[发明专利]一种多算法融合的窃电疑似度分析方法

权利要求书

1.一种多算法融合的窃电疑似度分析方法，其特征在于包括以下步骤：

1)获取用户用电数据，并对数据进行预处理；

2)计算样本波动率CV；

3)判断样本波动率CV是否小于0.6，若是，则进入步骤4)，若否则进入步骤6)

4)离群点算法进行窃电判别；

5)根据离群点算法得到的窃电判别结果计算窃电疑似度；

6)聚类算法进行窃电判别；

7)根据聚类算法得到的窃电判别结果计算窃电疑似度；

8)判断两种算法是否同时执行，若否则单独执行，若是，则进入步骤9)；

9)两种算法结果综合计估；

10)报警并归档处理。

2.根据权利要求1所述的一种多算法融合的窃电疑似度分析方法，其特征在于：在步骤1)中，采用用电信息采集的用电数据作为该发明方法进行防窃电辨识报警的数据来源；对象是用户日用电量，每一天的日用电量是根据用户抄表系统采集的该天表计总正向有功减去前一天的表计总正向有功而得到。

3.根据权利要求2所述的一种多算法融合的窃电疑似度分析方法，其特征在于：数据进行预处理采用线性函数法，即其中，x(k)代表任意一个样本值，min(x(n))代表样本极小值，max(x(n))代表样本极大值，这种归一化处理方法一般是将y(k)化为介于0和1之间的数，它消除了样本受量纲和属性的影响，可以将数量级大的数据转化成可以相互进行数学运算的具有可比性的数据，降低数据处理的复杂度。

4.根据权利要求3所述的一种多算法融合的窃电疑似度分析方法，其特征在于：在步骤2)计算样本波动率CV时，定义标准差和均值的比值作为样本波动率CV，即式中，d_i为用户单日电量，为日电量平均值，N为累计天数,σ为标准差，μ为均值；由公式可知，CV是单位均值上的离散程度，CV越大，反映样本偏离度越大，即电量波动程度越大；其数据大小不仅受变量值离散程度的影响，而且还受变量值平均水平大小的影响；样本均值本身也反映了样本所代表的整体水平，因此用标准差和均值共同定义的指标CV可以准确地描述用电量数据的波动情况。

5.根据权利要求4所述的一种多算法融合的窃电疑似度分析方法，其特征在于：对于聚类算法，在计算样本的波动率以后，当样本波动率在0.6以上时，选择聚类算法将样本分成3类，考虑到样本分正常和异常两种，在聚类以后，根据聚类中心将样本从高到低分为标签1类、2类、3类；若标签2类的聚类中心更靠近标签1类，则只取标签3类样本作为窃电嫌疑类；若标签2类的聚类中心更靠近标签3类，则取标签2类和3类作为窃电嫌疑类进行报警处理；

对于离群点算法，当样本波动率在0.6以下时择离群点算法直接筛选出异常点，设置对应的离群点参数p,在得到窃电异常数据后，设置报警条件进行报警。

6.根据权利要求5所述的一种多算法融合的窃电疑似度分析方法，其特征在于：在步骤5)进行离群点算法判别及疑似度计算时，离群点是样本数据中存在的异常数据，是实际可能出现用电异常的数据，找到这些数据对应的时间，设置当连续n天出现异常时，第n天开始窃电报警；

根据设置窃电报警条件后的算法结果，根据离群点算法参数p以及窃电报警天数设置f，计算离群点算法窃电疑似度为Q1＝p×f1，其中，参数p代表了离群点的可信度，f代表了窃电可能性随着报警天数的增加而增大，用两者的乘积可以在一定程度表示根据算法得到的用户窃电嫌疑程度。

7.根据权利要求6所述的一种多算法融合的窃电疑似度分析方法，其特征在于：在步骤7)进行聚类算法判别及疑似度计算时，根据聚类算法得到的报警时间设置参数f2，计算窃电嫌疑类占样本总体的比例系数j，最终计算窃电疑似度Q2＝j×f2。