[发明专利]一种基于支持向量机的窃电辨识方法

说明书

本发明公开了一种基于支持向量机的窃电辨识方法，涉及一种窃电辨识方法。当前防窃电技术仅仅依靠用户每月电量变化、台区线损异常确定窃电嫌疑户，存在时效性差、准确率低，现场排查发现窃电行为又效率不高的问题。本发明包括步骤波动率计算、正常负荷数据样本选取、根据正常负荷数据样本建立SVM正常负荷数据分类模型、根据SVM正常负荷数据分类模型进行窃电辨识、分离窃电嫌疑的离群点、确定窃电样本点和设置窃点警报。本技术方案结合计算电量波动率的方法和支持向量机分析方法的一种新型的窃电辨识方法，通过计算电量波动率为支持向量机选取合适的样本数据，可以比较有效地降低因样本问题对检测分析结果产生的不良影响，窃电检测结果更加准确。

技术领域

本发明涉及一种窃电辨识方法，尤其涉及一种基于支持向量机的窃电辨识方法。

背景技术

随着高科技窃电手段层出不穷，窃电问题越来越突出，全国每年因窃电导致的经济损失约几百亿人民币，已经严重危及到了经济秩序的正常运行。当前防窃电技术仅仅依靠用户每月电量变化、台区线损异常确定窃电嫌疑户，存在时效性差、准确率低，现场排查发现窃电行为又效率不高的问题。

发明内容

本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进，提供一种基于支持向量机的窃电辨识方法，以准确、快速辨别窃电目的。为此，本发明采取以下技术方案。

一种基于支持向量机的窃电辨识方法包括以下步骤：

1)获取用电用户的用电数据；

2)数据预处理：采用线性函数的归一化方法，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；将y(k)化为介于0和1之间的数，以消除了样本受量纲和属性的影响；

2)波动率计算；

定义标准差和均值的比值作为电量波动系数，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；

3)正常负荷数据样本选取；

计算变异系数，当一段连续时间的电量波动系数CV满足0CV0.2时，则视为该该段连续时间的用电情况正常，其负荷数据也是正常的，该负荷数据可以作为训练样本进行训练；规定正常用电数据用标签+1表示，异常数据用标签-1表示，训练样本数据全部用标签+1表示；训练数据的时间长度不超过一个月；

4)根据正常负荷数据样本建立SVM正常负荷数据分类模型；

按工作日和节假日的负荷加以区分，对于工作日和节假日的负荷数据建立不同的负荷模型，根据负荷模型将工作日和节假日的负荷数据区分开来，并分别选取工作日和节假日的正常负荷数据进行训练，得到相应正常负荷数据的分类模型；

5)根据SVM正常负荷数据分类模型进行窃电辨识；

将经数据预处理的用电数据输入SVM负荷数据分类模型中，对该数据进行处理，并将结果导入决策函数分析，进行窃电辨识；

6)分离窃电嫌疑的离群点；

601)从波动率值CV0.2的月份中找到最小的样本波动率CVm，并初步确定窃电可能发生的时间段；

602)确定质心以及参数p和D；

603)算法判定及离群点筛选；

计算两两样本之间的欧氏距离，在调节参数p并计算参数D后，找到与其它至少p部分样本距离大于D的所有样本点，确定为离群点；

604)确定窃电样本集合

将高于样本平均水平的离群点去除，排除这些样本点得到的离群点集合为最终确定的窃电样本集合；