[发明专利]一种基于用电信息采集系统的自适应反窃电监控方法及系统有效

专利信息
申请号: 201711293950.8 申请日: 2017-12-08
公开(公告)号: CN108198408B 公开(公告)日: 2020-06-26
发明(设计)人: 赵俊鹏;冯波;申洪涛;张洋瑞;陶鹏;吴宏波 申请(专利权)人: 囯网河北省电力有限公司电力科学研究院;国家电网公司;国网河北能源技术服务有限公司
主分类号: G08C25/00 分类号: G08C25/00;G08C19/00;G06K9/62
代理公司: 深圳中一专利商标事务所 44237 代理人: 官建红
地址: 050011 河*** 国省代码: 河北;13
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 用电 信息 采集 系统 自适应 反窃电 监控 方法
【权利要求书】:

1.一种基于用电信息采集系统的自适应反窃电监控方法,其特征在于,所述方法应用于服务器,包括:

获取训练样本,所述训练样本包括历史的相关数据,所述相关数据包括电流失流数据、电压断相数据、反向电量异常数据、相序异常数据、三相电流不平衡数据、台区小电量用户数量、线路线损率和行业数据;

对相关数据进行聚类分组,生成所述相关数据对应的权重;所述对相关数据进行聚类分组,生成所述相关数据对应的权重,包括:

根据贝叶斯分类算法对相关数据进行聚类分组;

计算第一聚类分组中各个相关数据的样本数量与总样本数量的比值作为样本数量百分比,并对所述第一聚类分组的各个相关数据的样本数量百分比求和,得到所述第一聚类分组的样本数量百分比之和,所述第一聚类分组为任一聚类分组;

将样本数量百分比之和最大的聚类分组作为特征组;

计算所述特征组中各个相关数据的最大发生概率,并将所述特征组中各个相关数据的最大发生概率作为各个相关数据对应的权重;

获取目标用户的相关数据;

根据所述目标用户的相关数据生成由第一数值和第二数值组成的二值矩阵,所述第一数值用于表征所述目标用户的相关数据有异常,所述第二数值用于表征所述目标用户的相关数据无异常;

将所述权重与所述二值矩阵中对应元素值相乘,得到目标用户的相关数据对应的疑似窃电指数;

将所述目标用户所有的相关数据对应的疑似窃电指数相加,得到所述目标用户的窃电评价值;

所述将所述目标用户所有的相关数据的疑似窃电指数相加,得到所述目标用户的窃电评价值后,还包括:

当所述窃电评价值小于或等于第一阈值时,判定所述目标用户为怀疑用户;

当所述窃电评价值大于第一阈值且小于或等于第二阈值时,判定所述目标用户为异常用户;

当所述窃电评价值大于第二阈值时,判定所述目标用户为疑似窃电用户;

若判定所述目标用户为异常用户,则根据所述异常用户的电压、电流和功率曲线,判断所述异常用户是否为疑似窃电用户。

2.如权利要求1所述的一种基于用电信息采集系统的自适应反窃电监控方法,其特征在于,还包括:

将所述疑似窃电用户的用户编号、台区编号、相关数据、疑似窃电指数及窃电评价值生成疑似窃电用户窃电明细;

将所述疑似窃电用户窃电明细发送给客户端,以使所述客户端显示所述疑似窃电用户窃电明细。

3.如权利要求1所述的一种基于用电信息采集系统的自适应反窃电监控方法,其特征在于,所述获取训练样本之前,还包括:

获取权重更新时间;

当每到达所述权重更新时间时,重新获取训练样本。

4.如权利要求1所述的一种基于用电信息采集系统的自适应反窃电监控方法,其特征在于,所述获取目标用户的相关数据之前,包括:

发送获取指令,所述获取指令包括查询时间和查询区域,所述获取指令用于指示用电信息采集系统根据所述获取指令的查询时间和查询区域,查询相关的目标用户的相关数据。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于囯网河北省电力有限公司电力科学研究院;国家电网公司;国网河北能源技术服务有限公司,未经囯网河北省电力有限公司电力科学研究院;国家电网公司;国网河北能源技术服务有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711293950.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top