CN110738415A - 基于用电采集系统和离群点算法的窃电用户分析方法 - Google Patents

Abstract

本发明涉及一种基于用电采集系统和离群点算法的窃电用户分析方法，属于电力用户数据分析领域，包括以下步骤：步骤1，根据反窃电工作现状选择高窃电嫌疑专变用户行业，在用电采集系统中统计行业用户数并采集该行业所有专变用户电量数据；步骤2，数据预处理，筛选并删除用户电量数据中的空白值和异常值，根据用电信息系统记录删除误计、漏计值，将剩余数据存为原始样本数据；步骤3，在用电采集系统中查询并导出所选行业专变用户变压器登记容量，以容量为基准计算用户用电数据标幺值；步骤4，建立基于离群点算法的计算模型，导入用户数据并计算用户用电数据在设定阈值范围内离群程度，判定用户是否存在窃电行为。

Description

基于用电采集系统和离群点算法的窃电用户分析方法

技术领域

本发明属于电力用户数据分析领域，涉及一种基于用电采集系统和离群点算法的窃电用户分析方法。

背景技术

随着电力建设的飞速发展，电能计量技术也呈现出智能化和集约化的特点。与此同时，窃电现象也越来越严重，窃电手段逐渐专业化，使得供电企业更加难以查实和取证。大量潜在的窃电用户五花八门的窃电手段不仅给供电企业带来了不可估计的经济损失，同时给电力系统的正常运行埋下了巨大的安全隐患。窃电的技术的日新月异给窃电稽查、举证带来了很大的困扰，而用电用户具有数量大、范围广的特点，使得反窃电稽查工作须保证其针对性和有效性。鉴于反窃电工作的复杂性和艰巨性，从原理上对各种窃电手段进行分析以及基于用电采集系统中用户电量数据的算法分析对保障电力系统运行的经济性和安全性有着重要的实际意义。

目前，申请号201710237430.9的专利公开了一种基于逻辑回归概率分析优化模型的反窃电分析预警方法。申请号201710842008.6的专利公开了一种基于大数据分析用电行为判定窃电概率的方法。现有技术方案能够通过模型建立和算法分析对用户电量数据进行分析并判断其窃电概率。

然而，电力用户具有数量大、行业多、负荷特性复杂等特点，决定了用电采集系统中的用户数据选择和算法分析应具有较强的针对性。现有技术存在着针对性不强、潜在误差大的弊端，没有充分考虑用电数据误计、漏计对算法分析的影响以及不同用电行业的不同用电特点和负荷特性对分析准确度的干扰。

发明内容

有鉴于此，本发明的目的在于提供一种一种基于用电采集系统和离群点算法的窃电用户分析方法，通过该方法可以实现行全面、智能、准确的用户窃电分析，提高反窃电工作用户数据分析的科学性、针对性和准确性，有效的鉴别出嫌疑窃电用户。

为达到上述目的，本发明提供如下技术方案：

一种基于用电采集系统和离群点算法的窃电用户分析方法，包括以下步骤：

步骤1，根据反窃电工作现状选择高窃电嫌疑专变用户行业，在用电采集系统中统计行业用户数并采集该行业所有专变用户电量数据；

步骤2，数据预处理，筛选并删除用户电量数据中的空白值和异常值，根据用电信息系统记录删除误计、漏计值，将剩余数据存为原始样本数据；

步骤3，在用电采集系统中查询并导出所选行业专变用户变压器登记容量，以容量为基准计算用户用电数据标幺值；

步骤4，建立基于离群点算法的计算模型，导入用户数据并计算用户用电数据在设定阈值范围内离群程度，判定用户是否存在窃电行为。

进一步，步骤1中，根据供电公司反窃电和线损管理现状，结合用电采集系统对用户进行行业分析，在用电采集系统中筛选大中变压器登记容量的专变用户，去除停电用户及用电量极小用户，选择线损率较高线路下的专变用户，对该类用户进行行业分析；根据相同行业用户具有相似用电特点和负荷特性的原则，在用电采集系统中以行业为组别，统计行业用户数，导出行业用户的电量数据。

进一步，步骤2中，在采集系统中查询系统维护和线路故障时间段，删除样本数据中缺失值；查找用户电量数据中的空白值和异常值，根据用电信息删除误计、漏计值，将剩余数据存为原始样本数据。

