本發(fā)明屬于電氣信息技術(shù)領(lǐng)域，尤其涉及一種電力用戶(hù)異常用電行為檢測(cè)與時(shí)間定位方法。

背景技術(shù)：

異常用電行為指用戶(hù)負(fù)荷水平與同類(lèi)用戶(hù)或自身歷史用電特征出現(xiàn)持續(xù)性顯著不同的現(xiàn)象，常見(jiàn)異常行為可分為：電力欺詐(偷電、漏電、竊電)、設(shè)備異?；蛴秒娦再|(zhì)私自變更等。據(jù)國(guó)外專(zhuān)家估計(jì)，用電異常行為中電力欺詐行為占電力用戶(hù)的5％左右，并由此導(dǎo)致電力公司大量的經(jīng)濟(jì)損失。因此，對(duì)電力公司而言，通過(guò)分析用戶(hù)群體用電行為的時(shí)序變化特征，進(jìn)行用戶(hù)異常用電辨識(shí)，可有效提升其用戶(hù)管理水平并降低運(yùn)營(yíng)成本。

實(shí)際工作中，由于難以收集足夠多的異常用電行為數(shù)據(jù)樣本集，無(wú)法支撐有監(jiān)督學(xué)習(xí)實(shí)現(xiàn)異常行為模式辨識(shí)。因此，現(xiàn)有大部分用電異常辨識(shí)研究采用無(wú)監(jiān)督異常檢測(cè)方法，主要有：統(tǒng)計(jì)學(xué)方法，分析用戶(hù)用電水平與客觀(guān)因素的關(guān)聯(lián)關(guān)系，不符合理論上用電規(guī)律的用戶(hù)判為異常用戶(hù)；采用聚類(lèi)算法，對(duì)用戶(hù)的用電數(shù)據(jù)進(jìn)行聚類(lèi)處理，通過(guò)用戶(hù)的離群程度判斷是否存在用電異常。

現(xiàn)有電力用戶(hù)異常行為辨識(shí)研究工作存在以下不足：(1)用電水平受多種客觀(guān)因素影響，若通過(guò)統(tǒng)計(jì)學(xué)方法顯然無(wú)法全面體現(xiàn)客觀(guān)因素對(duì)電力用戶(hù)群體用電行為變化的影響；(2)不同用戶(hù)用電量對(duì)客觀(guān)因素的行為反饋存在差異，因此將電力用戶(hù)所有用電數(shù)據(jù)進(jìn)行異常辨識(shí)無(wú)法體現(xiàn)其動(dòng)態(tài)行為特征，易出現(xiàn)異常行為誤判。

本發(fā)明為克服現(xiàn)有異常檢測(cè)的不足，提出了一種電力用戶(hù)異常用電行為的檢測(cè)與時(shí)間定位方法。該方法首先從采集系統(tǒng)中提取用戶(hù)的用電負(fù)荷數(shù)據(jù)，然后將用戶(hù)用電負(fù)荷數(shù)據(jù)轉(zhuǎn)化成用電趨勢(shì)并分割為a個(gè)演變周期，對(duì)每個(gè)周期內(nèi)的趨勢(shì)數(shù)據(jù)采用聚類(lèi)處理，對(duì)電力用戶(hù)群體進(jìn)行周期演變分析，檢測(cè)用戶(hù)演變周期中的異常累積變化并進(jìn)行異常判定和時(shí)間的定位。所提方法避開(kāi)研究多種客觀(guān)因素對(duì)用戶(hù)用電水平的影響；通過(guò)周期演變分析，能有效降低誤判可能性，提高異常判定的精度。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明是一種電力用戶(hù)異常用電行為檢測(cè)辨識(shí)與時(shí)間定位方法，包含從采集系統(tǒng)中提取用戶(hù)的用電負(fù)荷數(shù)據(jù)，并將用戶(hù)的用電負(fù)荷數(shù)據(jù)轉(zhuǎn)化為用電趨勢(shì)，然后依次進(jìn)行步驟1：對(duì)所述用戶(hù)趨勢(shì)進(jìn)行周期分割；步驟2：計(jì)算電力用戶(hù)對(duì)群體的隸屬度；步驟3：計(jì)算用戶(hù)群體的演變過(guò)渡矩陣；步驟4：計(jì)算電力用戶(hù)演變過(guò)程核心度波動(dòng)值；步驟5：異常用電用戶(hù)辨識(shí)與定位。

步驟1進(jìn)一步包括：

步驟1.1：把電力用戶(hù)vn的n天用電量序列l(wèi)vn＝{l1,l2,l,ln}，以t天用電量為一個(gè)周期，分割為a個(gè)周期，電力用戶(hù)vn第r(r∈[1,a])個(gè)周期的用電量序列為

