【技术实现步骤摘要】
本专利技术涉及电力系统用电管理，具体涉及一种基于用电异常数据的反窃电在线智能监测方法。
技术介绍
1、窃电是一种采用非法手段不计量或少计量用电的违法行为，随着不断增加的社会用电需求，一些不法经营者、个体私营业主为谋取私利，窃取国家电能，扰乱正常的供电秩序，且窃电手段随着科技的不断进步在不断地翻新，严重损害了国家利益和电力经营企业的利益，阻碍了电力工业的发展。
2、因此，需要对电力供电行为中的窃电行为进行反窃电的监测，现有的监测方式中，一是利用人工进行监测，监测的精确度不到位，难免会有漏洞，且效率低；二是在恶劣环境下，电表偶尔会出现通信故障，无法将计量数据上传至ami前端，这可能会使相关用户的日常用电量出现失真，当利用这些失真数据进行反窃电监测时，误报的可能性会相对较高；三是考虑的因素不够全面，比如仅考虑负荷数据，影响反窃电在线监测效果。
技术实现思路
1、本专利技术主要是为了解决现有的反窃电在线监测方式监测精确度不足的问题，提供了一种基于用电异常数据的反窃电在线智能监测方法，利用rtu自身的边缘计算能力，采用回声状态网络esn处理用电数据进行缺失值补充，解决电表通信故障导致的计量数据失真问题；有效提取并降维用电异常特征数据，利用反窃电在线智能监测模型获得窃电嫌疑系数，考虑因素全面，具备较高的反窃电监测精度，避免误报，极大提高反窃电监测效率，省时省力。
2、为了实现上述目的，本专利技术采用以下技术方案。
3、一种基于用电异常数据的反窃电在线智能监测
4、步骤s1：利用电表远程终端单元rtu收集电表的用电数据；
5、步骤s2：采用回声状态网络esn处理用电数据进行缺失值补充；
6、步骤s3：利用k-means均值聚类算法从补充后的用电数据中确定用电异常数据；
7、步骤s4：以电流三相不平衡、电压三相不平衡、线损与负荷为特征指标，从用电异常数据中提取用电异常特征数据；
8、步骤s5：利用主成分分析法pca对用电异常特征数据进行降维处理；
9、步骤s6：基于模糊神经网络构建并训练反窃电在线智能监测模型；
10、步骤s7：将降维后的用电异常特征数据输入训练好的反窃电在线智能监测模型，反窃电在线智能监测模型输出窃电嫌疑系数。
11、本专利技术提供了一种基于用电异常数据的反窃电在线智能监测方法，利用电表远程终端单元rtu通过定时模式或被动模式收集电表测量的用户用电数据；在rtu中，利用rtu的边缘计算能力，采用回声状态网络esn处理用电数据进行缺失值补充，确保后续反窃电监测过程中数据的完整性，解决电表通信故障导致的计量数据失真问题，有效提高反窃电监测准确性，避免误报；利用k-means均值聚类算法从用电数据中确定用电异常数据，用电异常检测准确度高，效率高；提取多个用电异常特征数据，考虑因素全面，具备较高的反窃电监测精度；利用主成分分析法对用电异常特征数据降维，在保留用电信息的同时，极大地减小了后续工作的计算量和存储需求，不仅提高了算法的效率，还简化了数据处理的复杂性；构建反窃电在线智能监测模型，输入用电异常特征数据，获得窃电嫌疑系数，与传统人工监测方式相比，极大提高反窃电监测效率和准确率，省时省力。
