[发明专利]一种关联矩阵下用电异常点智能识别的窃电分析方法

权利要求书

1.一种关联矩阵下用电异常点智能识别的窃电分析方法,其特征在于，包括：

基于用户用电大数据提取窃电特征量，通过层次分析法对所述窃电特征量进行分析，获得窃电影响因素的权重值，根据所述权重值和窃电置信程度公式计算用户的疑似窃电值，基于所述疑似窃电值判断是否为窃电用户。

2.根据权利要求1所述的关联矩阵下用电异常点智能识别的窃电分析方法，其特征在于，

所述窃电特征量包括Q值特征量和第一特征量；

所述Q值特征量为拐点用户电量与拐点单元损耗电量的比值Q；

所述第一特征量包括马鞍形特征曲线、用户所在台区线损、半年无购电记录、历史窃电行为、电能表开盖事件、电能表磁场干扰事件。

3.根据权利要求1所述的关联矩阵下用电异常点智能识别的窃电分析方法，其特征在于，

基于用户用电大数据提取所述窃电特征量的过程中，还包括基于不同场景，调整选定关联因素与剔除因素；

所述剔除因素包括电能表更换、采集掉线或数据异常。

4.根据权利要求2所述的关联矩阵下用电异常点智能识别的窃电分析方法，其特征在于，

通过层次分析法对所述窃电特征量进行分析的过程包括，通过层次分析法对所述Q值特征量和所述第一特征量之间的相互关系进行比较分析，获得比较矩阵；基于所述比较矩阵中窃电特征关联因素的评判结果，获得判断矩阵；根据所述判断矩阵，获得窃电影响因素的权重值。

5.根据权利要求4所述的关联矩阵下用电异常点智能识别的窃电分析方法，其特征在于，

所述比较矩阵表示为A＝(a_ij)_n×n (1)，其中a_ij表示的是第i个关联因素与第j个关联因素相比较的重要程度。

6.根据权利要求5所述的关联矩阵下用电异常点智能识别的窃电分析方法，其特征在于，

所述判断矩阵基于所述比较矩阵与重要程度排序指数a_ij获得，公式表示为

B＝(b_ij)_n×n (4)

其中：r_i表示的是因素重要程度排序指数，b_ij代表的是判断矩阵B中的相应元素，I,j＝1,2,,n，n为矩阵的阶数；

所述判断矩阵中相应元素b_ij的取值包括大于1、1、小于1；取值大于1时，代表特征量i比特征量j重要；取值等于1时，表示两个特征量重要程度相等；取值小于1时，表示特征量j比特征量i更重要。

7.根据权利要求4所述的关联矩阵下用电异常点智能识别的窃电分析方法，其特征在于，

根据所述判断矩阵，获得窃电影响因素的权重值之后，还包括对所述权重值进行归一化处理，获得关联因此最终的权重值，公式表示为，

其中，w_i为第i关联因素最终的权重值。

8.根据权利要求1所述的关联矩阵下用电异常点智能识别的窃电分析方法，其特征在于，

所述窃电置信程度公式表示为：

其中，当窃电关联因素实际发生时，w_i的取值为计算得出的权重值，若未发生则取值为零；当窃电剔除因素实际发生时，R_k的取值为计算得出的权重值，若未发生则取值为零，n为关联因素总数；m为剔除因素的总数；G的取值范围为[-1，1]。