[发明专利]一种针对非技术性损失的智能用电异常检测方法

权利要求书

1.一种针对非技术性损失的智能用电异常检测方法，其特征在于，该检测方法的具体步骤为：

步骤1：对原始负荷数据进行预处理；

步骤2：对样本负荷数据进行特征提取；

步骤3：对样本进行划分，确定初始训练样本和寻优样本；

步骤4：利用遗传算法GA进行离线参数寻优，确定最优极限学习机ELM参数值；

步骤5：采样实时数据，按步骤2的方法提取样本的特征，生成测试样本；

步骤6：基于极限学习机ELM算法，代入最优极限学习机ELM参数值、初始训练样本和测试样本进行在线异常检测；

步骤7：如果检测时刻为72小时的整数倍，统计分类精度CA和异常误检率FDC；如果异常误检率超过设定限值FDC^lim跳转到步骤8，否则，跳转到步骤5；

步骤8：更新用户训练样本，跳转到步骤4。

2.根据权利要求1所述的一种针对非技术性损失的智能用电异常检测方法，其特征在于，所述步骤1具体为：

对原始负荷数据进行删选，删除非整点时刻的原始负荷数据，统一样本负荷数据采样频率；

对于原始负荷数据缺失问题，采用同周期样本负荷数据的平均值进行填充或覆盖，其计算方法为：

xi=xi-W+xi+W2;W=7×24;]]>

其中，x_i表示第i个时刻的样本负荷数据；W为一周的理论采样样本数。

3.根据权利要求2所述的一种针对非技术性损失的智能用电异常检测方法，其特征在于，所述步骤2具体为：

对样本的原始特征集进行预处理，转化为输出特征集；

所述原始特征集由基本数据元素组成，为原始特征集中第m个用户的第i个时刻的样本，每个都是一个包含H个特征值的向量：

xim.0={xh0;h=1~H},H=15;]]>

原始特征集包括采样时间、采样终端号、有功功率、无功功率、A相电流、B相电流、C相电流、A相电压、B相电压、C相电压、15分钟平均有功功率、功率因数、累计有功功率、逻辑地址和户号；

所述输出特征集由基本数据元素组成，为输出特征集中第m个用户的第i个时刻的样本，每个都是一个包含G个特征值的向量：

xim=f(xim.0)={xg;g=1~G};G=16;]]>

输出特征集包括有功功率、无功功率、功率因数、累计有功功率、日最大负荷、日最大负荷利用小时、用电系数、个人离散系数、公共离散系数、离散系数差值、前一小时用电量同期比值、昨天同一小时用电量同期比值、上周同一小时用电量同期比值、峰谷划分、峰谷连续数和电量波动；

所述用电系数的计算公式为：

PKAPim=CAPim-CAPi-1mSECm;]]>

其中，表示第m个用户第i个时刻样本的累计有功功率；表示第m个用户第i-1个时刻样本的累计有功功率；SEC^m表示第m个用户所在供电区域的公用变压器容量；

所述个人离散系数的计算公式为；

DCim=1n-1Σt=i-ni(APtm-APtm‾)/APtm‾APtm‾=avg(APi-nm,···,APim);]]>

其中，表示第m个用户第i个时刻样本的个人离散系数；表示第m个用户第t个时刻样本的有功功率；avg是计算平均值的函数，表示在分析时段内第m个用户的有功功率均值；n为24；

所述公共离散系数的计算方式为计算同一供电区域内所有用户的个人离散系数的均值；

所述日最大负荷的计算公式为：

APim|max=max(APint(t24)·24m,APint(t24)·24+1m,...,APtm,...,APint(t24)·24+23m);]]>

其中，int是取整函数；

所述日最大负荷利用小时t_hour的计算公式为：

thour=CAPint(t24)·24+23m-CAPint(t24)·24mAPim|max;]]>

所述离散系数差值的计算公式为：

ΔDCim=|DCim-PDCim|;]]>

所述用电量同期比值的计算公式为：

PCtm=(APtcm-APtm)/APtcm;]]>

其中，表示第m个用户第t_c个时刻样本的有功功率；t_c表示同期被比较的时段，t_c包括前一小时、昨天同一小时或上周同一小时；

所述峰谷连续数QC为峰、谷时段长短的计数标记，峰谷连续数QC初始值设置为0；当时，峰谷划分的属性值为1，峰谷连续数QC加1；当时，峰谷划分的属性值为零；当峰谷划分的属性值为-1，峰谷连续数QC减1；若改变符号，峰谷连续数QC重新置零；

所述电量波动的计算公式为：

VARtm=|APtm-APtm‾|.]]>