[发明专利]一种基于层次分析法和孤立森林的窃电辨识方法

权利要求书

1.一种基于层次分析法和孤立森林的窃电辨识方法，其特征在于，包括以下步骤：

(1)、构建窃电判别指标集

构建包括电压不平衡率、电流不平衡率、负荷不平衡率、电量同比、功率因数不平衡率和电量环比的窃电判别指标集；

(2)、利用层次分析法构建用户窃电辨识数据集

(2.1)、构建判别矩阵

基于窃电指标集对于窃电分析的重要性进行排序：电流不平衡率电压不平衡率负荷不平衡率＝功率因数不平衡率电量同比＝电量环比；

然后对于窃电分析的重要性进行两两对比，并利用9位标度法建立判别矩阵；

(2.2)、计算权向量及一致性检验

先计算判别矩阵的最大特征值λ_max和对应的特征向量α，再计算窃电指标的一致性CI；

其中，n为窃电指标个数；

计算判别矩阵的一致性比例：

其中，RI表示平均随机一致性指标；

设置判别阈值CR^*；

当CR＜CR^*时，则判别矩阵满足一致性要求，那么，特征向量α归一化后即为指标的权向量；

(2.3)、构建用户窃电辨识数据集

将步骤(1)构建的用户窃电判别指标集与步骤(2.2)计算的权向量相乘，得到用户窃电辨识数据集；

具体计算公式为：

d'_i,j＝d_i,j*w_j

其中，d'_i,j表示用户窃电辨识数据集D'中的元素，D'的大小为m×n，i＝1,2…,m，m为用户总数，j＝1,2,…,n，n为指标个数；d_i,j表示用户窃电判别指标集D中的元素，D的大小为m×n；w_j表示指标的权向量W中的元素，W的大小为1×n；

(3)、利用孤立森林进行窃电辨识

(3.1)、利用孤立森林计算用户分割路径长度

设置孤立森林的最大深度h＝ceiling(log₂m)，m为用户总数；

随机选择用户窃电辨识数据集特征并利用孤立森林对进行分割，然后计算每个用户被分割出来的路径长度；

(3.2)、快速孤立疑似窃电用户

设置路径长度阈值h^*；

计算每个用户在孤立森林中的平均路径长度h(i)，i＝1,2,…,m，将h(i)＜h^*的用户孤立为疑似窃电用户；

(3.3)、计算疑似窃电用户的异常指数

计算所有疑似窃电用户i的异常指数，

其中，E(h(i))表示疑似窃电用户i在孤立森林中的平均路径长度，c(m)为m个用户在孤立森林中的平均路径长度；

(3.4)、辨识窃电行为

设置异常指数阈值s^*；

对所有异常指数进行升序排序，当疑似窃电用户i的异常指数s＞s^*时，表明该用户存在窃电行为，且s越接近1，该用户窃电的可能性越高；当疑似窃电用户i的异常指数s≤s^*时，表明该用户正常用电。

2.根据权利要求1所述的一种基于层次分析法和孤立森林的窃电辨识方法，其特征在于，所述c(m)的计算公式为：

其中，H()为调和函数。

3.根据权利要求1所述的一种基于层次分析法和孤立森林的窃电辨识方法，其特征在于，所述的判别矩阵为正互反矩阵，且满足条件如下：

其中，a为判别矩阵中的元素，i＝1,2…,m，m为用户总数，j＝1,2,…,n，n为指标个数。