【技术实现步骤摘要】
本专利技术属于反用户窃电领域，特别涉及一种基于相似性度量和决策树支持向量机的用户窃电监测方法和系统。
技术介绍
1、窃电行为是指在电力供应与使用过程中，用户采用秘密窃取的方式非法占用国家电能，以达到不交或少交电费用电的违法行为。窃电行为影响着供电质量和电网运行安全，严重影响着社会的稳定与和谐。为了防止窃电，供电企业采取了多种手段，但传统的反窃电方法尚未达到可监督和智能化的要求。具体而言，传统的反专变用户窃电方法需要稽查人员经过长期的工作经验积累进行判断，存在误判的可能，同时用电量的检测需要人工参与度较高，对于一个区域内的窃电排查工作往往需要大量工作人员的参与，检测效率低且缺乏智能化。
技术实现思路
1、为了解决现有技术中存在的不足，本专利技术提供了一种基于相似性度量和决策树支持向量机的窃电监测方法和系统，以实现科学合理、实用性强，监测结果准确可靠，保护电网安全运行的基于数相似性度量和决策树支持向量机的智能化用户窃电监测。
2、为解决上述技术问题，本专利技术采用如下的技术方案。
3、本专利技术首先公开了一种窃电监测方法，该方法包括以下步骤：
4、步骤1，采集用户电力使用数据并进行预处理，通过基于ami的用户行为分析来获取用户的用电特征数据；
5、步骤2，基于获取的用户用电特征数据，利用一维生成对抗网络1d-wgan生成样本数据，将生成的样本数据与获取的用户用电特征数据进行结合，得到待分析数据；
6、步骤3，根据相似性度量算法
7、本专利技术进一步包括以下优选方案：
8、所述步骤1中，采集用户电力使用数据并进行预处理，进一步包括：
9、将n时刻m个用户的测量数据用矩阵表示为：
10、
11、式中xij表示第i个用户在第j个测量周期内对智能电表的测量值；
12、对测量值进行规范化处理，进行最小值和最大值的归一化，映射为结果值[0，1]：
13、
14、其中x为实际测量数据；xmax为样本数据的最大值；xmin为样本数据的最小值；x*为归一化后的用电量数据。
15、所述步骤2中，利用一维生成对抗网络1d-wgan生成样本数据，进一步包括：
16、步骤2.1：利用基于一维卷积层的生成对抗网络gan学习测量数据的特征分布；
17、步骤2.2：以wasserstein距离为目标对所述生成对抗网络gan进行训练，基于预定义相似性约束和真实性约束生成符合所述特征分布的样本数据。
18、所述生成对抗网络包括生成器g和鉴别器d，其中生成器g的损失函数定义为目标函数为鉴别器d的损失函数定义为目标函数为
19、整个博弈过程的目标函数为：
20、
21、其中pdata(x)为作为训练集的窃电数据，pz(z)为噪声变量z的高斯分布，g(z)为生成器输出。
22、所述步骤3，进一步包括：
23、步骤3.1：计算每个用户的特征曲线与正常用电用户的特征曲线的相似性度量距离，并通过判断相似性度量距离与预设相似性阈值的关系来确定可疑用户；
24、步骤3.2：构建对应于每一种窃电特征的多类svm分类器，根据层次分类模型构建决策树，根据样本与分类超平面之间的距离，选择svm分类和knn分类算法对可疑用户的行为特征进行分类，得到窃电用户识别结果。
25、所述样本与分类超平面之间的距离定义为：
26、
27、其中s为训练样本中的支持向量；为待分类的样本。
28、本专利技术同时公开了一种利用前述基于相似性度量和决策树支持向量机的窃电监测方法的基于相似性度量和决策树支持向量机的窃电监测系统，包括用电特征数据获取模块、样本数据生成模块和窃电用户识别模块。
29、所述用电特征数据获取模块，用于采集用户电力使用数据并进行预处理，通过基于ami的用户行为分析来获取用户的用电特征数据；
30、所述样本数据生成模块，用于基于获取的用户用电特征数据，利用一维生成对抗网络1d-wgan生成样本数据，将生成的样本数据与获取的用户用电特征数据进行结合，得到待分析数据；
31、所述窃电用户识别模块，用于根据相似性度量算法从所述待分析数据中确定可疑用户，并利用决策树支持向量机dt-ksvm对所述可疑用户进行检测，识别非法窃电用户。
32、相应地，本申请还公开了一种终端，包括处理器及存储介质；
33、所述存储介质用于存储指令；
34、所述处理器用于根据所述指令进行操作以执行根据前述基于相似性度量和决策树支持向量机的窃电监测方法的步骤。
35、相应地，本申请还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述基于相似性度量和决策树支持向量机的窃电监测方法的步骤。
