[发明专利]一种判断违约用电与窃电的多维度智能分析经验算法和分类算法

说明书

本发明公开了一种判断违约用电与窃电的多维度智能分析经验算法和分类算法，步骤1：建立基于多源数据融合的用户标签库；步骤2：建立机器学习构建违约用电与窃电分析模型；步骤3：通过查处结果与经验学习不断地训练、完善和提高。通过各类模型训练、验证和完善，优化模型的计算效率，提升模型分析的准确性、及时性和可靠性。实现违约用电、窃电的处理流程与经验算法、分类算法相互验证、自我提升。若异常未消除，系统自动重新纳入训练，更新分析模型，实现自学习和自优化的功能。本发明使判断、定位违约用电与窃电变得十分方便简单。本发明可广泛用于违约用电与窃电的判断与准确定位。

技术领域

本发明涉及违约用电、窃电的判断和定位技术，属智能用电技术领域，具体涉及一种判断违约用电与窃电的多维度智能分析经验算法和分类算法。

背景技术

目前，少数电力用户受经济利益驱使，窃电现象屡有发生。随着科学技术的快速发展，通过高科技手段进行窃电和违约用电的行为越来越多。这些技术手段不但隐蔽性强、而且查处困难。现在窃电和违约用电的用户已经从专变用户向一般工商业和低压居民蔓延，窃电方式包括倒表器窃电、使用移相方式窃电、使用有线或无线遥控方式窃电、利用强磁场、高压放电窃电以及安装“节电器”窃电等，呈现手段专业化、宣传网络化、行为隐蔽化等新态势。违约用电与窃电行为直接导致大量电费收入损失，破坏了良好的用电秩序与社会公平，对国家的经济造成了巨大的损失，同时也对电网安全生产和公众的生命财产安全造成了巨大的威胁。

现阶段查处违约用电、反窃电的主要措施方法：一是安排人员进行现场巡视排查，通过仪表应景设备进行反窃电的技术手段；二是结合反窃电与线损考核相结合进行技术分析的方法。由于目前窃电手段的智能化、多样化和隐蔽性，比如采用强磁场、射频辐射、强电场干扰、攻击电能表等高技术窃电手段，通常不留痕迹，难以发现和查处；传统反窃电侦查方法普遍耗时耗力，有时需要依据专业人员人工分析数据进行判断，尤其是对于一些临时性、不规律的窃电，搜集证据十分困难。

现在部分单位也开发应用了一些反窃电系统，但由于接入数据源少，分析能力受用电信息采集系统传统架构的限制，在应用过程存在如下问题：一是预警模型分析模型单一。更多依赖计量在线监测发现的开盖、倒走、停走、失压、失流等单一异常，或者增加指标打分加权的方法，无法从历史的角度对用户异常用电进行量化评估，难以准确描述窃电行为特征；二是模型构建立过于依赖历史工作经验。预警指标的配置完全依赖历史查询的窃电经验，不能与时俱进，设计的参数缺乏科学合理信息，数据分析支撑，不具备自学习功能；三是计算能力制约模型分析准确率。构建分析模型时，抽样研究与生产环境运行是完全不同的概念，由于算法或者分析技术侧重用大量历史负荷、电量等数据进行加工，用于对未来进行分析和判断异常，所以在平台无法满足对几千万用户进行分析与判断异常时，造成研判角度单一，缺乏整体性、关联性，甚至会造成异常误报或错报，严重影响了异常处理业务的开展和功能的实用性，无法适应针对性重点排查要求。

发明内容

本发明的目的是提供一种判断违约用电与窃电的多维度智能分析经验算法和分类算法，建立经验算法和分类算法，构建违约用电与窃电分析模型。通过各类模型训练、验证和完善，优化模型的计算效率，提升模型分析的准确性、及时性和可靠性。实现违约用电、窃电的处理流程与经验算法、分类算法相互验证、自我提升。若异常未消除，系统自动重新纳入训练，更新分析模型，实现自学习和自优化的功能。

为实现上述目的，本发明提供如下技术方案：一种判断违约用电与窃电的多维度智能分析经验算法和分类算法，包括如下步骤：

1.建立基于多源数据融合的用户标签库