一种面向用电信息采集系统的智能防窃电方法技术方案

一种面向用电信息采集系统的智能防窃电方法，包括建立用电信息采集系统的窃电样本数据库、建立基于马尔科夫链的窃电预测模型、建立基于卷积神经网络的窃电识别模型及建立智能窃电检测模型；可以有效在用电信息采集系统下对窃电用户进行定位，数据来源方式更为便捷；通过引入马尔科夫链及卷积神经网络，窃电行为分析更加快速、准确；通过建立智能窃电检测模型，对两种模型的加权，窃电行为结果更加可靠、合理。合理。合理。

【技术实现步骤摘要】
一种面向用电信息采集系统的智能防窃电方法


[0001]本专利技术涉及一种防窃电方法，尤其是涉及一种面向用电信息采集系统的智能防窃电方法。

技术介绍

[0002]用电采集系统作为面向客户侧泛在电力物联网的重要组成部分，通过实时监控、采集、上传用电用户的负载、用电量、电流、电压等重要数据，为国家电网公司售电、供电提供基础的数据支撑，但科学技术的进步，使得部分不法分子窃电地点、过程更加隐蔽，其窃电行为越发猖獗，这不仅降低了国家电网公司的经济效益，也严重干扰了电力市场的安全与秩序。因此，防窃电工作具有重要意义。
[0003]目前，防窃电手段通过电能表改装、设计检测算法等方式取得了一定的成效，但却无法很好防范种类繁多的高科技窃电行为，且随着智能电表的普及，采集数据由原来仅存储电能被替代为许多相关数据维度，其日增量已超过60TB，用电信息采集系统识别窃电用户面临海量数据的困境，且各类算法均未研究针对用电信息采集系统对窃电样本数据进行识别。

