[发明专利]公变台区用户防窃电的检测跟踪方法

说明书

技术领域

本发明涉及的是一种电力检测领域的技术，具体是一种公变台区用户防窃电嫌疑度的聚类分析方法。

背景技术

为实现“一强三优”现代化公司的发展目标，国家电网公司在系统内广泛深入地开展同业对标工作，用指标评价企业，用业绩考核企业，增强公司可持续发展能力和综合竞争能力，实现一流的管理、技术、效益和服务。SG186营销业务系统应用实施以来，系统也已经积累了丰富的，完整的用户数据，包括业务办理，客户服务以及用电量电费等相关数据，为电力公司开展防窃电监控与分析提供了坚实的数据基础。

现在较为常见的窃电方式主要分以下三个大类：改变计量回路窃电、无表/越表窃电和攻击电能表窃电。

针对以上窃电手法，主要措施有：使用专用的计量装置和设备、使用封印线、采用双向计量或逆止式的电能计量装置以及对连接到计量装置的相关导线进行全面封闭等。

目前主要采用线损分析的方法对变压器进行损耗分析，然后定位高损耗台区公变，定期对其进行大面积的人工排查。采用这种监测方式进行排查，主要可以解决专变这一侧用户的窃电行为，但对于公变下多个用户的窃电只能花大量的时间及人力去解决。所以本发明加入了大数据处理相关思路，通过建立防窃电聚类分析模型进行防窃电检测，及时监控窃电行为发生，为现场用电检查、营销稽查排查重点、顺序等提供依据，为实现防违约用电、反窃电工作的全过程管理提供支撑，提高防违约用电、窃电防范的管理水平，避免给电网企业、国家造成重大经济损失。

发明内容

本发明针对现有技术存在的上述不足，提出一种公变台区用户防窃电检测跟踪方法。

本发明是通过以下技术方案实现的：

本发明包括以下步骤：

步骤1、获得目标用户用电量基础数据；

所述的基础数据是指：用户当日用电量、用户当日标准化用电量、用户近期平均用电量、用户近期用电量标准方差等；

所述的基础数据需经过过滤筛选，具体为：除了需要保证用电量信息来源可靠外，还要选择包含3个月及以上日用电量数据的客户，并且该客户用电量同比连续缺失不超过2周。

步骤2、将符合上述要求的基础用电数据进行DBSCAN数据挖掘算法，形成类簇并发现噪点，具体步骤包括：

2.1)获得目标用户用电量基础数据，基础数据特点应满足有关要求，对于不满足数据要求的用户进行过滤筛选，不参与聚类分析；

2.2)形成类簇并发现噪点。选择合适的聚点属性，采用DBSCAN数据挖掘算法，对聚点分类，找出噪点数据。

2.3)奇异聚点。采用统计学方法，筛选出奇异聚点，并计算奇异聚点的防窃电检测嫌疑度。

步骤3、采用统计学方法，筛选出奇异聚点，并计算奇异聚点的防窃电检测嫌疑度。

①同一个类簇下的聚点用户，各自的日用电量曲线虽然不相同，但其日用电量组成的样本基本满足正态分布规则，即满足x～N(μ,σ²)，其中，x为用户日用电量，μ为簇内用户日用电量的均值，σ²为簇的日用电量标准方差。

②在样本估计中，样本点落在x≤μ-3σ的概率为小概率事件，即：认为窃电用户所占的比例是极小的。

技术效果

与现有技术相比，本发明在防窃电分析内加入了大数据处理相关思路，应用聚类嫌疑分析算法，并结合用户当日的用电量、用户当日标准化后的用电量、用户前n天用电量均值水平、用户前n天用电量标准方差等因素进行聚类分析，形成目标用户的嫌疑度排序清单，为后期人工排查重点、顺序提供依据。

附图说明

图1为本发明流程示意图；

图2为实施例中DBSCAN聚类分析图。

具体实施方式

如图1所示，本实施例的DBSCAN(基于密度连通)聚类分析方法，该算法利用聚点间的密度联通性可以快速发现任意形状的类簇，并且能够发现噪点数据。其基本思想是：对于某个聚类中的每个对象，在给定半径(ε)的领域内数据对象个数必须不小于一个给定值(MinPts)。

本实施例具体包括以下步骤：

步骤1)数据预处理阶段，主要针对目标台区下的用户基础用电量数据进行取样、筛选，形成原始数据分析库；

步骤2)数据挖掘阶段，利用DBSCAN数据聚类分析方法，找出数据噪点，具体步骤包括：

输入：数据集D，参数MinPts、ε，输出：簇集合

1)首先将数据集D中的所有对象标记unvisited；

2)do