一种反窃电检测识别方法及系统技术方案

本发明专利技术属于电力窃电检测技术领域，尤其涉及一种反窃电检测识别方法及系统，所述的方法包括：获取待检测电力用户的历史用电数据，建立历史用电数据库；基于所建立的历史用电数据库对预设的检测识别模型进行优化处理，得到最优检测识别模型；将电力用户的实时用电数据输入至最优检测识别模型中，输出实时数据的检测识别结果，其中，预设的检测识别模型采用K

【技术实现步骤摘要】
一种反窃电检测识别方法及系统


[0001]本专利技术属于电力窃电检测
，尤其涉及一种反窃电检测识别方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]窃电是指以非法占用电能，以不交或者少交电费为目的，采用非法手段不计量或者少计量用电的行为；具有极大的破坏性。据不完全统计，全国每年窃掉的电量至少在数十亿度以上，电能资源损失严重，造成较大的经济损失，严重影响社会稳定。因此，深入研究窃电手段、窃电技术，严厉查处窃电行为，对具有重大窃电嫌疑的客户进行集中清理，减少电能资源的流失。
[0004]反窃电是一项极其重要的工作；目前，由于电力客户的数量剧增，用电检查人员的数量已跟不上电力用户增长的速度；同时，电力设备配备不齐全、用电检测方法单一等因素直接导致了用电检查效率低下，以至于反窃电工作的防范性不足，窃电证据难以取证、窃电量难以认定；另外，用电检查人员的反窃电意识薄弱，也会助长窃电行为的势力。因此，如何提高反窃电检测识别效率是迫切需要解决的技术问题。