技术实现思路

[0004]本专利技术的主要目的是提供一种面向用电信息采集系统的智能防窃电方法。
[0005]本专利技术采用的技术方案是：一种面向用电信息采集系统的智能防窃电方法，包括以下步骤：
[0006]步骤1，建立用电信息采集系统的窃电样本数据库：根据用电信息采集系统功能对台区用户进行排查，通过召测反向有功电能、召测电流数据块、召测电压数据块方式判断用户当前的用电行为，准确定位窃电用户用电数据并记录，累积形成窃电样本数据库并导出；
[0007]步骤2，建立基于马尔科夫链的窃电预测模型：通过检索数据字符段提取窃电用户线路电压、电流、时间，首先建立单一预测模型，弱化电能信息的波动性及随机性，然后引入误差熵对各项单一预测模型加权，最后采用马尔科夫描述加权模型的离散化过程，将加权预测模型进行离散时间序列组合，而状态空间内数据在当前时间的状态只与前一时刻的状态有关，获得当前用电状态概率区间；并通过马尔科夫链以概率区间的形式对用户窃电行为进行窃电分析，根据不同时刻的状态概率区间预测用户窃电行为；
[0008]步骤3，建立基于卷积神经网络的窃电识别模型：通过随机数据组合对数据库进行扩充(运用随机数法，在其范围内进行随机排列组合)，并以日窃电数据量为单位生成窃电数据图，由CNN-LeNet5网络模型进行训练，通过卷积提取图像特征，通过池化降低图像采样率，通过全连接层对概率进行预测；从而自动对用户窃电行为进行识别；
[0009]步骤4，建立智能窃电检测模型：结合步骤2、3的样本训练及验证结果，对错误预测样本数据进行概率计算，并以此为依据分配步骤2、步骤3的概率预测权值，建立智能窃电检测模型，综合评估用户用电状态。
[0010]进一步的，所述步骤1中通过召测反向有功电能判断用户当前的用电行为的方法为：对日用电数据进行反向电能有功电能测试，如反向有功总电能示值与反向有功费率电能示值不一样，则用户发生窃电行为，反之，用户用电行为正常。
[0011]进一步的：所述步骤1中通过召测电流数据块判断用户当前的用电行为的方法为：对日用电数据进行电流数据块测试，如火线中三相电流示值均在设定阈值之上，则用户发生窃电行为，反之，用户用电行为正常。
[0012]进一步的，所述步骤1中通过召测电压数据块判断用户当前的用电行为的方法为：对日用电数据进行电流数据块测试，如火线中三相电流示值均在设定阈值之上，则用户发生窃电行为，反之，用户用电行为正常。
[0013]进一步的，所述步骤2中所述单一预测模型是根据采集时间对原始样本数据进行一阶累加形成新样本数据序列，具体方法如下：
[0014]从现有数据库导入窃电数据如电压(U(t)1)、电流(I(t)1)，根据采集时间对其进行排序，通过一阶累加的方式形成新样本数据U(t)2、I(t)2，此时加权系数a为常数，并引入微积分、多项式、指数函数等建立单一预测模型A(U,I)；
[0015]U
t1
＝(U1、U2、
…
U
t
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0016]I
t1
＝(I1、I2、
…
I
t
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0017][0018][0019]A(U,I)＝a
tu
U
t2
+a
ti
I
t2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0020]其中，U
(t)1
、I
(t)1
为原始样本数据，U1、U2、
…
、U
t
代表不同时刻的采集的电压数据，U
(t)2
、I
(t)2
为新样本数据，U
i
、I
i
均源于U
i1
、I
i1
，a为加权系数a∈[0,1]，A(U,I)为单一预测模型，a
tu
为电压模型系数，a
ti
为电流模型系数。
[0021]进一步的，所述步骤2中引入误差熵对各项单一预测模型加权的方法为：对输出差值进行归一化处理，并获得全部样本的误差熵，通过调整累加样本数据权值的方式重新构建单一预测模型形成加权预测模型，具体方法如下：
[0022]ΔA＝A-A(U,I)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
[0023][0024][0025][0026]其中，A为实际输出值，A(U,I)为理论输出值，ΔA为输出误差，B为归一化后的误差，b
t
为误差熵，kB为玻尔兹曼常数，a
t
为调整后的权值，将a
t
带入公式3、公式4、公式5获得加权预测模型；
[0027]根据单一预测模型A(U,I)带入原始样本数据U
(t)1
、I
(t)
获得实际输出值A，计算输出差值ΔA，并对其进行归一化处理转换至同一数据量级上，据此获得全部样本的误差熵b
t
，调整累加样本数据权值a
t
，重新构建单一预测模型形成加权预测模型。
[0028]进一步的，所述步骤2中获得当前用电状态概率区间；并通过马尔科夫链以概率区间的形式对用户窃电行为进行窃电分析的具体方法为：
[0029]由于样本数据具有明显的离散特征，将加权预测模型离散为非负整数时间集合，根据马尔科夫“无后效”性质对下一时刻的数据状态以概率区间的形式进行预测判断；
[0030]A(U,I)
→
C(C0、C1、
…
C
n
