一种基于多聚合水平能耗数据的用户行为感知方法及系统技术方案

本发明专利技术涉及电力系统异常用电技术领域，具体涉及一种基于多聚合水平能耗数据的用户行为感知方法，包括S1：对电力消耗数据进行特征提取生成用电数据样本；S2:基于用电数据样本，采用K

【技术实现步骤摘要】
一种基于多聚合水平能耗数据的用户行为感知方法及系统


[0001]本专利技术涉及电力系统异常用电
，具体涉及一种基于多聚合水平能耗数据的用户行为感知方法及系统。

技术介绍

[0002]异常用电是全球供电企业面临的共同难题，每年都会对供电企业造成巨大的经济损失。因此，基于多聚合水平能耗数据的高耗能用户行为分析技术和高耗能企业的用电行为异常诊断技术对供电企业至关重要。但是，大量的电力数据流和复杂的异常用电情况对检测算法提出了挑战。
[0003]如今已有多种用户异常用电行为感知方法，其大致可分为两类：信号分析方法和机器学习方法。信号分析方法旨在通过分析电压和电流的变化情况来检测异常用电，但此种方法通常存在对大量耗电数据适应性较差的问题；机器学习方法具有鲁棒性，且适用于电力消耗数据，可将模糊C均值(FCM)、长短时记忆(LSTM)及卷积神经网络等多种算法用于用电异常量检测。
[0004]尽管已经开发出了多种异常用电感知方法，但不同异常用电量类别与正常用电量之间的数据分布比率尚未得到很好地研究。由于正常用电量数据量较大，而异常用电量样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多聚合水平能耗数据的用户行为感知方法，其特征在于，包括，S1：对电力消耗数据进行特征提取生成用电数据样本；S2:基于用电数据样本，采用K
‑
means及SMOTE算法生成输入样本数据；S3:采用KELM算法训练上述输入样本数据，并输出样本数据是否为异常用电数据。2.如权利要求1所述的一种基于多聚合水平能耗数据的用户行为感知方法，其特征在于，步骤S1中，用电系统中的用户包含下述：高压用户、低压用户和光伏用户；其中，低压用户进一步分为低压居民用户和低压非居民用户，对于不同类型的电力用户，存在不同的异常用电情况，针对不同类型的用电数据定义不同的异常用电类别，其中，不同类型的用电数据采用如下表示：相关变量定义如下，x
l
：上月用电量，x
t
：当月用电量，x
cl
：去年同期用电量，x
se
：尖电量，x
pe
：峰电量，x
ve
：谷电量，x
sr
：最终抄表总电量，x
sv
：最终抄表尖电量，x
pv
：最终抄表峰电量，x
vv
：最终抄表谷电量，x
cc
：合同容量，x
ap
：有功功率，x
ip
：无功功率，x
pa
：执行调整，x
ep
：光伏用户的发电表，x
gp
：光伏用户的电网电表电量。3.如权利要求1所述的一种基于多聚合水平能耗数据的用户行为感知方法，其特征在于，步骤S2中，多用电数据样本进行预处理具体为，采用K
‑
means算法将用电数据样本划分为多个簇，计算每个簇用电数据的不平衡比值，若大于预设比值，则采用SMOTE过采样策略生成合成输入样本数据；若小于预设比值则每个簇的用电数据样本作为输入样本数据。4.如权利要求3所述的一种基于多...

【专利技术属性】
技术研发人员：张家齐，
申请(专利权)人：国网辽宁省电力有限公司沈阳供电公司，
类型：发明
国别省市：