进一步，步骤4中所述建立基于离群点算法的计算模型的过程为：

S1：导入用户电量数据集为D，用户数据量为n，设定离群邻域范围内最少数据个数为k；

S2：设定计算对象p的k距离邻域为d_k(p)，计算对象p与电量数据集中参考对象q之间的距离为d(p,q)；

约束条件为：至少存在k个对象q′∈D，使得d(p,q′)≤d(p,q)；至少存在k-1个对象q″∈D，使得d(p,q″)<d(p,q)；

其中，对象间的距离通过欧几里得法度量；i＝(x_i1,x_i2…x_in,),j＝(x_j1,x_j2…x_jn,)为对象描述量，则对象i和j之间的欧几里得距离为

S3：计算p的k距离邻域内到对象q的距离不大于d_k(p)的所有对象，该对象集合记为N_K(P)，即N_K(P)＝{q|d(p,q)≤d_k(p)}；

S4：计算对象p关于对象q的可达距离reachd(p,q)，设定当q距离p较远时(q在p的k距离邻域内)，可达距离即是p与q的实际距离，否则可达距离为q的k距离邻域；

计算可达距离reachd_k(p,q)＝max{d_k(p),d(p,q)}；

S5：计算可达密度RD_k(p)和离群点因子OF_k(p)；

计算可达密度RD_k(p)：

计算离群点因子OF_k(p)：

S6：设定窃电嫌疑阈值，导入所有用电数据，判定各个离群点因子OF_k(p)是否超过阈值范围；若未超过，则该数据点正常；若超过设定阈值，则判定为窃电数据点。

本发明的有益效果在于：本发明有效的避免了现有技术在用电信息提取和算法计算时针对性弱、误差较大、效果较差的弊端，通过预处理排除系统误计、漏计的影响，通过标幺值计算减小负荷量误差，同时根据用户行业用电特点和负荷特性选择用户数据，保证了离群点算法分析的效果，可以实现科学有效并准确的鉴别出嫌疑窃电用户。

本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作优选的详细描述，其中：

图1为本发明所述基于用电采集系统和离群点算法的窃电用户分析方法流程图；

图2为用户数据采集流程图；

图3为本发明所述建立基于离群点算法的计算模型方法流程图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。

其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本发明的限制；为了更好地说明本发明的实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；对本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

本发明实施例的附图中相同或相似的标号对应相同或相似的部件；在本发明的描述中，需要理解的是，若有术语“上”、“下”、“左”、“右”、“前”、“后”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此附图中描述位置关系的用语仅用于示例性说明，不能理解为对本发明的限制，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。

如图1，图2所示，一种基于用电采集系统和离群点算法的窃电用户分析方法，包括以下步骤：

步骤1，根据反窃电工作现状选择高窃电嫌疑专变用户行业，在用电采集系统中统计行业用户数并采集该行业所有专变用户电量数据；

步骤2，数据预处理，筛选并删除用户电量数据中的空白值和异常值，根据用电信息系统记录删除误计、漏计值，将剩余数据存为原始样本数据；

步骤3，在用电采集系统中查询并导出所选行业专变用户变压器登记容量，以容量为基准计算用户用电数据标幺值；

步骤4，建立基于离群点算法的计算模型，导入用户数据并计算用户用电数据在设定阈值范围内离群程度，判定用户是否存在窃电行为。

步骤1中，根据供电公司反窃电和线损管理现状，结合用电采集系统对用户进行行业分析，在用电采集系统中筛选大中变压器登记容量的专变用户，去除停电用户及用电量极小用户，选择线损率较高线路下的专变用户，对该类用户进行行业分析；根据相同行业用户具有相似用电特点和负荷特性的原则，在用电采集系统中以行业为组别，统计行业用户数，导出行业用户的电量数据。

步骤2中，在采集系统中查询系统维护和线路故障时间段，删除样本数据中缺失值；查找用户电量数据中的空白值和异常值，根据用电信息删除误计、漏计值，将剩余数据存为原始样本数据。

如图3所示，步骤4中所述建立基于离群点算法的计算模型的过程为：

S1：导入用户电量数据集为D，用户数据量为n，设定离群邻域范围内最少数据个数为k；

S2：设定计算对象p的k距离邻域为d_k(p)，计算对象p与电量数据集中参考对象q之间的距离为d(p,q)；

约束条件为：至少存在k个对象q′∈D，使得d(p,q′)≤d(p,q)；至少存在k-1个对象q″∈D，使得d(p,q″)<d(p,q)；

其中，对象间的距离通过欧几里得法度量；i＝(x_i1,x_i2…x_in,),j＝(x_j1,x_j2…x_jn,)为对象描述量，则对象i和j之间的欧几里得距离为