36、本专利技术的有益效果在于，与现有技术相比，本专利技术提供了一种基于相似性度量和决策树支持向量机的窃电监测方法和系统，采用基于相似性度量和决策树支持向量机的用户窃电监测模型，在进行专变用户窃电监测时更加精确、快速地发现可疑的用户和确定的窃电用户，可节省人力资源，且监测方式更具智能化，监测可靠、效率更高，能够弥补传统的转变用户窃电方法中的不足，有力支撑配变增容稽查工作的开展、提高稽查精度，保障电力企业的经济利益。本专利技术能够及时核对各区域电网功率潮流数值确保电力调度的安全进行，对于维护电力系统的安全稳定运行、支撑电网数字化、全面化发展具有十分重要的现实意义，其科学合理，实用性强。
本文档来自技高网...【技术保护点】
1.一种窃电监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的窃电监测方法，其特征在于，采集用户电力使用数据并进行预处理，进一步包括：
3.根据权利要求2所述的窃电监测方法，其特征在于，利用一维生成对抗网络1D-WGAN生成样本数据，进一步包括：
4.根据权利要求3所述的窃电监测方法，其特征在于，所述生成对抗网络包括生成器G和鉴别器D，其中生成器G的损失函数定义为目标函数为鉴别器D的损失函数定义为目标函数为
5.根据权利要求4所述的窃电监测方法，其特征在于，所述根据相似性度量算法从所述待分析数据中确定可疑用户，并利用决策树支持向量机DT-KSVM对所述可疑用户进行检测，识别非法窃电用户，进一步包括：
6.根据权利要求5所述的窃电监测方法，其特征在于，所述样本与分类超平面之间的距离定义为：
7.一种利用权利要求1-6任一项权利要求所述的窃电监测方法的窃电监测系统，包括用电特征数据获取模块、样本数据生成模块和窃电用户识别模块，其特征在于：
8.根据权利要求7所述的基于相似性度量和决策树支持
9.根据权利要求8所述的基于相似性度量和决策树支持向量机的窃电监测系统，其特征在于，所述样本数据生成模块，进一步用于：
10.根据权利要求9所述的基于相似性度量和决策树支持向量机的窃电监测系统，其特征在于，所述生成对抗网络包括生成器G和鉴别器D，其中生成器G的损失函数定义为目标函数为鉴别器D的损失函数定义为目标函数为
11.根据权利要求10所述的基于相似性度量和决策树支持向量机的窃电监测系统，其特征在于，所述窃电用户识别模块，进一步用于：
12.根据权利要求11所述的基于相似性度量和决策树支持向量机的窃电监测系统，其特征在于，所述样本与分类超平面之间的距离定义为：
13.一种终端，包括处理器及存储介质；其特征在于：
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-6任一项所述的窃电监测方法的步骤。
...【技术特征摘要】
1.一种窃电监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的窃电监测方法，其特征在于，采集用户电力使用数据并进行预处理，进一步包括：
3.根据权利要求2所述的窃电监测方法，其特征在于，利用一维生成对抗网络1d-wgan生成样本数据，进一步包括：
4.根据权利要求3所述的窃电监测方法，其特征在于，所述生成对抗网络包括生成器g和鉴别器d，其中生成器g的损失函数定义为目标函数为鉴别器d的损失函数定义为目标函数为
5.根据权利要求4所述的窃电监测方法，其特征在于，所述根据相似性度量算法从所述待分析数据中确定可疑用户，并利用决策树支持向量机dt-ksvm对所述可疑用户进行检测，识别非法窃电用户，进一步包括：
6.根据权利要求5所述的窃电监测方法，其特征在于，所述样本与分类超平面之间的距离定义为：
7.一种利用权利要求1-6任一项权利要求所述的窃电监测方法的窃电监测系统，包括用电特征数据获取模块、样本数据生成模块和窃电用户识别模块，其特征在于：
8.根...
【专利技术属性】
技术研发人员：孙赫阳，张彬，孙峰，李广野，吴林桥，荆澜涛，宋进良，刘扬，张佳鑫，阎宇航，邱兵兵，佟帅辰，姜力行，李菁菁，李欢，刘齐，佟浩松，孙茜，肖楠，朱紫煜，包美玲，罗永楠，梁宏杰，张锦华，吴依明，王亮，
申请(专利权)人：国网辽宁省电力有限公司电力科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。