12、作为优选，步骤s1中，电表远程终端单元rtu通过定时模式或被动模式从电表中收集用电数据，在定时模式下，电表远程终端单元rtu根据预设的周期时间对电表储存的用电数据进行处理，并将处理后的数据发送至反窃电在线智能监测中心；在被动模式下，电表远程终端单元rtu接收电表测量的用电数据，当数据量达到预定阈值后，对用电数据进行处理，并将处理后的数据发送至反窃电在线智能监测中心。本专利技术将电表的用电数据先储存在rtu中，而不是直接上传至反窃电在线智能监测中心，在rtu上利用rtu的边缘计算能力进行缺失值补充处理后再上传。
13、作为优选，步骤s2中，所述回声状态网络esn包括输入层、储备池和输出层，所述输入层与所述储备池之间的连接权重为win，win随机产生且其值固定不变；所述储备池与所述输出层之间的连接权重为wout，通过训练确定，将含有缺失值的时间段用电数据存储为h2，回声状态网络esn输出层输出对应的补充缺失值后的用电数据y2＝h2wout。
14、echo state network(esn)是一种循环神经网络(rnn)的架构，用于机器学习和时间序列数据分析，由于该架构在时间序列上呈现连续性，因此可以对电表在恶劣情况下的缺失值进行补充处理。该架构的模型复杂度较低，可采用架构简单的esn模型部署在电表rtu端，利用rtu的边缘计算能力实现。
15、作为优选，步骤s3的具体过程，包括以下步骤：
16、步骤s31：确定用电数据聚类数量k，在m个用电数据样本中选取k个用电数据样本xk作为初始聚类中心；
17、步骤s32：按照xk的聚类均值，获得中心对象b，求解各类别和中心对象b的距离，按照最小距离再次分割xk；
18、步骤s33：求解存在变动xk的聚类均值，获取中心对象b，重复步骤s32，以各用电数据聚类不再改变为止，输出用电数据聚类结果，得到用电异常数据。
19、利用k-means均值聚类算法在一定周期内用电数据中，确定用电异常数据，该算法是按照用电数据样本间的相似度，将用电数据样本自动划分成数个聚类，令聚类内部间用电数据样本相似度较大，聚类间用电数据样本间相似度较小。
20、作为优选，步骤s31中，利用有效指数度量方法确定用电数据聚类数量k，用电数据聚类数量k的有效指数v(k)与用电数据聚类数量k的聚类效果呈反比，与最小v(k)相应的k值即为最佳用电数据聚类数量，v(k)计算公式如下：
21、
22、其中，v(k)为用电数据聚类数量k的有效指数；m为用电数据样本数量，i,j∈m；ci和cj分别为用户i和j的用电数据聚类；bi为ci的中心，bj为cj的中心；x为用电数据的聚类结果；为相同用电数据聚类中的内聚性；mini,j|bi-bj|2为各用电数据聚类集间的离散性。
23、聚类数量k与用电数据聚类效果息息相关，为此选择有效指数度量方法确定k。令用电数据聚类中用电数据样本和bi的距离最小，便可令相同用电数据聚类中用电数据相似度最大。用电数据样本和bi的距离确定了相同用电数据聚类中用电数据样本的内聚性。为此，v(k)与用电数据聚类数量k的用电数据聚类效果呈反比，与最小v(k)相应的k值便为最佳用电数据聚类数量。
24、作为优选，步骤s4中，令各类用电异常特征数据集内均包含g个用户，各用户的用电异常特征数据集均包含4项指标，用电异常特征数据集原始矩阵y为：
25、
26、其中，y1表示电流三相不平衡用电异常特征数据集，y2表示电压三相不平衡用电异常特征数据集，y3表示线损用电异常特征数据集，y4表示负荷用电异常特征数据集。...
