[发明专利]基于用户用电负荷特征窃电检测方法

权利要求书

1.一种基于用户用电负荷特征窃电检测方法，由模糊C均值聚类算法和时间序列相似度技术处理电力用户的日负荷曲线，其特征在于，该窃电检测方法的步骤如下：

步骤1）对智能电表采集到的数据进行预处理，得到多个用户的日负荷曲线；

步骤2）利用模糊C均值聚类算法对单个用户的电力日负荷曲线进行聚类，得到该用户的日负荷曲线中心，并找出疑为窃电的用户数据；

步骤3）利用时间相似度技术对疑为窃电的用户数据进行时间序列相似度分析，对用户疑为窃电的数据进行再次分析，给出是否窃电的预判；

步骤4）循环步骤2）和步骤3），完成所有用户窃电检测，给出是否窃电的预判。

2.根据权利要求1所述基于用户用电负荷特征窃电检测方法，其技术特征在于，所述步骤1）对智能电表采集到的数据进行预处理，得到多个用户的日负荷曲线，具体为：

（1）将智能电表采集到的电压、电流、功率因数的空缺数据用相邻数据替代；

（2）将对应用户、日期、相序的电压、电流、功率因数相乘，得到该用户的每相日负荷特征曲线。

3.根据权利要求1所述基于用户用电负荷特征窃电检测方法，其技术特征在于，所述步骤2）利用模糊C均值聚类算法对单个用户的电力日负荷曲线进行聚类，得到该用户的日负荷曲线中心，并找出疑为窃电的用户数据，具体为：

（1）取出单个用户的非零日负荷曲线，并加入7条全零日负荷曲线，使之作为单个用户模糊C均值聚类的输入数据；

（2）输入选定的聚类类别数为2，并设置误差阈值；

（3）对单个用户的输入数据进行模糊C均值聚类，将用户的日负荷曲线分为2类，其中一类为该用户正常的用电数据，另一类为该用户疑为窃电的数据并得到该用户正常的日负荷曲线中心；

（4）聚类结果中，聚类中心较低的那一类的个数如果大于7，则认为该用户疑为窃电用户，聚类中心较低的那一类中，非零的日负荷曲线即为该用户疑为窃电的数据；

（5）输出疑为窃电的用户数据和该用户正常的日负荷曲线中心。

4.根据权利要求1所述基于用户用电负荷特征窃电检测方法，其技术特征在于，所述步骤3）利用时间相似度技术对疑为窃电的用户数据进行时间序列相似度分析，对用户疑为窃电的数据进行再次分析，给出是否窃电的预判，具体为：

（1）计算单个用户用电数据聚类得到的疑为窃电的数据与该用户正常的日负荷曲线中心的欧氏距离；

（2）当两条曲线的欧氏距离大于正常的日负荷曲线中心与50%日负荷曲线中心的欧氏距离时，认为该条日负荷曲线为窃电数据。

5.根据权利要求3或权利要求4所述基于用户用电负荷特征窃电检测方法，其技术特征在于，首先通过模糊C均值聚类，可以将疑为窃电的数据分离出来，并得到正常的日负荷曲线中心，然后通过时间相似度技术，对疑为窃电的数据进行二次排查，可进一步缩小疑为窃电用户的范围，大大减小人工排查量。

6.根据权利要求1所述基于用户用电负荷特征窃电检测方法，其技术特征在于，所述步骤4）需要循环步骤2）和步骤3），完成所有用户窃电检测，给出是否窃电的预判；具体为：一次窃电检测处理一个用户的数据，多次循环可处理多个用户的用电数据，并保存检测结果。