一种结合人机物的反窃电稽查监控系统及其工作方法技术方案

本发明专利技术公开了一种结合人机物的反窃电稽查监控系统及其工作方法，涉及电力稽查监控领域。窃电用户手段具有智能性、隐蔽性、有规模性和职业性，现有电力工作人员现场发现窃电的难度大。本发明专利技术包括：数据获取处理模块；反窃电算法模型库管理模块；反窃电预警模型定制模块；疑似窃电判断模块；疑似窃电用户判别结果存储模块；工单生成模块；工单处理模块；数据采集模块；工单归档存储模块；数据反馈模。本发明专利技术融合了用采系统、现场检测仪、采集运维掌机三者，提升反窃电工作的及时性，解决现有电力工作人员现场发现窃电的难度大、耗时耗力、不及时、无强专业支撑等问题，避免了因为人力资源的不足导致的电力企业经济损失。

An Anti-stealing Electricity Inspection and Monitoring System Combining Human and Person and Its Working Method

The invention discloses an anti-electricity stealing inspection and monitoring system combined with human beings and its working method, which relates to the field of electric power inspection and monitoring. Electricity theft user means have intelligence, concealment, scale and professionalism. It is difficult for existing electric power workers to find electricity theft on site. The invention includes: data acquisition and processing module; anti-stealing algorithm model base management module; anti-stealing early warning model customization module; suspected stealing judgment module; suspected stealing user discrimination result storage module; work order generation module; work order processing module; data acquisition module; work order archiving storage module; data feedback module. The invention integrates mining system, on-site detection instrument and collection operation and maintenance handheld, improves the timeliness of anti-electricity stealing work, solves the problems of high difficulty, time-consuming and labor-consuming, not timely and without strong professional support of existing electric power workers, and avoids the economic losses of electric power enterprises caused by the shortage of human resources.

【技术实现步骤摘要】
一种结合人机物的反窃电稽查监控系统及其工作方法
本专利技术涉及电力稽查监控领域，尤其涉及一种结合人机物的反窃电稽查监控系统及其工作方法。
技术介绍
窃电用户手段具有智能性、隐蔽性、有规模性和职业性，现有电力工作人员现场发现窃电的难度大、耗时耗力、不及时、无强专业支撑等问题，且因为人力资源的不足，导致的电力企业经济损失。
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，提供一种结合人机物的反窃电稽查监控系统，以达到及时发现窃电的目的。为此，本专利技术采取以下技术方案。一种结合人机物的反窃电稽查监控系统，包括：一)数据获取处理模块：用于获取用电数据，用电数据包括从用电信息采集系统获取计量数据，从营销业务应用系统获取档案类数据，从一体化线损平台获取的分线、分区线损数据，从95598系统获取的窃电举报数据；计量数据包括曲线数据、冻结数据和/或事件数据；档案类数据包括客户基础信息、信用违窃信息、业务变更信息和/或违窃历史信息；二)反窃电算法模型库管理模块：用于多种反窃电算法模型的维护、发布，反窃电算法模型库中包括的算法有BP神经网络、XGBoost算法、逻辑本文档来自技高网...

【技术保护点】
1.一种结合人机物的反窃电稽查监控系统，其特征在于包括：一)数据获取处理模块：用于获取用电数据，用电数据包括从用电信息采集系统获取计量数据，从营销业务应用系统获取档案类数据，从一体化线损平台获取的分线、分区线损数据，从95598系统获取的窃电举报数据；计量数据包括曲线数据、冻结数据和/或事件数据；档案类数据包括客户基础信息、信用违窃信息、业务变更信息和/或违窃历史信息；二)反窃电算法模型库管理：用于多种反窃电算法模型的维护、发布，反窃电算法模型库中包括的算法有BP神经网络、XGBoost算法、逻辑回归算法和离群点算法；三)反窃电预警模型定制模块：与反窃电算法模型库管理模块相连，用于根据不同单位...

