[发明专利]一种数据驱动的防窃电实时诊断方法

说明书

技术领域

本发明涉及电网领域的一种数据驱动的防窃电实时诊断方法。

背景技术

随着我国用电量的大幅增加，窃电的手段也发生了大的变化。一方面，窃电越来越隐蔽，另一方面，近年来采用高科技智能型等窃电手段也不断出现，这些窃电方式很难发现。传统的方法主要通过定期巡检、定期校验电表、用户举报窃电等手段来发现窃电或计量装置故障。面对这些新型的窃电手段，传统的防窃电方式面临着较大挑战。

我国是用电大国，电能资源对我国来说非常宝贵。因此，电网系统的建设是至关重要的。改革开放以来，科技不断发展，电网系统也不断地升级。现在的电网系统都安装了自动化远程监控功能，通过监控功能，检查到简单的可疑用电行为，再派遣相关人员到现场详细调查。该系统可以采集各类用电指标，如负荷数据，异常数据、主站报警、线损信息等，这些信息这些年得到大量的积累。

电网系统的自动化远程监控功能虽然可以获取到用电异常的信息，但是，电网目前所采用的终端误报率太高，无用的信息也很多，很难快速精准地锁定窃电用户，这往往令电力公司的检测人员无从下手，实施起来难度较大，反窃电效果不是很理想。

发明内容

本发明的目的是为了克服现有技术的不足，提供一种数据驱动的防窃电实时诊断方法，其不仅可以有效降低窃电诊断的误报率和漏报率，提高诊断的准确率，而且增加了自适应性和稳定性。

实现上述目的的一种技术方案是：一种数据驱动的防窃电实时诊断方法，包括下列步骤：

原始数据读取步骤：从用户数据库中读取用户的日用电量、日用电量的移动平均、日用电量的移动平均差分、线损以及线损的移动平均的实时数据，作为实时诊断数据；从用户数据库中读取用户的日用电量、日用电量的移动平均、日用电量的移动平均差分、线损以及线损的移动平均的历史数据，作为建模历史数据；

智能诊断模型构建步骤：依据建模历史数据建立专家数据库，作为专家样本数据，并根据专家样本数据构建智能诊断模型；

窃电诊断步骤：将实时诊断数据导入智能诊断模型，运行智能诊断模型，进行窃电诊断。

进一步的，所述原始数据读取步骤中还导入的天气类指标的实时数据和历史数据、报警类指标的实时数据和历史数据，以及特定类指标的实时数据和历史数据，对应作为实施诊断数据和建模历史数据。

进一步的，原始数据读取步骤后，构建智能诊断模型步骤前，还有原始数据预处理步骤，对建模历史数据和实施诊断数据中缺失值和异常值进行预处理。

再进一步的，原始数据预处理步骤中，采用最小二乘法回归模型对缺失值进行填充。

再进一步的，原始数据预处理步骤中，进行异常值审查，建模历史数据和实时诊断数据中时间属性的时间是否合理；审查建模历史数据和实时诊断数据中的峰电量和谷电量之和，与日用电量之间的偏差是否超出阈值。

再进一步的，原始数据预处理步骤中将异常值分为Normal类型，Change类型、Complex类型和离群点异常。

进一步的，智能诊断模型构建步骤中，采用神经网络构建智能诊断模型。

再进一步的，智能诊断模型构建步骤中，对构建完成的智能诊断模型进行训练、参数优化和评价。

再进一步的，窃电诊断步骤中，将实时诊断数据导入智能诊断模型，运行智能诊断模型，进行窃电诊断，若进行窃电诊断的结果有误，则对智能诊断模型进行重构，生成新的智能诊断模型，并运行新的智能诊断模型，直到结果正确为止。

进一步的，智能诊断模型构建步骤中，采用专家样本数据是可更新。

采用了本发明的一种数据驱动的防窃电实时诊断方法的技术方案，包括下列步骤：原始数据读取步骤：从用户数据库中读取用户的日用电量、日用电量的移动平均、日用电量的移动平均差分、线损以及线损的移动平均的实时数据，作为实时诊断数据；从用户数据库中读取用户的日用电量、日用电量的移动平均、日用电量的移动平均差分、线损以及线损的移动平均的历史数据，作为建模历史数据；智能诊断模型构建步骤：依据建模历史数据建立专家数据库，作为专家样本数据，并根据专家样本数据构建智能诊断模型；窃电诊断步骤：将实时诊断数据导入智能诊断模型，运行智能诊断模型，进行窃电诊断。其技术效果是：不仅可以有效降低窃电诊断的误报率和漏报率，提高诊断的准确率，而且增加了自适应性和稳定性，提高了窃电诊断的准确性和鲁棒性，也为电力公司减少了检查窃电行为的额外成本，从而为未来智能化的防窃电工作及用电的精细化工作打下了坚实基础。

附图说明

图1为本发明的一种数据驱动的防窃电实时诊断方法的流程示意图。