【技术保护点】
1.一种基于用电异常数据的反窃电在线智能监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于用电异常数据的反窃电在线智能监测方法，其特征在于，步骤S1中，电表远程终端单元RTU通过定时模式或被动模式从电表中收集用电数据，在定时模式下，电表远程终端单元RTU根据预设的周期时间对电表储存的用电数据进行处理，并将处理后的数据发送至反窃电在线智能监测中心；在被动模式下，电表远程终端单元RTU接收电表测量的用电数据，当数据量达到预定阈值后，对用电数据进行处理，并将处理后的数据发送至反窃电在线智能监测中心。
3.根据权利要求1所述的一种基于用电异常数据的反窃电在线智能监测方法，其特征在于，步骤S2中，所述回声状态网络ESN包括输入层、储备池和输出层，所述输入层与所述储备池之间的连接权重为win，win随机产生且其值固定不变；所述储备池与所述输出层之间的连接权重为wout，通过训练确定，将含有缺失值的时间段用电数据存储为H2，回声状态网络ESN输出层输出对应的补充缺失值后的用电数据Y2＝H2wout。
4.根据权利要求1所述的一种基于用电异
5.根据权利要求4所述的一种基于用电异常数据的反窃电在线智能监测方法，其特征在于，步骤S31中，利用有效指数度量方法确定用电数据聚类数量k，用电数据聚类数量k的有效指数V(k)与用电数据聚类数量k的聚类效果呈反比，与最小V(k)相应的k值即为最佳用电数据聚类数量，V(k)计算公式如下：
6.根据权利要求1所述的一种基于用电异常数据的反窃电在线智能监测方法，其特征在于，步骤S4中，令各类用电异常特征数据集内均包含G个用户，各用户的用电异常特征数据集均包含4项指标，用电异常特征数据集原始矩阵Y为：
7.根据权利要求6所述的一种基于用电异常数据的反窃电在线智能监测方法，其特征在于，步骤S5的具体过程，包括以下步骤：
8.根据权利要求1所述的一种基于用电异常数据的反窃电在线智能监测方法，其特征在于，步骤S6的具体过程，包括以下步骤：
9.根据权利要求1-8任一项所述的一种基于用电异常数据的反窃电在线智能监测方法，其特征在于，步骤S7中，所述反窃电在线智能监测模型包括输入层、模糊化层、模糊推理层、去模糊化层和输出层，所述输入层节点数量r＝4，各节点接收并传输降维后的用电异常特征数据yi′至所述模糊化层，用电异常特征数据yi′包含l个模糊集合，所述模糊化层输出用电异常特征数据各模糊度的隶属度函数η(yβ′)，yβ′表示第β组的用电异常特征数据，所述模糊推理层输出各条模糊规则适应度j′为当前节点标号，j′∈l4，所述去模糊化层输出反窃电在线智能监测结果为窃电或非窃电，负责归一化fj′，归一化后的λ为修正系数，i′为当前节点数，所述输出层变更所述去模糊化层每个节点的输出，获取精准值，输出窃电嫌疑系数。
10.根据权利要求9所述的一种基于用电异常数据的反窃电在线智能监测方法，其特征在于，所述输出层通过加权平均法求解窃电嫌疑系数，公式如下：
...【技术特征摘要】
1.一种基于用电异常数据的反窃电在线智能监测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于用电异常数据的反窃电在线智能监测方法，其特征在于，步骤s1中，电表远程终端单元rtu通过定时模式或被动模式从电表中收集用电数据，在定时模式下，电表远程终端单元rtu根据预设的周期时间对电表储存的用电数据进行处理，并将处理后的数据发送至反窃电在线智能监测中心；在被动模式下，电表远程终端单元rtu接收电表测量的用电数据，当数据量达到预定阈值后，对用电数据进行处理，并将处理后的数据发送至反窃电在线智能监测中心。
3.根据权利要求1所述的一种基于用电异常数据的反窃电在线智能监测方法，其特征在于，步骤s2中，所述回声状态网络esn包括输入层、储备池和输出层，所述输入层与所述储备池之间的连接权重为win，win随机产生且其值固定不变；所述储备池与所述输出层之间的连接权重为wout，通过训练确定，将含有缺失值的时间段用电数据存储为h2，回声状态网络esn输出层输出对应的补充缺失值后的用电数据y2＝h2wout。
4.根据权利要求1所述的一种基于用电异常数据的反窃电在线智能监测方法，其特征在于，步骤s3的具体过程，包括以下步骤：
5.根据权利要求4所述的一种基于用电异常数据的反窃电在线智能监测方法，其特征在于，步骤s31中，利用有效指数度量方法确定用电数据聚类数量k，用电数据聚类数量k的有效指数v(k)与用电数据聚类数量k的聚类效果呈反比，与最小v(k)相应的k值即为最佳用电数据聚类数...
【专利技术属性】
技术研发人员：陈超，胡雷剑，龚利武，张炜，钱伟杰，刘维亮，陆翔，万家建，李子涵，于正平，顾一星，
申请(专利权)人：平湖市通用电气安装有限公司，
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。