[发明专利]一种电表和水表档案贯通的用能异常识别方法

权利要求书

1.一种电表和水表档案贯通的用能异常识别方法，其特征在于，包括以下步骤：

S1、从电力用户用电信息采集系统中获取多表合一小区的客户电表、水表采集明细数据；

S2、对多表合一小区客户电表、水表采集明细数据电表和水表档案进行用户编号关联；

S3、采用k-means聚类算法对用户用电、用水数据进行聚类，得到用户用电、用水基本特征，并从用户用电、用水基本特征选取用户用电、用水异常特征；

S4、针对步骤S3得到用户用电、用水异常特征，关联台区线损率，识别电表和水表档案不对应、用户用能异常行为；包括：

S4-1对多个台区线损率数据进行聚类分析，得到台区合理线损率的参考值；

S4-2当被检测台区实际线损率低于合理线损率参考值时，即将该被检测台区用户用电、用水异常行为判定为电表和水表档案不对应；

当被检测台区实际线损率高于合理线损率参考值时，即将该被检测台区用户用电、用水异常行为判定为用户用能异常行为。

2.根据权利要求1所述的一种电表和水表档案贯通的用能异常识别方法，其特征在于，步骤S3包括，

S3-1从n个用户的用电、用水数据对象[x1，x2，…，xn]中任意选择k(k＜n)个对象作为初始聚类中心[v1，v2，…，vk]；

S3-2计算数据集中每个对象[x1，x2，…，xn]与这k个聚类中心[v1，v2，…，vk]的距离E，并根据最小距离原则将n个数据对象[x1，x2，…，xn]划分至k个簇[C1，C2，…，Ck]；

式中，E为数据对象中所有对象的平方误差的总和，xj为第j个数据对象，vi为第i个簇Ci的聚类中心，即

式中，ni为第i个簇Ci中数据对象xk的数量；

S3-3根据步骤S3-2划分的k个簇[C1，C2，…，Ck]，重新计算每个聚类中心[v1，v2，…，vk]；

S3-4如果聚类中心或k个聚类对象数据集合发生变化，则转至步骤S3-2，否则聚类运算终止。

3.根据权利要求2所述的一种电表和水表档案贯通的用能异常识别方法，其特征在于，步骤S3中用户用电、用水基本特征包括：用电量和用水量为零、用电量或用水量持续微小、用电量正常但用水量为零或持续微小、用电量为零或持续微小但用水量正常、用电量或用水量存在负数、用电量或用水量徒增。

4.根据权利要求3所述的一种电表和水表档案贯通的用能异常识别方法，其特征在于，步骤S3选取的用户用电、用水异常特征为：用电量正常但用水量为零或持续微小和用电量为零或持续微小但用水量正常两类特征。

5.根据权利要求4所述的一种电表和水表档案贯通的用能异常识别方法，其特征在于，步骤S4-2中当被检测台区实际线损率高于合理线损率参考值时，即将该被检测台区用户用电、用水异常行为判定为用户用能异常行为，具体的：

将用电量正常但用水量为零或持续微小的用户，判定为疑似窃水行为；

将用电量为零或持续微小但用水量正常的用户，判定为疑似窃电行为。