[发明专利]基于大数据分析的反窃电方法

说明书

本发明涉及电力领域，尤其涉及一种基于大数据分析的反窃电方法，包括：采集每条输电线缆下的若干用户在各季度的用电数据，得到各季度对应的典型工作日日负荷曲线和典型周末日负荷曲线；获取每条输电线缆的电力数据，计算输电线缆的线损率；若目标输电线缆的线损率大于第一阈值，则获取目标输电线缆下的所有用户的工作日日负荷曲线、周末日负荷曲线；将所有用户的工作日日负荷曲线分别与对应季度的典型工作日日负荷曲线作对比；将所有用户的周末日负荷曲线分别与对应季度的典型周末日负荷曲线作对比；根据对比结果判断疑似窃电用户。本发明的有益效果：以现有的大数据为基础，不需要在线下进行实地考察，判断效率高、准确度高。

技术领域

本发明涉及电力领域，尤其涉及一种基于大数据分析的反窃电方法。

背景技术

当前，我国的窃电现象在个别地区仍然非常普遍和严重，尤其是个别用电大户都存在各种形式的窃电行为，这给电力系统和国家带来了巨大的经济损失。以某省为例，在一年防窃电行动里辖区内1100个用户中共计抓到40个窃电用户，窃电用户占比达3.6％，挽回损失700万人民币。

当前反窃电实施需要电力营销人员积累丰富的反窃电工作经验，能快速捕捉从各种渠道、以各种形式传来的反窃电信号，目前主要获取窃电信息的途径有：举报法，通过群众举报而发现，举报通常通过电话、书面、口头、网络等方式实现。直观法，通过眼看、口问、耳听、鼻闻、手摸等手段检查用户用电及计量装置运行情况，从而发现窃电的蛛丝马迹，一般采取由外到里的原则。然而，群众举报难以覆盖所有台区用电情况，不确定性大；营业普查花费人力物力巨大，反窃电效率低，且无法常态化进行。以上两种反窃电方法的缺陷导致反窃电后续行动存在盲目性与不确定性，整体流程存在瓶颈，整体工作预期难以控制。

发明内容

为解决上述问题，本发明提出一种基于大数据分析的反窃电方法。

基于大数据分析的反窃电方法，包括以下步骤：

步骤1，采集每条输电线缆下的若干用户在各季度的用电数据，利用Matlab软件通过K-means聚类算法得到各季度对应的典型工作日日负荷曲线和典型周末日负荷曲线；

步骤2，获取每条输电线缆的电力数据，根据电力数据计算输电线缆的线损率；

步骤3，若目标输电线缆的线损率大于第一阈值，则获取目标输电线缆下的所有用户的工作日日负荷曲线、周末日负荷曲线；

步骤4，将所有用户的工作日日负荷曲线分别与对应季度的典型工作日日负荷曲线作对比；将所有用户的周末日负荷曲线分别与对应季度的典型周末日负荷曲线作对比；根据对比结果判断疑似窃电用户。

优选的，所述采集每条输电线缆下的若干用户在各季度的用电数据，利用Matlab软件通过K-means聚类算法得到各季度对应的典型工作日日负荷曲线和典型周末日负荷曲线包括：

步骤1.1，获取N个用户在各季度的工作日日负荷曲线和周末日负荷曲线，并进行归一化处理；

步骤1.2，选取任一季度的归一化处理后的工作日日负荷曲线，随机选取k个初始聚类中心：C₁，C₂，C₃，…，C_k，其中N＞K≥2；

步骤1.3，把每条归一化处理后的工作日日负荷曲线分配到离聚类中心最近的聚类中；

更新聚类的均值，对于每个类中的归一化处理后的工作日日负荷曲线求取平均值；

重复步骤1.2和1.3，直到聚类中心收敛为止，然后进行步骤1.4；

步骤1.4，计算聚类个数a时的有效指数Validity(a)，其中，K≥a≥2