[发明专利]一种基于随机森林的窃电行为的发现方法

说明书

技术领域

本发明涉及电力系统技术领域，特别是涉及一种基于随机森林的窃电行为的发现方法。

背景技术

电能作为当今社会生活、发展的重要驱动力，早已发展成为不可缺少的能源，电能的缺乏，会导致居民正常生活无法保障、工业生产无法正常进行。然而，总有一些不法分子，为了谋取一己私利，采用窃取电力的方式来非法使用电力资源，逃避缴纳电能费用。这种行为严重侵害了国家和人民的利益，涉嫌违法犯罪。因此，防窃电工作一直是供电公司的重要工作之一。

传统的防窃电方法包括定期巡检、定期验证电表等粗粒度等方法。然而，传统的防窃电方法在打击窃电行为时存在一定弊端，且要耗费大量的人力物力，因此，采用数据挖掘的方式，采集客户端用电数据，使用智能算法对数据进行特征量采集、分析，以此判断客户端是否发生窃电行为，可以有效避免传统防窃电方法的工作量过大、效率低下的问题。

综上所述，现有技术中对于如何高效准确的防窃电问题，尚缺乏有效的解决方案。

发明内容

为了解决现有技术的不足，本发明提供了一种基于随机森林算法的防窃电方法，本发明通过利用随机森林算法，从系统架构、数据处理等方面介绍随机森林算法对提升防窃电工作工作效率的重要作用。

一种基于随机森林的窃电行为的发现方法，包括以下步骤：

获取电力系统用户数据并从营销系统中抽取需要判定的用户数据并进行筛选，剔除不存在窃电可能的数据；

对筛选后的原始数据进行预处理，包括：将窃电用户数据与正常用户数据进行对比，对二者用电特征的差异进行比对分析，提取出差异明显、特征鲜明的用电特征，之后构建专家样本集，并对特征进行提取操作，所述特征进行提取包括提取方差特征和提取含零百分数特征；

利用随机森林算法对预处理后的数据进行测试并计算得出最终的实验结果具体为：通过随机森林算法，对用户数据进行决策树分类，最终分类结果由训练出的决策树投票决定，以此判定用户是否有窃电行为。

进一步的，所述对数据的筛选包括：从营销系统中抽取的用户数据包含各类用电类型，参考用电类型剔除不存在窃电可能的大用户的信息，同时，对于已经查实窃电或用电终端报警的用户的信息，也应当被剔除。

进一步的，所述提取方差特征具体公式是：

其中：V_i是用户用电量的方差；是第i个用户第k天的用电量；是用户平均用电量；k是用户数据量的大小；

方差主要体现出了数据的波动情况，当某一用户用电数据出现大幅度的波动现象，用电量长期忽高忽低、方差较大，则该用户存在较大的窃电可能性。

进一步的，所述提取含零百分数特征具体公式是：

其中：是含零百分数；X_j是第i个用户有包含j个零数据；X_i是第i个用户总的数据量；

除极特殊情况外，某用户用电量每天都为零，则该用户窃电可能性极高；若某用户除少数日期外，大多数时间用电量均为零，则有较大可能存在窃电行为；若某用户用电量断续为零，则存在一定可能有窃电行为。

进一步的，所述随机森林是一个由一组决策树分类器{h(X,θ_k),k＝1,2,…,K}组成的集成分类器，其中{θ_k}是服从独立同分布的随机向量，k表示随机森林中决策树的个数，在给定自变量X下，每个决策树分类器通过投票来决定最优的分类结果。

进一步的，所述决策树分类器中决策树分类采用CART决策树分类方法，具体内容为：CART算法计算该特征上的每一种可能的划分方式的Gini(t)指标值，对每一个特征，找到该特征上Gini(t)指标值最小的一种作为最佳划分，再比较所有候选特征的最佳划分的Gini(t)指标值，最终拥有最小Gini(t)指标值的一个特征被选作在该节点上的分裂特征，并且根据每一个特征值创建分支，重复上述过程，在每一个非叶子节点上进一步对样本进行划分，直到达到一定的停止准则为止。

进一步的，所述随机森林的生成具体算法步骤如下：

假设要构建的森林规模大小为k，在训练样本集中，通过Bagging算法生成k个新的自助样本集；

每个自助样本集用于构建一棵分类树，则共产生k个新的分类树；

设有n个特征，则在每一棵树的每个节点处随机抽取m_try个；