[发明专利]一种基于大数据分析用电行为判定窃电概率的方法

摘要

本发明公开了一种基于大数据分析用电行为判定窃电概率的方法，涉及用户用电行为分析技术领域。包括数据抽取与整合、异常用电行为分析、建立窃电概率分析模型、窃电概率判定和窃电概率预警过程。本发明通过利用大数据技术一方面能够解决用户电量、负荷、异常用电行为等高密度海量数据的存储要求，另一方面能够解决电量异常、电流失流、电压越线等异常用电行为分析以及窃电概率判定的大数据计算性能要求。

主权项

一种基于大数据分析用电行为判定窃电概率的方法，其特征在于：包括如下过程：SS01数据抽取与整合利用sqoop实现用电信息采集系统、营销业务系统中的用户档案、计量装置、采集电量、采集负荷、终端事件、历史窃电的数据抽取、清洗与转换，整合；SS02异常用电行为分析通过数据加工服务，开展异常用电行为分析，包括电量异常、负荷异常、终端事件异常三大类，其中电量异常包括电能表停走、电量波动异常等；负荷异常包括电压断相、电压越线、电压不平衡、B相异常、电流失流、电流不平衡、功率因素异常、负荷超容等；终端事件异常主要包括异常开盖记录；SS03建立窃电概率分析模型利用大数据的相关性分析、分类算法、权重分析，结合聚类、异类等数据挖掘算法，从用户用电行为数据中计算出窃电概率特征要素及其权重，并通过对训练样本的不断优化改进，形成窃电概率特征模型；即窃电概率＝电能表是否停走*权重+电量波动是否异常*权重+电压是否断相*权重+电压是否越线*权重+电压是否不平衡*权重+B相是否异常*权重+电流是否失流*权重+电流是否不平衡*权重+功率因素是否异常*权重+负荷是否超容*权重+是否异常开盖*权重；SS04窃电概率判定按照每种窃电概率特征要素及其对应权重，将用户每日出现的各项嫌疑要素权重累加，得到用户每日的窃电概率总权重，根据总权重定义窃电概率级别，分为非常高(90％‑100％)、高(70％‑90％)、一般(50％‑70％)、忽略(0‑50％)；SS05窃电概率预警将窃电概率的用户异常用电情况、窃电概率特征和历史窃电数据上传至窃电概率分析系统进行预警。