫌疑的离群点、确定窃电样本点和设置窃点警报。本技术方案结合计算电量波动率的方法和支持向量机分析方法的一种新型的窃电辨识方法，通过计算电量波动率为支持向量机选取合适的样本数据，可以比较有效地降低因样本问题对检测分析结果产生的不良影响，窃电检测结果更加准确。

A Method of Electricity Stealing Identification Based on Support Vector Machine

The invention discloses an identification method of electricity theft based on support vector machine, which relates to an identification method of electricity theft. At present, the anti-stealing technology only relies on the change of users'monthly power consumption and abnormal line loss in the station area to determine the suspects. It has the problems of poor timeliness, low accuracy and inefficient on-site investigation. The invention includes step volatility calculation, normal load data sample selection, SVM normal load data classification model based on normal load data sample, identification of power theft based on SVM normal load data classification model, separation of outliers of suspected power theft, determination of power theft sample point and setting of alarm of power theft point. This technical scheme combines the method of calculating power fluctuation rate with a new identification method of support vector machine analysis. By calculating power fluctuation rate and selecting appropriate sample data by support vector machine, it can effectively reduce the adverse impact of sample problems on detection and analysis results, and the detection results of power theft are more accurate.

【技术实现步骤摘要】
一种基于支持向量机的窃电辨识方法
本专利技术涉及一种窃电辨识方法，尤其涉及一种基于支持向量机的窃电辨识方法。
技术介绍
随着高科技窃电手段层出不穷，窃电问题越来越突出，全国每年因窃电导致的经济损失约几百亿人民币，已经严重危及到了经济秩序的正常运行。当前防窃电技术仅仅依靠用户每月电量变化、台区线损异常确定窃电嫌疑户，存在时效性差、准确率低，现场排查发现窃电行为又效率不高的问题。
技术实现思路
本专利技术要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进，提供一种基于支持向量机的窃电辨识方法，以准确、快速辨别窃电目的。为此，本专利技术采取以下技术方案。一种基于支持向量机的窃电辨识方法包括以下步骤：1)获取用电用户的用电数据；2)数据预处理：采用线性函数的归一化方法，即其中，x(k)代表任意一个样本值，min(x(n))代表样本极小值，max(x(n))代表样本极大值；将y(k)化为介于0和1之间的数，以消除了样本受量纲和属性的影响；2)波动率计算；定义标准差和均值的比值作为电量波动系数，即式中，di为用户单日电量，为日电量平均值，N为累计天数,σ为标准差，μ为均值；3)正常负荷数本文档来自技高网...

【技术保护点】
1.一种基于支持向量机的窃电辨识方法，其特征在于包括以下步骤：1)获取用电用户的用电数据；2)数据预处理：采用线性函数的归一化方法，即

【技术特征摘要】
1.一种基于支持向量机的窃电辨识方法，其特征在于包括以下步骤：1)获取用电用户的用电数据；2)数据预处理：采用线性函数的归一化方法，即其中，x(k)代表任意一个样本值，min(x(n))代表样本极小值，max(x(n))代表样本极大值；将y(k)化为介于0和1之间的数，以消除了样本受量纲和属性的影响；2)波动率计算；定义标准差和均值的比值作为电量波动系数，即式中，di为用户单日电量，为日电量平均值，N为累计天数,σ为标准差，μ为均值；3)正常负荷数据样本选取；计算变异系数，当一段连续时间的电量波动系数CV满足0<CV<0.2时，则视为该该段连续时间的用电情况正常，其负荷数据也是正常的，该负荷数据可以作为训练样本进行训练；规定正常用电数据用标签+1表示，异常数据用标签-1表示，训练样本数据全部用标签+1表示；训练数据的时间长度不超过一个月；4)根据正常负荷数据样本建立SVM正常负荷数据分类模型；按工作日和节假日的负荷加以区分，对于工作日和节假日的负荷数据建立不同的负荷模型，根据负荷模型将工作日和节假日的负荷数据区分开来，并分别选取工作日和节假日的正常负荷数据进行训练，得到相应正常负荷数据的分类模型；5)根据SVM正常负荷数据分类模型进行窃电辨识；将经数据预处理的用电数据输入SVM负荷数据分类模型中，对该数据进行处理，并将结果导入决策函数分析，进行窃电辨识；6)分离窃电嫌疑的离群点；601)从波动率值CV>0.2的月份中找到最小的样本波动率CVm，并初步确定窃电可能发生的时间段；602)确定质心以及参数p和D；603)算法判定及离群点筛选；计算两两样本之间的欧氏距离，在调节参数p并计算参数D后，找到与其它至少p部分样本距离大于D的所有样本点，确定为离群点；604)确定窃电样本集合将高于样本平均水平的离群点去除，排除这些样本点得到的离群点集合为最终确定的窃电样本集合；7)确定窃电样本点和设置窃点警报；对步骤5)、6)的结果进行比对，若均判断为窃电，且时间连续多天，则进行窃电报警。2.根据权利要求1所述的一种基于支持向量机的窃电辨识方法，其特征在于：在步骤602)中，采用求两次均值的方法；第一次计算所有数据的均值，即其中，d1、d2、dn代表每天的用电量,n为样本总数；第二次求均值是除去异常偏高值后计算剩余样本的均值，即排除若干个异常偏高值后，剩余m个样本求均值，以avg2为总样本质心，计算所有样本与该质心的距离集合Dist，设置自定义条件确定参数p；D为对Dist集合进行升序排列后，求出的新的集合的p分位数。3.根据权利要求2所述的一种基于支持向量机的窃电辨识方法，其特征在于：自定义参数p的...

【专利技术属性】
技术研发人员：卢峰，尹小明，裘华东，丁学峰，谢岳，叶方彬，郑松松，赵立美，王伟峰，
申请(专利权)人：国网浙江长兴县供电有限公司，国网浙江省电力有限公司，中国计量大学，浙江华云信息科技有限公司，国家电网有限公司，
类型：发明
国别省市：浙江,33