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0031]D＝{D
n+本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向用电信息采集系统的智能防窃电方法，其特征在于，包括以下步骤：步骤1，建立用电信息采集系统的窃电样本数据库：根据用电信息采集系统功能对台区用户进行排查，通过召测反向有功电能、召测电流数据块、召测电压数据块方式判断用户当前的用电行为，准确定位窃电用户用电数据并记录，累积形成窃电样本数据库并导出；步骤2，建立基于马尔科夫链的窃电预测模型：通过检索数据字符段提取窃电用户线路电压、电流、时间，首先建立单一预测模型，弱化电能信息的波动性及随机性，然后引入误差熵对各项单一预测模型加权，最后采用马尔科夫描述加权模型的离散化过程，将加权预测模型进行离散时间序列组合，而状态空间内数据在当前时间的状态只与前一时刻的状态有关，获得当前用电状态概率区间；并通过马尔科夫链以概率区间的形式对用户窃电行为进行窃电分析，根据不同时刻的状态概率区间预测用户窃电行为；步骤3，建立基于卷积神经网络的窃电识别模型：通过随机数据组合对数据库进行扩充，并以日窃电数据量为单位生成窃电数据图，由CNN-LeNet5网络模型进行训练，通过卷积提取图像特征，通过池化降低图像采样率，通过全连接层对概率进行预测；从而自动对用户窃电行为进行识别；步骤4，建立智能窃电检测模型：结合步骤2、3的样本训练及验证结果，对错误预测样本数据进行概率计算，并以此为依据分配步骤2、步骤3的概率预测权值，建立智能窃电检测模型，综合评估用户用电状态。2.根据权利要求1所述的面向用电信息采集系统的智能防窃电方法，其特征在于：所述步骤1中通过召测反向有功电能判断用户当前的用电行为的方法为：对日用电数据进行反向电能有功电能测试，如反向有功总电能示值与反向有功费率电能示值不一样，则用户发生窃电行为，反之，用户用电行为正常。3.根据权利要求1所述的面向用电信息采集系统的智能防窃电方法，其特征在于：所述步骤1中通过召测电流数据块判断用户当前的用电行为的方法为：对日用电数据进行电流数据块测试，如火线中三相电流示值均在设定阈值之上，则用户发生窃电行为，反之，用户用电行为正常。4.根据权利要求1所述的面向用电信息采集系统的智能防窃电方法，其特征在于：所述步骤1中通过召测电压数据块判断用户当前的用电行为的方法为：对日用电数据进行电流数据块测试，如火线中三相电流示值均在设定阈值之上，则用户发生窃电行为，反之，用户用电行为正常。5.根据权利要求1所述的面向用电信息采集系统的智能防窃电方法，其特征在于：所述步骤2中所述单一预测模型是根据采集时间对原始样本数据进行一阶累加形成新样本数据序列，具体方法如下：从现有数据库导入窃电数据如电压(U(t)1)、电流(I(t)1)，根据采集时间对其进行排序，通过一阶累加的方式形成新样本数据U(t)2、I(t)2，此时加权系数a为常数，并引入微积分、多项式、指数函数等建立单一预测模型A(U,I)；U
t1
＝(U1、U2、
…
U
t
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)I
t1
＝(I1、I2、
…
I
t
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
A(U,I)＝a
tu
U
t2
+a
ti
I
t2
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)其中，U
(t)1
、I
(t)1
为原始样本数据，U1、U2、
…
、U
t
代表不同时刻的采集的电压数据，U
(t)2
、I
(t)2
为新样本数据，U
i
、I
i
均源于U
i1
、I
i1
，a为加权系数a∈[0,1]，A(U,I)为单一预测模型，a
tu
为电压模型系数，a
ti
为电流模型系数。6.根据权利要求1所述的面向用电信息采集系统的智能防窃电方法，其特征在于：所述步骤2中引入误差熵对各项单一预测模型加权的方法为：对输出差值进行归一化处理，并获得全部样本的误差熵，通过调整累加样本数据权值的方式重新构建单一预测模型形成加权预测模型，具体方法如下：ΔA＝A-A(U,I)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)(6)(6)其中，A为实际输出值，A(U,I)为理论输出值，ΔA为输出误差，B为归一化后的误差，b
t
为误差熵，kB为玻尔兹曼常数，a
t
为调整后的权值，将a
t
带入公式3、公式4、公式5获得加权预测模型；根据单一预测模型A(U,I)带入原始样本数据U
(t)1
、I
(t)
获得实际输出值A，计算输出差值ΔA，并对其进行归一化处理转换至同一数据量级上，据此获得全部样本的误差熵b
t
，调整累加样本数据权值a
t
，重新构建单一预测模型形成加权预测模型。7.根据权利要求1所述的面向用电信息采集系统的智能防窃电方法，其特征在于：所述步骤2...

【专利技术属性】
技术研发人员：何行，蔡文嘉，张芹，冉艳春，阮雁，吴明珍，董重重，余鹤，孙秉宇，张佳雯，龚立，饶佳豪，王先培，
申请(专利权)人：国网湖北省电力有限公司营销服务中心计量中心武汉大学，
类型：发明
国别省市：