基于量测数据多态势评判的风险用户识别方法技术

本申请提出了基于量测数据多态势评判的风险用户识别方法，包括获取用户用电数据，对用户用电数据进行预处理后得到成熟用电数据；从成熟用电数据中提取特征参数作为SVM算法的输入特征集，将输入特征集转换为特征向量，将特征向量送入SVM分类器中进行分类训练；基于训练后的SVM算法结合特征参数对风险用户进行识别。使用的SVM分类算法无论是对风险用户还是对于正常用户的识别，相较于统计学指标判断方法，都有了较好的提升，明显的提高了准确率。

Risk user identification method based on measurement data polymorphism potential evaluation

【技术实现步骤摘要】
基于量测数据多态势评判的风险用户识别方法
本申请属于供电评判领域，尤其涉及基于量测数据多态势评判的风险用户识别方法。
技术介绍
电力系统的能量损失可以划分为两类：技术性损失(TechnicalLoss，TL)和非技术性损失(Non-technicalLoss，NTL)。其中技术性损失包括输电、配电、变电过程中产生的难以消除的能量损耗，主要包括有电能通过输电线路的传输过程中造成的损耗，变压器的损耗以及其他设备的损耗。而非技术性损失则主要是指电力用户的窃电行为所造成的损失，对于可能存在着窃电行为的电力用户称其为风险用户。技术性损失及非技术性损失可用定量的公式来表示：电力系统电能的损失：Eloss＝Egenerate-Esale#(1)电力公司的收益损失：Closs＝Eloss*Xprice#(2)非技术性损失：CNTL＝Closs-CTL#(3)从上述公式可以看出，由于输配变电过程中的技术性损失是不可避免的，那么当非技术性损失造成的收益损失增加时，电力公司的总收益损失也会增加。因此窃电本文档来自技高网...

【技术保护点】
1.基于量测数据多态势评判的风险用户识别方法，其特征在于，所述风险用户识别方法包括：/n获取用户用电数据，对用户用电数据进行预处理后得到成熟用电数据；/n从成熟用电数据中提取特征参数作为SVM算法的输入特征集，/n将输入特征集转换为特征向量，将特征向量送入SVM分类器中进行分类训练；/n基于训练后的SVM算法结合特征参数对风险用户进行识别。/n

【技术特征摘要】
1.基于量测数据多态势评判的风险用户识别方法，其特征在于，所述风险用户识别方法包括：
获取用户用电数据，对用户用电数据进行预处理后得到成熟用电数据；
从成熟用电数据中提取特征参数作为SVM算法的输入特征集，
将输入特征集转换为特征向量，将特征向量送入SVM分类器中进行分类训练；
基于训练后的SVM算法结合特征参数对风险用户进行识别。


2.根据权利要求1所述的基于量测数据多态势评判的风险用户识别方法，其特征在于，所述从成熟用电数据中提取特征参数作为SVM算法的输入特征集，包括：
选取了有功功率P、无功功率Q、负荷利用率指标μ、日最大负荷、电量波动作为数据类别从成熟用电数据中提取特征参数。


3.根据权利要求2所述的基于量测数据多态势评判的风险用户识别方法，其特征在于，所述风险用户识别方法还包括：
选取用户每天消耗的有功之和作为有功功率P；
选取用户每天消耗的无功功率之和作为无功功率Q。


4.根据权利要求2所述的基于量测数据多态势评判的风险用户识别方法，其特征在于，所述风险用户识别方法还包括：
基于公式一计算负荷利用率指标μ：



式中，di为每天的电量，cap为报装容量，cosθ为功率因数，负荷利用率指标μ表示用户的实际用电量与需求电量之比，μ越大表示负荷利用率越高，反之负荷利用率越低。


5.根据权利要求2所述的基于量测数据多态势评判的风险用户识别方法，其特征在于，所述风险用户识别方法还包括：
选取用户每天每个时刻读取的各个电量之中的最大值作为日最大负荷；

【专利技术属性】
技术研发人员：章剑光，王锋华，章坚民，林海峰，张磊，张永建，陈浩，凌玲，李晓彤，田雁宁，胡利辉，周晟，张旭阳，韩保礼，
申请(专利权)人：国网浙江省电力有限公司绍兴供电公司，国网浙江省电力有限公司，杭州电子科技大学，
类型：发明
国别省市：浙江;33