[发明专利]一种基于sax算法的商业体异常用电检测方法

权利要求书

1.一种基于sax算法的商业体异常用电检测方法，其特征在于，包括以下步骤：

S1、采集商业体的待检测电能数据，将与待检测电能数据所在日期相近五个月的电能数据作为训练集；

S2、将训练集中的电能数据进行时序符号化，并且判断训练集是否拆分，得到拆分训练集和不拆分训练集；

其中，所述将训练集中的电能数据进行时序符号化的具体方法为：

A1、将商业体电能数据的数据归一化到均值为0和方差为1的分布下；

A2、根据归一化后的商业体电能数据，获取其正态分布，并将正态分布下的面积等分为3部分，得到2个数值切割点；

A3、根据2个数值切割点，将训练集的数据划分为3部分；

A4、将3部分数据根据对应数值由大到小分别表示为a、b和c；

A5、根据a、b和c，将训练集中的数据按天划分，得到训练集每一天的天符号化串sⁱ；

所述判断训练集是否拆分，得到拆分训练集和不拆分训练集的具体方法为：

B1、统计训练集中工作日和非工作日的天符号化串出现次数，分别获取工作日和非工作日中出现最多的天符号化串；

B2、判断工作日和非工作日中出现最多的天符号化串是否相同，若是则不需要拆分训练集，得到不拆分训练集，否则将训练集拆分，得到拆分训练集为工作日训练集和非工作日训练集；

S3、根据训练集中时序符号化的电能数据，对拆分训练集和不拆分训练集进行分类；

具体地，包括以下分步骤：

S3.1、判断不拆分训练集和拆分训练集中的数据是否为平稳时序，若是则将其加入平稳时序训练集，否则进入步骤S3.2；

S3.2、判断不拆分训练集和拆分训练集中的数据是否为固定启停时序，若是则将其加入固定启停时序训练集，否则将其加入其它时序训练集；

S4、根据拆分训练集和不拆分训练集的分类结果，构建具有取值范围的样本集；

S5、根据样本集，生成每个设备一个小时对应的上下界阈值；

S6、根据上下界阈值，对待检测电能数据进行异常用电判别，得到异常用电判断结果。

2.根据权利要求1所述的基于sax算法的商业体异常用电检测方法，其特征在于，所述步骤S1包括以下分步骤：

S1.1、采集商业体电能数据，并将其某一天的电能数据中作为待检测电能数据；

S1.2、根据待检测电能数据所在日期，采集商业体在与该日期接近五个月的电能数据，并将近五个月的电能数据作为训练集；

所述商业体电能数据为i表示采集商业体电能数据所在日期的前i天，i＝1,2,3,....,D，j表示在第i天中具体点位，j＝0,1,...,23。

3.根据权利要求1所述的基于sax算法的商业体异常用电检测方法，其特征在于，所述判断不拆分训练集和拆分训练集中的数据是否为平稳时序的具体方法为：在不拆分训练集和拆分训练集中选出出现最多的两种字符，判断最多字符的均值是否落入第二多字符的分布内，若是则为平稳时序，否则为不平稳时序；

所述判断不拆分训练集和拆分训练集中的数据是否为固定启停时序的具体方法为：在不拆分训练集和拆分训练集中选出出现次数最多的天符号化串，若其出现次数占训练集总天数的50％以上，出现次数最多的天符号化串为固定启停时序。

4.根据权利要求1所述的基于sax算法的商业体异常用电检测方法，其特征在于，所述步骤S4包括以下分步骤：

S4.1、将平稳时序训练集中数据的第n-1小时、第n个小时和第n+1个小时的数据作为第n个小时的训练数据，得到第n个小时的样本值；

S4.2、若固定启停时序训练集中数据的第m个小时不在符号边界时，将其第m-1小时、第m个小时和第m+1个小时的数据作为第m个小时的训练数据，若第m个小时处于符号边界时，则将第m个小时的数据作为第m个小时的训练数据，得到第m个小时的样本值；

S4.3、将其它时序训练集中数据的第a个小时的数据作为第a个小时的训练数据，得到第a个小时的样本值；

S4.4、将样本值汇集到一个集合，得到样本集。