【技术特征摘要】
1.一种结合人机物的反窃电稽查监控系统，其特征在于包括：一)数据获取处理模块：用于获取用电数据，用电数据包括从用电信息采集系统获取计量数据，从营销业务应用系统获取档案类数据，从一体化线损平台获取的分线、分区线损数据，从95598系统获取的窃电举报数据；计量数据包括曲线数据、冻结数据和/或事件数据；档案类数据包括客户基础信息、信用违窃信息、业务变更信息和/或违窃历史信息；二)反窃电算法模型库管理：用于多种反窃电算法模型的维护、发布，反窃电算法模型库中包括的算法有BP神经网络、XGBoost算法、逻辑回归算法和离群点算法；三)反窃电预警模型定制模块：与反窃电算法模型库管理模块相连，用于根据不同单位、不同用户类型、不同用电特性选择对应的反窃电算法模型；反窃电预警模型定制模块对多种算法进行组合形成反窃电预警模型，反窃电预警模型为：窃电嫌疑(P)＝λ1fbp+λ2fxgb+λ3flogic+λ4fsubb其中λi，i∈(1，2，3，4)为算法权重，fbp、fxgb、flogic、fsubb分别为Bp神经网络、XGBoost、逻辑回归算法以及离群点算法；算法权重根据不用行业的稽查结果反馈，采用AdaBoost算法中权重更新的方式对参数λi，进行更新，即与稽查结果符合的权重赋予较大值，反之更新权重变小以减小其对结果的贡献度；四)疑似窃电判断模块：与反窃电预警模型定制模块、数据获取处理模块相连，根据定制的反窃电预警模型及获取的用电数据进行疑似窃电判断；五)疑似窃电用户判别结果存储模块：与疑似窃电判断模块相连，存储疑似窃电判断模块的输出结果，包括用户基本信息、用电异常报告、佐证数据，用户基本信息包括户号、计量点号、表号；用电异常报告包括嫌疑系数，异常总体描述，用电特性描述；佐证数据用于支撑分析总结内容，包括针对不同模型的相关曲线；六)工单生成模块：与疑似窃电用户判别结果存储模块相连，用于生成疑似窃电工单；七)工单处理模块：与工单生成模块、数据采集模块相连，对生成的疑似窃电工单进行处理，同时，实时跟踪进度，包括工单详情和工单流水情况，若确认为存在窃电情况时，发起电费退补流程；八)数据采集模块：包括现场检测仪和采集运维掌机，所述的采集运维掌机用于对疑似窃电工单的处理以及对终端和电能表的现场检测分析，现场检测仪用于采集疑似窃电用户现场检测数据；九)工单归档存储模块：与工单处理模块相连，将工单处理模块的反馈结果归档存储；十)数据反馈模块：与工单归档存储相连，将窃电情况反馈至营销业务应用系统、95598系统、营销辅助分析与决策系统和/或政府征信平台。2.根据权利要求1所述的一种结合人机物的反窃电稽查监控系统，其特征在于还包括：监控模块：与工单归档存储模块相连，用于监控嫌疑窃电、违约用户分布情况，疑似窃电工单处理情况，反窃电评价指标成效。设备管理模块：与数据采集模块相连，用于对反窃电监控装置和现场检测仪进行装置安装管理、资产全寿命周期管理；统计分析模块：与工单归档存储模块相连，用于对数据进行查询和统计，数据包括预警信息、工单处理情况、反窃电处理成效、线损关联分析、算法准确度、反馈征信平台情况数据；案例知识库：与工单归档存储模块相连，用于对窃电案例形成专用的案例库和知识库，以供不同专业的人员查阅；配置管理模块：用于负责开展日常维护管理工作，包括用户管理、角色管理、密码管理、权限管理、参数配置管理和日志监控。3.根据权利要求1所述的一种结合人机物的反窃电稽查监控系统，其特征在于：BP神经网络算法通过隐含层中非线性函数对反窃电指标的映射，使得其变得线性可分；基于BP神经网络反窃电的算法模型采用具有多输入单输出的三层BP神经网络作为用户窃电嫌疑系统计算模型，该模型定义的损失函数为：其中，dj为窃电指标线性的组合，参数为w与b，yj为用户是否窃电的真实值，神经网络参数的学习是基于Delta学习准则，使得损失函数E(w，b)最小化；通过神经网络算法输出用户的疑似窃电的概率，即窃电嫌疑系数，其区间范围为[0，1]，当窃电嫌疑系数越大时，该用户窃电的可能性就越大。4.根据权利要求3所述的一种结合人机物的反窃电稽查监控系统，其特征在于：XGBoost算法用于直观反映出特征的分裂阈值，基于XGBoost的反窃电的模型目标函数为：其中：其中，目标函数由损失函数和复杂度组成。损失函数为实际值与预测值的误差，Ω(f)函数为包含参数γ和λ的复杂度函数，复杂度由叶子数量T和L2正则‖w‖2组成。目标函数由损失函数和复杂度组成，复杂度有由叶子数量和L2正则组成，通过设置其复杂度和正则化参数防止过拟合，通过XGBoost模型能够挖掘窃电指标的内在关联关系，并且给出了用户疑似嫌疑的概率。5.根据权利要求4所述的一种结合人机...

【专利技术属性】
技术研发人员：侯素颖，麻吕斌，裘炜浩，张旭，黄荣国，施力欣，王伟峰，潘柏良，
申请(专利权)人：国网浙江省电力有限公司，国网浙江省电力有限公司电力科学研究院，浙江华云信息科技有限公司，
类型：发明
国别省市：浙江,33