基于用电行为迁移与社群演化的配电网用电异常检测方法技术

本发明专利技术涉及一种基于用电行为迁移与社群演化的配电网用电异常检测方法，该检测方法包括以下步骤：步骤1：采集用户用电量数据并进行数据清洗，对清洗后的数据进行特征提取得到用电量数据序列；步骤2：对用电量数据序列划分周期进行趋势聚类后与个体及社群行为特征进行匹配，并根据匹配结果进行社群演化与迁移估计；步骤3：根据社群演化与迁移估计结果计算周期间隔异常值和局部累计异常演化值；步骤4：将周期间隔异常值和局部累计异常演化值进行排序并利用排序结果与历史异常用户异常用电行为对应数据比对得出用户用电异常检测结果。与现有技术相比，本发明专利技术具有检测精度高，针对性强等优点。

Distribution network anomaly detection method based on electricity behavior migration and community evolution

【技术实现步骤摘要】
基于用电行为迁移与社群演化的配电网用电异常检测方法
本专利技术涉及配电网用电异常检测
，尤其是涉及一种基于用电行为迁移与社群烟花的配电网用电异常检测方法。
技术介绍
配电网用户异常用电行为包含了偷电、漏电、窃电以及用电性质变更、用户变更的行为，该类行为会降低需求侧管理效率与政策制定有效性，是用电行为分析技术中的研究热点之一。针对国内偷电漏电样本数据较少，无法利用有监督学习进行异常用电行为辨识模型学习与构建的现状，一种通过综合异常指标与分项异常指标判别用户异常用电程度与类型，辅助用户管理单位进行用电稽查、用户管理等方面工作，提升电力公司相关部门工作效率的配电网用电异常检测方法亟待开发。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于用电行为迁移与社群烟花的配电网用电异常检测方法。本专利技术的目的可以通过以下技术方案来实现：一种基于用电行为迁移与社群演化的配电网用电异常检测方法，该检测方法包括以下步骤：步骤1：采集用户用电量数据并进行数据清洗，对清洗后的数据进行特征提取得到用电量数据序列；步骤2：对用电量数据序列划分周期进行趋势聚类后与个体及社群行为特征进行匹配，并根据匹配结果进行社群演化与迁移估计；步骤3：根据社群演化与迁移估计结果计算周期间隔异常值和局部累计异常演化值；步骤4：将周期间隔异常值和局部累计异常演化值进行排序并利用排序结果与历史异常用户异常用电行为对应数据比对得出用户用电异常检测结果。进一步地，所述步骤1中用电量数据序列的获取过程具体包括：将清洗后的待检测的n个电力用户，以T天为一周期，第i个用户在第r个周期内第j天的用电量进行组合，得到用电量数据序列进一步地，所述步骤2包括以下分步骤：步骤21：对用电量数据序列进行划分周期；步骤22：计算划分周期后的用电量数据序列的用电趋势并对其进行聚类操作；步骤23：对进行聚类操作后的用电量数据序列与个体及社群行为特征进行匹配；步骤24：根据匹配结果进行社群演化与迁移估计。进一步地，所述步骤22中的用电趋势的计算公式为：式中，表示第i个用户在第r个周期内第k天的用电趋势，表示第i个用户在第r个周期内第k天的用电量序列值，表示第i个用户在第R个周期内第k+1天的用电量序列值，R和r均为自然数。进一步地，所述步骤3中的周期间隔异常值的计算公式为：式中，表示第r个周期内用户n的群体异常值，ηn(r→r+1)表示周期r至周期r+1过程用户n的核心度变化值，表示第k1个群体在周期r+1内的隶属度矩阵，表示第k2个群体在周期r内的隶属度矩阵，M表示群体总个数，表示第k1个群体与第k2个群体在周期r至周期r+1过程中的迁移矩阵，k1、k2和M均为自然数。进一步地，所述步骤3中的局部累计异常演化值的计算公式为：式中，φn,r表示第r个周期内用户n的局部累计异常演化值，d表示异常累积系数，λl表示第l个周期内用户n的异常累积系数，表示第l个周期内用户n的群体异常值，l为自然数。进一步地，所述核心度变化值的计算公式为：式中，表示周期r至周期r+1过程用户Vnk的核心度变化值，表示用户Vnk在周期r+1内的核心度，表示用户Vnk在周期r内的核心度。进一步地，所述核心度的计算公式为：式中，表示周期r内用户nk的核心度，表示周期r内用户nk的隶属度矩阵，mini＝1:Mpik(r)和maxi＝1:Mpik(r)表示1～M个群体中第i个用户在第r个周期内第k天的分布密度最小值和最大值。与现有技术相比，本专利技术具有以下优点：(1)本专利技术中，以用户的用电数据及用户台账信息数据中用电分类、行业分类作为输入指标，采用社群演化理论，进行周期演化计算得到社群演化异常度，具体步骤包括步骤1：采集用户用电量数据并进行数据清洗，对清洗后的数据进行特征提取得到用电量数据序列；步骤2：对用电量数据序列划分周期进行趋势聚类后与个体及社群行为特征进行匹配，并根据匹配结果进行社群演化与迁移估计；步骤3：根据社群演化与迁移估计结果计算周期间隔异常值和局部累计异常演化值；步骤4：将周期间隔异常值和局部累计异常演化值进行排序并利用排序结果与历史异常用户异常用电行为对应数据比对得出用户用电异常检测结果，得出检测结果精确度高。(2)针对性强，本专利技术社群演化主要研究社会网络中社群随时间发展变化的趋势、规律及其社群中个体行为的辨识，演化行为包含：社群数量的增减和结构的变化，即分裂、合并、扩张、收缩以及群体间迁移等。在电力领域中，具有相似用电行为特征的电力可以称为一类社群。社群中电力用户用电行为特征由自身用电需求和客观因素综合后形成，不同类型用户对外界因素刺激所导致的行为响应均具有较为明显的群体性特征。因此，通过辨识演化过程中个体与社群间用电行为特征匹配关系，便可较好检测出个体行为变化是否符合逻辑性，针对电力领域的针对性强。附图说明图1为本专利技术中的用电异常行为演化示意图；图2为本专利技术的方法流程示意图；图3为本专利技术实施例的演化过程社群数量变化示意图；图4为本专利技术实施例中229号用户异常演化结果图；图5为本专利技术实施例中208号用户异常演化结果图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本专利技术保护的范围。实施例电力用户的行为迁移指在周期R中，用户个体或用户群体(社群)用电规律随时间发展而变化的过程。在演化过程中，若个体Vn分别隶属于不同的社群k1(r)与k2(r+1)，k1≠k2，则称个体Vn相对于社群行为发生了迁移现象。社群演化主要研究社会网络中社群随时间发展变化的趋势、规律及其社群中个体行为的辨识，演化行为包含：社群数量的增减和结构的变化，即分裂、合并、扩张、收缩以及群体间迁移等。在电力领域中，具有相似用电行为特征的电力可以称为一类社群。社群中电力用户用电行为特征由自身用电需求和客观因素综合后形成，不同类型用户对外界因素刺激所导致的行为响应均具有较为明显的群体性特征。因此，通过辨识演化过程中个体与社群间用电行为特征匹配关系，便可较好检测出个体行为变化是否符合逻辑性。异常演化检测通过分析个体与社群之间行为迁移性特征，检测在演化周期内“不合群”个体，并标记为异常演化个体。按时间跨度分，用户的异常行为可以分为间隔异常、局部累积异常以及全局游离异常三类。间隔异常指某一阶段个体行为发生突变，形成与所属社群其他大部分个体相异的行为特征，而后又回归至原有行为模式；局部累积异常指在演化过程中，个体发生连续多个阶段与原社群行为模式不相符的情况；游离异常指个体行为模式在演化全过程中与所有社群均具有较为显著的差异性，其行为模式在全周期内均游走于某社群边缘或所有社群外，即社群隶属度稳定保持于较低水平。如图1所示为三类异常演化用户(分别用不同形状表示不同行为迁移特征的个体)用电模式变化路径示意图。个体(间隔异常)在演化阶段1中随着原社群部分个体分裂至一个新社群中，并在阶段2中回归至与初始状态一致的位置。该类行为异常的表现特征为在演化周期内出现短时行为模式跳变，而后又恢复至某一社群并保持行为模式处于稳定状态。本文档来自技高网...

