异常用电辨识方法及系统技术方案

本发明专利技术提供一种异常用电辨识方法及系统，属于电网系统管理技术领域，获取用电量数据；提取不同时间跨度下各用电数据的变化趋势；基于变化趋势，将指标数据降为时间跨度性和指标波动性两个维度；通过数据库中的分类模式对降为时间跨度性和指标波动性两个维度的数据指标进行分类，辨识异常用电用户；其中，搜集历史用电异常状态的用户的用电特征，通过聚类分析，计算各种用电模式的中心点及特征序列之间的距离，储存于数据库。本发明专利技术获取用户的用电量及相关数据，进行数据清洗和缺失数值补全；再进行特征提取，得到相应的异常用电识别特征量；然后通过聚类将用户聚为两组，并通过离群检测实现异常用电用户辨识，提高了辨识效率及识别准确率。识别准确率。识别准确率。

【技术实现步骤摘要】
异常用电辨识方法及系统


[0001]本专利技术涉及电网系统管理
，具体涉及一种基于t
‑
SNE聚类分析算法的异常用电辨识方法及系统。

技术介绍

[0002]电能在人们生活和企业生产中起到非常重要的作用，随着越来越多的电器设备投入使用，用电模式的数量剧增。人们舒适有序的生活、企业安全高效的生产都离不开合格的电能质量。电能质量决定生活与生产的质量，生产与生活也反过来影响电能质量，并反应在电力负荷曲线上。通过采集电力负荷曲线并进行分析，可以分析出设备存在的问题、存在的漏电窃电情况、用户用电量的演化趋势等。
[0003]目前针对用电异常检测的方法比较少，主要是通过人工检查、继电器报警等方式，属于事故后的补救措施，但是通过获得的大量数据进行的数据分析，可以预先获得设备运行状况的变化趋势，根据分析结果做出针对性的调整。正常生产生活的用电模式在一天或几天内应具有一定的规律性，发生用电模式的变化时，用电量会在下降后维持在偏低水平。随着数学模型的在电力发展规划上的应用，大数据的电力负荷问题也有了新的解决方案，同时全行业的信息化发展本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常用电辨识方法，其特征在于，包括：获取用电量数据；提取不同时间跨度下各用电数据的变化趋势；基于变化趋势，将指标数据降为时间跨度性和指标波动性两个维度；通过数据库中的分类模式对降为时间跨度性和指标波动性两个维度的数据指标进行分类，辨识异常用电用户；其中，搜集历史用电异常状态的用户的用电特征，通过聚类分析，计算各种用电模式的中心点及特征序列之间的距离，储存于所述数据库。2.根据权利要求1所述的异常用电辨识方法，其特征在于，所述用电量数据包括每日各用户的用电量、电能表相位数据、线路上电能损耗、电压、电流、有功功率、无功功率、用电指标的报警。3.根据权利要求1所述的异常用电辨识方法，其特征在于，对所获得的用电量数据进行进行数据清洗和缺省值预处理；将预处理后的数据进行整理计算，提取不同时间跨度下各用电数据的变化趋势。4.根据权利要求1所述的异常用电辨识方法，其特征在于，使用t
‑
SNE降维分析模型，将变化趋势的指标数据降为时间跨度性和指标波动性，绘制降维分析图形。5.根据权利要求1所述的异常用电辨识方法，其特征在于，对预处理后的数据进行整理，基于时间顺序建立用户用电量数据序列。6.根据权利要求1所述的异常用电辨识方法，其特征在于，计算某天的用电量变化趋势指标时，将该天前n天、后n天共2n+1天的时间作为一个统计窗口...

【专利技术属性】
技术研发人员：田超，车晓晓，张贻俊，张琪，李焕超，刘华建，张增寿，王健，齐凯奇，韩延超，徐广伟，刘立党，刘锦超，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：