技术实现思路

[0005]为克服上述现有技术的不足，本专利技术提供了一种反窃电检测识别方法及系统。
[0006]为实现上述目的，本专利技术的一个或多个实施例提供了如下技术方案：
[0007]本专利技术第一方面提供了一种反窃电检测识别方法，包括：
[0008]获取待检测电力用户的历史用电数据，建立历史用电数据库；
[0009]基于所建立的历史用电数据库对预设的检测识别模型进行优化处理，得到最优检测识别模型；
[0010]将电力用户的实时用电数据输入至最优检测识别模型中，输出实时数据的检测识别结果，
[0011]其中，预设的检测识别模型采用K
‑
最近邻算法。
[0012]进一步的,所建立的历史用电数据库包括历史月用电量峰谷差率、历史用电量季不平衡率和历史典型用电量比例；所获取待检测电力用户的实时用电数据为实时月用电量峰谷差率。
[0013]进一步的，所述的月用电量峰谷差率为每年月用电月用电量峰谷差与最大月月用电量之比；所述的用电量季不平衡率为每年12个月的平均电量与当年最大月用电量之比；所述的典型用电量比例为冬夏两季用电量总和占全年用电量总和的比例。
[0014]进一步的，所述基于所建立的历史用电数据库对预设的检测识别模型进行优化处理，得到最优检测识别模型，具体步骤包括：
[0015]将所建立的历史用电数据库分成训练样本和测试样本，得到所有样本的分类属性
和目标属性；
[0016]确定训练过程中所需要的参数；
[0017]基于所确定的参数，结合训练样本和测试样本，基于预设的K
‑
最近邻算法进行训练，完成模型的优化处理，得到最优检测识别模型。
[0018]进一步的，对于一个待分类的测试样本进行分类，K
‑
最近邻算法先寻找到训练样本中离待分类的测试样本最近的K个样本点，再根据K个类别信息投票判定测试样本的具体类别。
[0019]进一步的，所述K
‑
最近邻算法采用欧氏距离或余弦距离；
[0020]所述欧氏距离公式为：
[0021][0022]余弦距离公式为：
[0023][0024]其中，x
i
，x
j
分别代表训练样本跟测试样本，m表示x
i
，x
j
的维数。
[0025]进一步的，基于测试样本，对K
‑
最近邻算法进行改进的过程为：
[0026](1)根据经验规则确定K的大略取值范围：K1≤K≤K2，其中K1为K最小值，K2为K最大值；
[0027](2)取K＝K2，计算K值取K最大值时的KNN网络，得到网络的测试样本识别率Accuracy2；
[0028](3)取K＝(K1+K2)/2，K的取值为整数；再次计算KNN网络的测试样本识别率Accuracy1；
[0029](4)若Accuracy1>Accuracy2，则令K2＝K，Accuracy2＝Accuracy1；反之，令K1＝K；
[0030](5)若K1<K2，则返回(2)，以此循环；否则，得到最优的K值参数，实现K
‑
最近邻算法的改进。
[0031]本专利技术第二方面提供了一种反窃电检测识别系统，包括：
[0032]获取模块，被配置为获取待检测电力用户的历史用电数据，建立历史用电数据库；
[0033]优化模块，被配置为基于所建立的历史用电数据库对预设的检测识别模型进行优化处理，得到最优检测识别模型；其中，预设的检测识别模型采用改进的K
‑
最近邻算法；
[0034]检测识别模块，被配置为将电力用户的实时用电数据输入至最优检测识别模型中，输出实时数据的检测识别结果。
[0035]本专利技术第三方面提供了计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本专利技术第一方面所述的一种反窃电检测识别方法中的步骤。
[0036]本专利技术第四方面提供了电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本专利技术第一方面所述的一种反窃电检测识别方法中的步骤。
[0037]以上一个或多个技术方案存在以下有益效果：
[0038]本专利技术通过对用电数据的识别分析，快速锁定窃电用户，提高反窃电的识别效率；通过改进的K
‑
最近邻算法构建反窃电检测识别模型，提高反窃电识别的正确率。
[0039]本专利技术附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0040]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0041]图1是本专利技术实施例一中的反窃电检测识别方法的流程图；
[0042]图2是本专利技术实施例一中的改进的K最近邻算法的流程图；
[0043]图3是本专利技术实施例二中的反窃电检测识别系统的结构框图。
具体实施方式
[0044]应该指出，以下详细说明都是示例性的，旨在对本专利技术提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本专利技术所属
的普通技术人员通常理解的相同含义。
[0045]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。
[0046]在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0047]实施例一
[0048]本实施例公开了一种反窃电检测识别方法；
[0049]如图1所示，一种反窃电检测识别方法，包括：
[005本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种反窃电检测识别方法，其特征在于，包括：获取待检测电力用户的历史用电数据，建立历史用电数据库；基于所建立的历史用电数据库对预设的检测识别模型进行优化处理，得到最优检测识别模型；将电力用户的实时用电数据输入至最优检测识别模型中，输出实时数据的检测识别结果；其中，预设的检测识别模型采用K
‑
最近邻算法。2.如权利要求1中所述的一种反窃电检测识别方法，其特征在于,所建立的历史用电数据库包括历史月用电量峰谷差率、历史用电量季不平衡率和历史典型用电量比例；所获取待检测电力用户的实时用电数据为实时月用电量峰谷差率。3.如权利要求2中所述的一种反窃电检测识别方法，其特征在于，所述的月用电量峰谷差率为每年月用电月用电量峰谷差与最大月月用电量之比；所述的用电量季不平衡率为每年12个月的平均电量与当年最大月用电量之比；所述的典型用电量比例为冬夏两季用电量总和占全年用电量总和的比例。4.如权利要求1中所述的一种反窃电检测识别方法，其特征在于，所述基于所建立的历史用电数据库对预设的检测识别模型进行优化处理，得到最优检测识别模型，具体步骤包括：将所建立的历史用电数据库分成训练样本和测试样本，得到所有样本的分类属性和目标属性；确定训练过程中所需要的参数；基于所确定的参数，结合训练样本和测试样本，基于预设的K
‑
最近邻算法进行训练，完成模型的优化处理，得到最优检测识别模型。5.如权利要求4中所述的一种反窃电检测识别方法，其特征在于，对于一个待分类的测试样本进行分类，K
‑
最近邻算法先寻找到训练样本中离待分类的测试样本最近的K个样本点，再根据K个类别信息投票判定测试样本的具体类别。6.如权利要求4中所述的一种反窃电检测识别方法，其特征在于，所述K
‑
最近邻算法采用欧氏距离或余弦距离；所述欧氏距离公式为：余弦距离公式为：其中，x
i...

【专利技术属性】
技术研发人员：吕炳霖，刘勇超，李文芳，田晓，张帝，赵冠，程婷婷，张涛，张亚萍，
申请(专利权)人：国家电网有限公司，
类型：发明
国别省市：