【技术保护点】
1.一种基于用电行为迁移与社群演化的配电网用电异常检测方法，其特征在于，该检测方法包括以下步骤：步骤1：采集用户用电量数据并进行数据清洗，对清洗后的数据进行特征提取得到用电量数据序列；步骤2：对用电量数据序列划分周期进行趋势聚类后与个体及社群行为特征进行匹配，并根据匹配结果进行社群演化与迁移估计；步骤3：根据社群演化与迁移估计结果计算周期间隔异常值和局部累计异常演化值；步骤4：将周期间隔异常值和局部累计异常演化值进行排序并利用排序结果与历史异常用户异常用电行为对应数据比对得出用户用电异常检测结果。

【技术特征摘要】
1.一种基于用电行为迁移与社群演化的配电网用电异常检测方法，其特征在于，该检测方法包括以下步骤：步骤1：采集用户用电量数据并进行数据清洗，对清洗后的数据进行特征提取得到用电量数据序列；步骤2：对用电量数据序列划分周期进行趋势聚类后与个体及社群行为特征进行匹配，并根据匹配结果进行社群演化与迁移估计；步骤3：根据社群演化与迁移估计结果计算周期间隔异常值和局部累计异常演化值；步骤4：将周期间隔异常值和局部累计异常演化值进行排序并利用排序结果与历史异常用户异常用电行为对应数据比对得出用户用电异常检测结果。2.根据权利要求1所述的一种基于用电行为迁移与社群演化的配电网用电异常检测方法，其特征在于，所述步骤1中用电量数据序列的获取过程具体包括：将清洗后的待检测的n个电力用户，以T天为一周期，第i个用户在第r个周期内第j天的用电量进行组合，得到用电量数据序列3.根据权利要求1所述的一种基于用电行为迁移与社群演化的配电网用电异常检测方法，其特征在于，所述步骤2包括以下分步骤：步骤21：对用电量数据序列进行划分周期；步骤22：计算划分周期后的用电量数据序列的用电趋势并对其进行聚类操作；步骤23：对进行聚类操作后的用电量数据序列与个体及社群行为特征进行匹配；步骤24：根据匹配结果进行社群演化与迁移估计。4.根据权利要求3所述的一种基于用电行为迁移与社群演化的配电网用电异常检测方法，其特征在于，所述步骤22中的用电趋势的计算公式为：式中，表示第i个用户在第r个周期内第k天的用电趋势，表示第i个用户在第r个周期内第k天的用电量序列值，表示第i个用户在第R个周期...

【专利技术属性】
技术研发人员：田英杰，吴力波，周阳，马戎，施政昱，陈伟，苏运，郭乃网，瞿海妮，张琪祁，时志雄，宋岩，庞天宇，沈泉江，
申请(专利权)人：国网上海市电力公司，复旦大学，华北电力大学，
类型：发明
国别省市：上海,31