[发明专利]一种基于xgBoost模型和Hadoop架构的窃电识别分析方法及终端

说明书

本发明涉及一种基于xgBoost模型和Hadoop架构的窃电识别分析方法及终端。通过获取待判定用电数据，将待判定用电数据输入至已训练完成的xgBoost模型；已训练完成的xgBoost模型识别待判定用电数据，得到窃电行为判定结果；本发明通过在数据存储部分，采用Hadoop分布式存储的方式对文件进行存储，并利用分布式计算对数据进行批量的清洗、转换，提升数据处理效率；在数据分析模块，通过xgBoost模型对数据进行分析，进而识别窃电行为，由于xgboost扩展和改进了GDBT，算法上xgboost对单棵树的计算进行了并行优化能够充分发挥多核计算，而gbdt没有使用多核优化，所以xgboost的速度更快，从而使得使用xgBoost算法能提高窃电识别的工作效率和精准度。

技术领域

本发明属于电力技术领域，特别涉及一种基于xgBoost模型和Hadoop架构的窃电识别分析方法及终端。

背景技术

窃电行为是盗用国家电力财产的行为，虽然目前电力企业采用用电检查开展防窃电工作，但是在实践中发现，当前窃电手段是传统窃电手段远远无法比拟的，而且窃电手段更加复杂。总结当前比较主流的窃电手段，可以概括为四类：

一、部分窃电者通过改变电流的方式达到窃电的目的。包括电流短接回路、电流开路回流、改变电流接入方法、将电压联片处于断开的状态或者在电压线圈上增加分压电阻等等；

二、改变电表的接线方式和结构。包括采用零火线、断零窃电、在计量器上将计数线路改变导致计量器不能正常计数、在电表上安装磁铁以减小铝盘之间的缝隙来让电表计数变得很慢、改变电流线圈层数、改变电流与电压之间的线路、在电表上安装可遥控的装置来控制电流的速度等等；

三、是改变电表的编程。因为电表不能改变其时间和时段，所以有些人就从另外的角度改变电能表的编程，在电价比较低的时候增大用电量，电价高的时候减少用电量，从而在保证总的用电量不变的情况减少电费的缴纳；

四、绕越计量装置。这种方式主要体现在私自接公线，这种方式被广泛应用，因为其操作简单，并且比较容易消灭窃电证据，主要是在用电检查人员检查用电情况时直接将窃电电线断开就可以了，等到检查人员走就又可以接上，这样检查人员没有办法找到窃电的证据。这种窃电方式极其容易带来安全隐患，一方面是接线的接头都是用胶布封闭的，这样容易受到强大电流使线路短路，就容易出现安全事故。

在现有技术中，对用电异常的发现主要通过定期巡检、现场校验电表、用户举报窃电等手段来发现窃电或计量装置故障，对人的依赖性太强、目标不清晰、无法量化考核。随着用电信息采集系统的大量应用，大量的供电单位营销稽查人员、用电检查人员和计量工作人员利用系统计量异常报警功能和用电数据查询功能开展用户用电情况的在线监控工作，通过采集电量异常、负荷异常、终端报警、主站报警、线损异常等信息，建立数据分析模型，来实时监测用电异常情况和发现计量装置的故障。根据报警事件发生前后客户计量点有关的电流、电压、负荷数据情况等，实现用户用电异常的在线识别，这种方法严重依赖于投入的人力资源数量、业务人员的业务经验、人员工作敬业程度等，不具备可持续性。

传统的用电异常分析方法，虽然能获得用电异常的某些信息，但由于终端误报或漏报过多，无法达到真正快速精确定位异常用电用户的目的，往往令稽查工作人员无所适从，具有很大的主观性，存在明显的缺陷，所以实施效果往往不尽如人意。

电力公司用电异常分析主要依赖于用电检查、终端报警事件、逐户用电分析等手段，人力资源投入大，效果不明显，故而，急需一种方法来提高窃电识别的工作效率和精准度。

发明内容

本发明的目的在于提供一种基于xgBoost模型和Hadoop架构的窃电识别分析方法及终端，以提高窃电识别的工作效率和精准度。

为实现上述目的，本发明的技术方案是：

一种基于xgBoost模型和Hadoop架构的窃电识别分析方法，包括如下步骤：