【技术实现步骤摘要】
一种基于用户负荷与用电参量相结合的窃电检测方法
本专利技术涉及窃电检测
，具体涉及一种基于用户负荷与用电参量相结合的窃电检测方法。
技术介绍
电能计量准确性及质量可靠性直接影响用户的经济利益和社会能源的利用率。窃电是指非法使用电力资源，这种做法严重影响了计量准确性，不仅给电力企业造成了巨大损失，而且严重威胁了电网的安全运行。在电网发展过程中，窃电问题一直都存在，而且呈现出了高科技化发展趋势，而且隐蔽性更强。在窃电检测中还存在用户量大，检测效率不高问题。
技术实现思路
本专利技术提供一种基于用户负荷与用电参量相结合的窃电检测方法，首先建立基于用户负荷的窃电初筛模型，窃电初筛模型先采用模糊C均值算法与随机选择法相结合的方法对用户负荷数据进行聚类，将用户划分为不同的类别并找出用户的负荷特征曲线，计算用户日常负荷曲线与该用户特征负荷曲线的距离，找出偏离程度较大的嫌疑异常用户。最后利用改进并列式长短期记忆神经网络LSTM算法训练得到基于用电参量的用户窃电识别模型进行进一步的观察和筛选找出窃电用户。具体操作包括...
【技术保护点】
1.一种基于用户负荷与用电参量相结合的窃电检测方法，其特征在于：首先建立基于用户负荷的窃电初筛模型，窃电初筛模型先采用模糊C均值算法与随机选择法相结合的方法对用户负荷数据进行聚类，将用户划分为不同的类别并找出用户的负荷特征曲线，计算用户日常负荷曲线与该用户特征负荷曲线的距离，找出偏离程度较大的嫌疑异常用户；最后利用改进并列式长短期记忆神经网络LSTM算法训练得到基于用电参量的用户窃电识别模型进行进一步的观察和筛选找出窃电用户。/n
【技术特征摘要】
1.一种基于用户负荷与用电参量相结合的窃电检测方法，其特征在于：首先建立基于用户负荷的窃电初筛模型，窃电初筛模型先采用模糊C均值算法与随机选择法相结合的方法对用户负荷数据进行聚类，将用户划分为不同的类别并找出用户的负荷特征曲线，计算用户日常负荷曲线与该用户特征负荷曲线的距离，找出偏离程度较大的嫌疑异常用户；最后利用改进并列式长短期记忆神经网络LSTM算法训练得到基于用电参量的用户窃电识别模型进行进一步的观察和筛选找出窃电用户。
2.根据权利要求1所述的基于用户负荷与用电参量相结合的窃电检测方法，其特征在于：具体包括以下步骤：
步骤a．读取台区下N个用户的X个月的负荷数据，每个用户每天Y个负荷数据，其中3≤X≤12，Y≥1；然后对负荷数据进行数据预处理操作，得到预处理后的负荷数据且可以直接输入到窃电初筛模型中；
步骤b．采用模糊C均值算法与随机选择法相结合的方法对N个用户负荷数据进行聚类，首先运用模糊C均值算法确定各用户数据的最佳分类数FK，其范围是1至Y；然后采用随机选择法从N个用户负荷数据中随机选择数据对象作为初始的聚类中心线；将聚类算法运行FK次，最后取平均值作为最终的聚类中心线，并将聚类中心线作为N个用户负荷数据的负荷特征曲线，其中元素xj1,…,xjY为N个用户负荷数据聚类后的平均值；
步骤c．使用第i个用户每天的负荷数据与步骤b中形成的负荷特征曲线j，其中xi1,…,xiY分别为第i个用户的第1至Y个负荷数据，计算负荷数据与负荷特征曲线的欧式距离，进一步计算加权欧式距离，通过加权欧式距离和距离阈值，判断用户是否偏移其日常用电规律，如果偏离度超过距离阈值，则将视为嫌疑异常用户；
步骤d．读取嫌疑异常用户的窃电判别指标数据并对数据进行归一化；窃电判别指标数据包括电压不平衡率、电流不平衡率、功率因数不平衡率、台区线损率、电量峰值、电量谷值；其中电压不平衡率为，Ua、Ub、Uc为三相电压，和分别表示取Ua、Ub、Uc中的最大和最小值，电流不平衡率为，Ia、Ib、Ic为三相电流，Max（Ia,Ib,Ic）和Min（Ia,Ib,Ic）分别表示取Ia、Ib、Ic中的最大和最小值，数据进行归一化的公式为，...
【专利技术属性】
技术研发人员：邓高峰，温和，刘强，王珺，张春强，胡涛，赵震宇，郑振洲，郭雪薇，刘仕萍，李肖，
申请(专利权)人：国网江西省电力有限公司供电服务管理中心，国家电网有限公司，国网江西省电力有限公司电力科学研究院，湖南大学，
类型：发明
国别省市：江西;36
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。