[发明专利]一种电表和水表档案贯通的用能异常识别方法

说明书

本发明公开了一种电表和水表档案贯通的用能异常识别方法，通过电表和水表档案贯通进行进行用户编号关联，结合聚类算法提取特征并最终进行用户用电、用水异常行为判断；不仅实现了快速定位异常用电、异常用水嫌疑用户，而且提高了定位成功率和精确程度，减少不必要的稽查，对于有窃电想法的用户具有威慑力，减少窃电偷电行为的发生；解决了传统窃电、窃水检查方法耗费人力大，时效性差，判断不精准的问题，从而实现了高效反窃电、反窃水。

技术领域

本发明涉及数据检测技术领域，具体来说，涉及一种电表和水表档案贯通的用能异常识别方法。

背景技术

2015年7月6日，国家发改委、能源局发布《关于促进智能电网发展的指导意见》，提出完善煤、电、油、气领域信息资源共享机制，支持水、气、电集采集抄，建设跨行业能源运行动态数据集成平台。国网公司积极响应国家号召，大力推进多表合一建设，技术上依托电力用户用电信息采集技术，已实现“电、水、气、热”表数据“一体化”采集。根据国网公司营销计量[2015]16号文工作要求，按照示范先行，先易后难的方针，湖北省多表合一建设优先实施电、水表一体化采集。由于电表档案、水表档案分别在电力公司、水务公司，如何实现电表、水表档案匹配贯通，是充分发挥多表合一的跨行业能源运行动态数据价值的基础。

随着社会经济的发展与人民生活水平的提升，窃电和窃水行为时有发生。窃电和窃水行为不仅会使电力部门和水务部门蒙受巨大经济损失，而且会危及正常的社会经济秩序，同时其破坏电力和水力设施的行为，极易造成人员伤亡事故和电气火灾。虽然各供电公司积极探索反窃电技术与手段已久，但现有的窃电稽查方法大多基于用电检查人员的定期实施与现场检查，如文献[1](唐国良，陈建良.窃电的查处及防范[J].大众用电，2011，(10)：8-9)中方法缺少有效的信息支撑，不仅时效性较差，准确率低，而且工作量巨大效率不高。

寻找有效的异常用电检测手段是近年来热门的研究领域。文献[2](王颖琛，顾洁，金之俭.基于高维随机矩阵分析的窃电识别方法[J].现代电力，2017，34(6)：71-78)以电网运行采集参数为元素构建高维随机矩阵，通过对矩阵的统计特性进行刻画，提出基于大数据分析的窃电识别方法，以33节点电网运行模型为例，根据仿真采集到的电网随时间变化的电压电流等运行参数实现对窃电发生判别、窃电发生时间确定、窃电地点定位、窃电类型的判别。文献[3](熊秋.居民用电异常识别系统的研究实现[D].北京邮电大学，2018)提出了一种基于居民用户多维复合特征的异常用电识别模型，通过支持向量机、局部异常因子、基于相似用户用电负荷的相关性度量和基于最相关用户的相关性变化率度量四个模块提取四维复合特征，分别从全局异常、局部异常、地域空间、时间序列四个角度描述用户的用电异常行为。文献[4](史玉良，荣以平，朱伟义，等.基于逻辑回归概率分析优化模型的反窃电分析预警方法[P]，2017)公开了一种基于逻辑回归概率分析优化模型的反窃电分析预警方法。该发明基于用电信息采集系统和SG186营销业务应用系统积累的大量客户用电信息，结合大量典型窃电案例，综合考虑各种窃电因素，抽象识别窃电行为的普遍因素，将逻辑回归算法和层次聚类分析算法相结合建立反窃电分析与处理方法。文献[5](王树明，胡艳杰，郭冰杰，等.一种窃电识别方法及装置[P]，2017)提供了一种窃电识别方法和装置，该方法包括：获取待识别用户的用电数据；根据所述待识别用户的用电数据计算预设的异常用电指标；若该待识别用户为异常用户，则依据该待识别用户的异常用电指标生成待识别用户的用电特征向量；分别计算该待识别用户的用电特征向量和预设的每种窃电手法的窃电指纹向量的相似度的值；若计算得到的任何一个相似度的值超过预设的阈值，则表示所述待识别用户为窃电嫌疑用户。文献[6](王昕，李川，曹敏，等.一种基于用户行为分析的防窃电方法[P]，2017)提出了一种基于用户行为分析的防窃电方法，首先以包括峰值有功功率、平值有功功率、谷值有功功率、总无功功率、总有功功率和功率因数等窃电参数作为输入向量，以窃电系数作为输出向量构建人工神经网络；然后将生成的训练样本进行归一化处理后输入人工神经网络，对人工神经网络进行训练；再将采集到的窃电参数值输入训练后的人工神经网络，输出窃电系数值；最后根据窃电系数值的大小，判断用户是否有窃电嫌疑。