步驟1.2：計(jì)算電力用戶(hù)vn每個(gè)周期r(1≤r≤a)內(nèi)的用電趨勢(shì)序列；第r個(gè)周期vn的用電趨勢(shì)序列為其中(r-1)t≤t≤rt。

步驟2進(jìn)一步包括：

步驟2.1：每一個(gè)周期r(r∈[1,a])內(nèi)電力用戶(hù)用電趨勢(shì)聚類(lèi)形成kr個(gè)群體，設(shè)第r個(gè)周期中kr個(gè)群體的聚類(lèi)中心分別為vi，i∈[1，kr]；

步驟2.2：計(jì)算每一個(gè)周期r(r∈[1,a])內(nèi)每個(gè)用戶(hù)vn與周期內(nèi)每一個(gè)群體的聚類(lèi)中心vi的用電趨勢(shì)相似度simn,i，simn,i∈[0,1]，其中分別為周期r內(nèi)電力用戶(hù)vn與聚類(lèi)中心用戶(hù)vi的用電趨勢(shì)序列；

步驟2.3：計(jì)算每一個(gè)周期r(r∈[1,a])內(nèi)，電力用戶(hù)vn對(duì)第r(1≤r≤kr)個(gè)群體的隸屬度pnr為：

步驟2.4：計(jì)算每一個(gè)周期r(r∈[1,a])內(nèi)，電力用戶(hù)vn的用電趨勢(shì)對(duì)kr個(gè)群體的隸屬度矩陣p(r)，設(shè)共有m個(gè)用戶(hù)，

步驟3進(jìn)一步包括：第r(r∈[1,a])個(gè)周期內(nèi)群體數(shù)為kr，隸屬度矩陣p(r)，第r+1(r+1∈[1,a])個(gè)周期群體數(shù)為kr+1，隸屬度矩陣p(r+1)，從p(r)至p(r+1)群體過(guò)渡矩陣為s(r)，s(r)為kr×kr+1階矩陣，

當(dāng)kr＝kr+1時(shí)，

當(dāng)kr≠kr+1時(shí)，i：?jiǎn)挝魂?；c∈i；式中：

步驟4進(jìn)一步包括：

步驟4.1：由第步驟2.4求得出第r個(gè)周期內(nèi)電力用戶(hù)vn對(duì)kr個(gè)群體的隸屬度序列，

步驟4.2：計(jì)算用戶(hù)vn在第r周期對(duì)社群j的核心度ηnj(r)：為pn(r)的均值

步驟4.3：計(jì)算電力用戶(hù)vn在第r個(gè)周期至第r+1個(gè)周期對(duì)第j個(gè)群體的核心度變化值，δηnj(r)＝|ηnj(r)(r+1)-ηnj(r)|；

步驟4.4：計(jì)算用戶(hù)vn由周期r演變至周期r+1階段過(guò)程中，其用電趨勢(shì)對(duì)所有群體的核心度變化值

步驟5進(jìn)一步包括：

步驟5.1：vn在第r演變周期可能存在間隔異常計(jì)算：

vn在演變周期r至演變周期r+d(r+d∈(1,a])累積異常演變計(jì)算：

λ：異常累積系數(shù)，λ∈(0,1)，且

步驟5.2：對(duì)的值進(jìn)行降序排列，把前p％比例的用電用戶(hù)判斷為異常用電用戶(hù)；

步驟5.3：對(duì)判定為異常用電的用戶(hù)回溯檢查每一演變周期內(nèi)的間隔異常情況，對(duì)用電用戶(hù)產(chǎn)生異常用電行為進(jìn)行時(shí)間鎖定。

附圖說(shuō)明

圖1是電力用戶(hù)異常用電行為的檢測(cè)與時(shí)間定位方法的流程圖；

圖2是采用matlab計(jì)算處理得出的電力用戶(hù)用電異常演變結(jié)果，圖片截取了部分電力用戶(hù)八個(gè)周期內(nèi)的演變結(jié)果；

圖3是第208號(hào)用戶(hù)用電異常演變結(jié)果。

具體實(shí)施方式

為使得本發(fā)明的內(nèi)容、效果更佳的清楚，結(jié)合圖1對(duì)本發(fā)明的具體實(shí)施方法做進(jìn)一步的闡述。

一種電力用戶(hù)異常用電行為的檢測(cè)與時(shí)間定位方法，步驟如下：

步驟1.用戶(hù)用電趨勢(shì)周期分割

1.1選取某市262個(gè)電力用戶(hù)，385天用電量數(shù)據(jù)，每天一個(gè)數(shù)據(jù)，以5周(t＝35)的用電量數(shù)據(jù)為一個(gè)演變周期，分割為a＝11個(gè)演變周期。每個(gè)電力用戶(hù)vn第r(r∈[1,11])個(gè)周期的用電量序列為

