[发明专利]一种基于聚类分析技术的下水道用电异常识别方法

说明书

一种基于聚类分析技术的下水道用电异常识别方法，通过构建下水道用电指标体系，并以该下水道用电指标体系为基础，构建用户用电数据的密度计算模型，构造了密度计算公式，以密度为依据，将数据分为低密度的异常备选用户与高密度的正常用户，且规定了高密度用户和低密度用户的阈值界限，将高密度的用户作为正常用户，低密度的用户作为异常用电的嫌疑用户，最后根据执行下水道电价用户空间分布差异，利用层次聚类模型分析技术进行聚类分析，识别异常用电用户。本发明能有效地提高下水道用电电价的稽查效率，精准锁定异常客户，确保电价执行准确、及时、到位，从源头上防范电价异常发生，提高电价执行的规范性，减少电网运营损失，提升经济效益。

技术领域

本发明涉及供电、用电系统领域，尤其涉及一种采用聚类分析技术对下水道的用电异状态进行识别的方法。

背景技术

目前，我国的国家电网经过数十年的信息化建设与发展，实现了数据从无到有、从线下到线上、从分散到集中、从单机到共享的转变，在这一过程产生了海量的数据，为数据的分析利用提供了数据基础的有利条件，其推动了数字化转型与业务的深度融合，提高了数据采集、处理和应用的水平，同时对应用新技术提升生产运营效率带来了更高的要求。

现在根据《国家电网有限公司深化营销稽查与质量监督体系建设两年行动计划(2020-2021)》中提出的强化数字稽查建设，提升智能稽查水平的要求，实现营销业务规范管理，实现数字化管控和质量评价，建立营销业务风险数字化内控机制。

而在我国各种用电的类型中，有种特殊情况用电-铁道、地下铁道、航运、电车、电信、下水道、建筑部门及部队等单位所属的非对外营业的动力用电，其中之一的下水道用电的电价相比其他用电类型的大工业电价较低，因此存在有部分大工业用户高价低接下水道用电等违约用电的情况，将对国家电网公司的电费回收与经营效益产生较大影响。

现有技术下的下水道动力电价执行是否准确其主要依靠稽查人员的现场分析+人为排查来完成，其准确率不高、工作效率低，且容易漏判误判用电异常识别，故为了提高稽查人员的工作效率，先迫切需要一种能大数据的下水道动力用电异常用户排查模型设计与研究，以数据为基础，提高稽查精准度，促进电价执行稽查工作向数字化、智能化转变。

发明内容

为了解决现有技术下对难以对下水道动力电价的用电异常识别进行判断，而且存在稽查人员现场分析+人为排查的准确率不高、工作效率低的问题，本发明通过对电价稽查所需多维信息类型与数据需求进行分析，设计完善了下水道用电特征体系，利用层次聚类模型识别下水道动力电价异常用户，本发明提供了一种基于聚类分析技术的下水道用电异常识别方法，其具体方法步骤如下所述：

一种基于聚类分析技术的下水道用电异常识别方法，包括其具体方法步骤如下所述：

1)对异常用电用户进行特征分析，确认异常用电用户的典型特征，如下：

1a)在一个系统中，正常用电用户占据绝大多数，异常用电用户只有较少的一部分；

1b)异常用电用户在空间分布上稀疏；

1c)异常用电用户之间不相邻，且异常用电用户与正常用电用户之间间隔一段距离，分布上表现为相对离群；

上述的异常用电用户典型特征分析，在下水道用电数据中，正常用电的用户与异常用电的用户在同一个数据集中，异常识别的过程其实就是从数据集中分离正常用电用户与异常用电用户的过程，想要达到这个目标，就必须知道，正常用电用户与异常用电用户的差异性。

2)构建下水道用电指标体系，如下：

下水道用电指标体系包括6项用电指标：合同容量比、峰期负载率、平期负载率、谷期负载率、冬季用电占比和夏季用电占比，其具体为：

2a)合同容量比：