[发明专利]一种基于实时用电信息及大数据分析的窃电判别方法

说明书

本发明提供一种基于实时用电信息及大数据分析的窃电判别方法，属于电力系统技术领域，具体包括：基于用户的实时用电数据、天气温度、输电线路材料的电阻率，基于LA‑GSA‑GRU算法的线损预测模型获取用户的线损阈值；当用户的线损率大于用户的线损阈值时将其认定为潜在异常客户，并将线损率与线损阈值的比值作为线损比值；当近一月内用户被认定为潜在线损用户的次数大于第一阈值时，基于用户被认定为潜在异常线损用户的次数、所有被认定为潜在异常线损用户时的线损比值的平均值、被认定为潜在异常线损用户时的线损比值的最大值确定潜在线损用户的线损异常度，并基于线损异常度实现对窃电行为的判别，从而进一步提升了窃电判别的效率和精确性。

技术领域

本发明属于电力系统技术领域，尤其涉及一种基于实时用电信息及大数据分析的窃电判别方法。

背景技术

为了采用大数据实现对窃电的准确识别，在发明专利公告号CN111521868B《一种基于计量大数据筛查窃电用户的方法及装置》中通过获取计量大数据，其中，计量大数据包括用电量、台区损失电量和线损率；根据计量大数据，确定窃电行为特征；利用预设算法并根据窃电行为特征，计算窃电行为相关参数阈值；利用预设算法并根据目标台区的计量大数据，计算目标台区内用户的窃电行为相关参数；将窃电行为相关参数与窃电行为相关参数阈值进行比较；根据比较结果筛查目标台区内的窃电嫌疑用户，提高了筛查窃电用户的工作效率，但是却存在以下技术问题：

1、忽视了温度、用电量、输电线路材料的电阻率对阈值的影响，线损核心是由于线路的阻抗值产生的，而不同的温度、用电量、输电线路材料的电阻率都会影响线路的阻抗值，因此采用固定的阻抗值的方式，不仅不够准确，而且有可能会导致对窃电用户的错误识别。

2、仅仅采用某一次的识别结果的误差概率较大，由于用电设备更换或者短路等异常情况的出现，会导致对用电用户的的窃电行为的错误识别，因此若不通过一定的时间阈值内的多次的识别，则有可能会导致对窃电用户的错误识别。

针对上述技术问题，本发明提供了一种基于实时用电信息及大数据分析的窃电判别方法。

发明内容

为实现本发明目的，本发明采用如下技术方案：

根据本发明的一个方面，提供了一种基于实时用电信息及大数据分析的窃电判别方法。

一种基于实时用电信息及大数据分析的窃电判别方法，其特征在于，具体包括：

S11基于用户的历史用电数据，确定所述用户的用电数据异常阈值，并基于所述用户的实时用电数据，并判断所述用户的实时用电数据是否大于用电数据异常阈值，若是，则进入步骤S12，若否，则判断所述用户不存在窃电行为；

S12基于所述用户的实时用电数据、天气温度、输电线路材料的电阻率，采用基于LA-GSA-GRU算法的线损预测模型，获取所述用户的线损阈值；

S13判断所述用户的线损率是否大于所述用户的线损阈值，若是，则将所述用户认定为潜在异常客户，并将所述用户的线损率与线损阈值的比值作为线损比值，并进入步骤S14,若否，则判断所述用户不存在窃电行为；

S14当近一月内所述用户被认定为潜在线损用户的次数大于第一阈值时，基于所述用户被认定为潜在异常线损用户的次数、所有被认定为潜在异常线损用户时的线损比值的平均值、被认定为潜在异常线损用户时的线损比值的最大值，采用基于机器学习算法的预测模型，确定所述潜在线损用户的线损异常度，并基于所述潜在线损用户的线损异常度实现对窃电行为的判别。

通过基于用户的实时用电数据、天气温度、输电线路材料的电阻率，获取所述用户的线损阈值，从而使得线损阈值的确定与用户的实时用电数据、天气温度和输电线路材料的电阻率结合起来，避免了原有的采用固定的线损阈值的不准确以及灵活性较差的技术问题，进一步促进了判断的可靠性和准确性。