[发明专利]用户用电窃电行为模式的分析方法

摘要

本发明涉及一种用户用电窃电行为模式的分析方法，包括步骤(1)用户用电数据采集及电表异常事件数据采集；(2)抽取历史用电数据及电能表异常事件数据处理(3)历史用电及电能表异常事件数据清洗处理；(4)构建窃电行为分析模型；(5)窃电模型参数的修正处理；(6)窃电风险评估。本发明采用大数据平台框架下进行，海量数据并行计算，解决了运行计算效率低下的问题，满足落了用电部门日分析、日处理、日监测的要求，可以让业务人员自主选择高风险的窃电用户，进行处理，从而提高工作效率。

主权项

一种用户用电窃电行为模式的分析方法，其特征在于包括步骤如下：(1)用户用电数据采集及电表异常事件数据采集：在用电信息采集系统的主站采集用户的用电数据及主动采集电表异常事件数据；具体方法包括：①用电信息采集系统主站负责每天采集用户的电能表数值和购电信息数据，计量电能表的开盖事件，用电信息采集系统实时召测用户电能表零线进向电流和出向电流，用电信息采集系统对存储在终端上的电能表的零点冻结数据实施两种采集策略，一是终端定时上报终端数据；二是用电信息采集系统按计划下发召测任务，采集终端中的电能表数据和电能表异常事件；②用电信息采集系统主站负责接收、解析终端的上行报文，数据库负责对主站采集的数据按不同的数据项类别进行存储；(2)抽取历史用电数据及电能表异常事件数据处理：包括对采集系统的档案数据、日采集数据及计量电能表事件数据，抽取到数据分析系统数据库；具体方法包括：①档案数据抽取：数据分析系统每日定时抽取当前采集系统最新的用户档案数据，包括用户档案、电能表档案、计量点档案，同时对分析系统中的原档案与新档案做分析比较，不一致的档案，打上标志戳；②日采集数据：数据分析系统每日定时抽取当天增量的日采集数据，包括：日冻结示值、用户购电次数、剩余金额及总购电金额；③计量电能表事件数据：数据分析系统每日定时抽取计量电能表的事件数据，包括开盖记录事件及停电事件；(3)历史用电及电能表异常事件数据清洗处理：在数据分析系统中对历史的用电数据及电能表事件数据做清洗处理；具体方法包括：①对日冻结数据做清洗数据，按月计算每块电能表的日最大用电量、日最小用电量、均值及标准差的统计值，比对这些统计值，找出特征值，包括负值，标准差异常值做数据清洗，清洗后的数据重新计算统计值；②对日剩余金额做数据清洗，按月计算每块电能表的日用电金额、日最小用电金额、均值及标准差的统计值，其做法与日冻结数据的清洗方式一致，但是注意用户的购电记录，否则会出现干净的数据被误清洗；③对计量电能表开盖事件做清洗，获取每次开盖的原始时间点；(4)构建窃电行为分析模型：在分析系统中利用历史用电数据及电表异常事件数据特征，构建综合性的窃电分析数据模型；具体方法包括：①设置每块电能表日用电量、日用电金额与窃电相关度的度量指标，根据用户电能表的历史用电信息，采用离群点中基于密度的算法，发现电能表中用电的突出时间点，并利用回归算法验证其时间点后，日用电量、日用电金额在整体上是否具有趋向性或长期零电量；②按台区的维度计算供电能表的日供电量、台区下用户所用的售电量、台区的日实际线损率、计算出的结果与历史的线损率波动比较，分析原低损台区是否呈上升趋势，确认上升的起始时间点；③对上述的度量指标与用户电能表的开盖记录相结合，采用人工网络神经算法，确定各指标的度量的权重，针对强相关的指标，在人工网络神经算法中设置相关因子；(5)窃电模型参数的修正处理；根据历史用电数据及电表异常事件数据训练过的数据集，对窃电分析数据模型做训练，根据训练结果修正模型的参数，具体为：针对构建的窃电分析数据模型，利用清洗过的训练数据集，对数据模型进行训练处理，同时注意建立各算法运行时间指标，对数据模型训练出的结果，做符合度的验证，确定数据模型是否在置信度的范围内，根据结果去修正数据模型的参数及算法；(6)窃电风险评估，根据窃电行为分析模型分析出的数据，对每个用电用户做风险等级评估，具体为：根据数据分析系统中的窃电行为分析的数据模型，对影响窃电因素的度量指标，在整体上评估用电用户的窃电风险等级，采用贝叶斯信念网络算法，根据不同的度量指标、各自的权重，确定用电用户电能表的发生窃电行为的概率。