S3：计算p的k距离邻域内到对象q的距离不大于d_k(p)的所有对象，该对象集合记为N_K(P)，即N_K(P)＝{q|d(p,q)≤d_k(p)}；

S4：计算对象p关于对象q的可达距离reachd(p,q)，设定当q距离p较远时(q在p的k距离邻域内)，可达距离即是p与q的实际距离，否则可达距离为q的k距离邻域；

计算可达距离reachd_k(p,q)＝max{d_k(p),d(p,q)}；

S5：计算可达密度RD_k(p)和离群点因子OF_k(p)；

计算可达密度RD_k(p)：

计算离群点因子OF_k(p)：

S6：设定窃电嫌疑阈值，导入所有用电数据，判定各个离群点因子OF_k(p)是否超过阈值范围；若未超过，则该数据点正常；若超过设定阈值，则判定为窃电数据点。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (4)

1.一种基于用电采集系统和离群点算法的窃电用户分析方法，其特征在于：包括以下步骤：

步骤1，根据反窃电工作现状选择高窃电嫌疑专变用户行业，在用电采集系统中统计行业用户数并采集该行业所有专变用户电量数据；

步骤2，数据预处理，筛选并删除用户电量数据中的空白值和异常值，根据用电信息系统记录删除误计、漏计值，将剩余数据存为原始样本数据；

步骤3，在用电采集系统中查询并导出所选行业专变用户变压器登记容量，以容量为基准计算用户用电数据标幺值；

步骤4，建立基于离群点算法的计算模型，导入用户数据并计算用户用电数据在设定阈值范围内离群程度，判定用户是否存在窃电行为。

2.根据权利要求1所述的基于用电采集系统和离群点算法的窃电用户分析方法，其特征在于：步骤1中，根据供电公司反窃电和线损管理现状，结合用电采集系统对用户进行行业分析，在用电采集系统中筛选大中变压器登记容量的专变用户，去除停电用户及用电量极小用户，选择线损率较高线路下的专变用户，对该类用户进行行业分析；根据相同行业用户具有相似用电特点和负荷特性的原则，在用电采集系统中以行业为组别，统计行业用户数，导出行业用户的电量数据。

3.根据权利要求1所述的基于用电采集系统和离群点算法的窃电用户分析方法，其特征在于：步骤2中，在采集系统中查询系统维护和线路故障时间段，删除样本数据中缺失值；查找用户电量数据中的空白值和异常值，根据用电信息删除误计、漏计值，将剩余数据存为原始样本数据。

4.根据权利要求1所述的基于用电采集系统和离群点算法的窃电用户分析方法，其特征在于：步骤4中所述建立基于离群点算法的计算模型的过程为：

S1：导入用户电量数据集为D，用户数据量为n，设定离群邻域范围内最少数据个数为k；

S2：设定计算对象p的k距离邻域为d_k(p)，计算对象p与电量数据集中参考对象q之间的距离为d(p,q)；

约束条件为：至少存在k个对象q′∈D，使得d(p,q′)≤d(p,q)；至少存在k-1个对象q″∈D，使得d(p,q″)<d(p,q)；

其中，对象间的距离通过欧几里得法度量；i＝(x_i1,x_i2…x_in,),j＝(x_j1,x_j2…x_jn,)为对象描述量，则对象i和j之间的欧几里得距离为

S3：计算p的k距离邻域内到对象q的距离不大于d_k(p)的所有对象，该对象集合记为N_K(P)，即N_K(P)＝{q|d(p,q)≤d_k(p)}；

S4：计算对象p关于对象q的可达距离reachd(p,q)，设定当q距离p较远时，且q在p的k距离邻域内，可达距离即是p与q的实际距离，否则可达距离为q的k距离邻域；

计算可达距离reachd_k(p,q)＝max{d_k(p),d(p,q)}；

S5：计算可达密度RD_k(p)和离群点因子OF_k(p)；

计算可达密度RD_k(p)：

计算离群点因子OF_k(p)：

S6：设定窃电嫌疑阈值，导入所有用电数据，判定各个离群点因子OF_k(p)是否超过阈值范围；若未超过，则该数据点正常；若超过设定阈值，则判定为窃电数据点。

Images