1.2計(jì)算電力用戶(hù)vn每個(gè)周期r(r∈[1,11])內(nèi)的用電趨勢(shì)序列。第r個(gè)周期vn的用電趨勢(shì)序列為其中35(r-1)+1≤t≤35r。

步驟2.計(jì)算電力用戶(hù)對(duì)群體的隸屬度。

2.1每一個(gè)周期r(r∈[1,11])內(nèi)電力用戶(hù)用電趨勢(shì)聚類(lèi)形成kr個(gè)群體。設(shè)第r個(gè)周期中kr個(gè)群體的聚類(lèi)中心分別為vi，i∈[1.kr]。

2.2計(jì)算每一個(gè)周期r(r∈[1,11])內(nèi)每個(gè)用戶(hù)vn與周期內(nèi)每一個(gè)群體的聚類(lèi)中心vi的用電趨勢(shì)相似度simn,i。simn,i∈[0,1]。其中分別為周期r內(nèi)電力用戶(hù)vn與聚類(lèi)中心用戶(hù)vi的用電趨勢(shì)序列。

2.3計(jì)算每一個(gè)周期r(r∈[1,11])內(nèi)，電力用戶(hù)vn對(duì)第r(1≤r≤kr)個(gè)群體的隸屬度pnr為：

2.4計(jì)算每一個(gè)周期r(r∈[1,11])內(nèi)，262個(gè)電力用戶(hù)的用電趨勢(shì)對(duì)kr個(gè)群體的隸屬度矩陣p(r)。

步驟3.計(jì)算用戶(hù)群體的演變過(guò)渡矩陣。

3.1第r(r∈[1,11])個(gè)周期內(nèi)群體數(shù)為kr，隸屬度矩陣p(r)，第r+1(r+1∈[1,11])個(gè)周期群體數(shù)為kr+1，隸屬度矩陣p(r+1)，從p(r)至p(r+1)群體過(guò)渡矩陣為s(r)，s(r)為kr×kr+1階矩陣：

當(dāng)kr＝kr+1時(shí)，

當(dāng)kr≠kr+1時(shí)，i：?jiǎn)挝魂嚕籧∈i。其中：

步驟4.計(jì)算電力用戶(hù)演變過(guò)程核心度波動(dòng)值。

4.1由2.4求得出第r個(gè)周期內(nèi)電力用戶(hù)vn對(duì)kr個(gè)群體的隸屬度序列。

4.2計(jì)算用戶(hù)vn在第周期r對(duì)社群j的核心度ηnj(r)：為pn(r)的均值

4.3計(jì)算電力用戶(hù)vn在第r個(gè)周期至第r+1個(gè)周期對(duì)第j個(gè)群體的核心度變化值，

δηnj(r)＝|ηnj(r)(r+1)-ηnj(r)|

4.4計(jì)算用戶(hù)vn由周期r演變至周期r+1階段過(guò)程中，其用電趨勢(shì)對(duì)所有群體的核心度變化值

步驟5.異常用電用戶(hù)辨識(shí)與定位。

5.1vn在第r(r∈[1,11])演變周期可能存在間隔異常計(jì)算：

vn在演變周期r(r∈[1,11])至r+d(r+d∈(1,11])演變周期累積異常演變計(jì)算：

d取值[1,10]，計(jì)算了電力用戶(hù)從第1演變周期到第11演變周期的異常累積情況。λl為累計(jì)系數(shù)，取值為0.5。

5.2對(duì)的值進(jìn)行降序排列，并把用戶(hù)以前5％的比例輸出并判定為異常用電用戶(hù)。

5.3對(duì)異常用電用戶(hù)的間隔異常和累積異常進(jìn)行分析，鎖定出現(xiàn)異常用電的時(shí)間范圍。計(jì)算選取某直轄市電網(wǎng)262個(gè)電網(wǎng)大客戶(hù)共385天的用電量數(shù)據(jù)，采樣間隔為1天計(jì)算出262個(gè)用戶(hù)中在11個(gè)周期的間隔異常和累積異常，定位出排列靠前的13個(gè)用電用戶(hù)判定為異常用電用戶(hù)，并計(jì)算鎖定了異常行為的時(shí)間范圍。圖2是采用matlab計(jì)算處理得出的電力用戶(hù)異常累積情況，圖片截取了部分電力用戶(hù)八個(gè)周期內(nèi)的演變結(jié)果。圖示顏色越重，則用戶(hù)出現(xiàn)用電異常的可能性越大。圖3示出第208號(hào)用戶(hù)累積至第8、9演變周期被檢測(cè)出存在異常用電行為，每個(gè)周期間隔異常顯示在第8周期出現(xiàn)用電異常。

以上所述，僅為本發(fā)明較佳的具體實(shí)施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉該技術(shù)的人在本發(fā)明所揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求的保護(hù)范圍為準(zhǔn)。