[发明专利]一种基于数据挖掘的台区线损异常关联用户精准定位方法

权利要求书

1.一种基于数据挖掘的台区线损异常关联用户精准定位方法，其特征在于，包括如下步骤：

S1、导入给定的异常台区线损率；

S2、针对导入的异常台区线损率进行K-means聚类；

S3、基于聚类结果建立异常台区线损率标准库和异常库；

S4、根据异常库确定异常时间段T；

S5、进行用电数据预处理，得到具有研究意义的用户电量集合{W_j}；

S6、分别计算异常时间段T内集合{W_j}中各用户电量和对应线损率的皮尔逊系数r_xy；

S7、利用设定的阈值进行初步筛选，得到和线损异常关联性较大的用户电量集合{W_k}；

S8、分别计算集合{W_k}中各用户电量曲线与线损率曲线的欧氏距离D_E；

S9、基于加权皮尔逊系数和欧氏距离的相似性度量，计算皮尔逊系数和欧式距离的权重系数，精准定位所有异常用户。

2.如权利要求1所述的一种基于数据挖掘的台区线损异常关联用户精准定位方法，其特征在于：步骤S1中的台区线损率是用于判断台区是否存在异常的依据，其值由用电信息采集系统提供的线损电量计算得出，线损率计算公式如下式(1)：

式中，LLR表示线损率，E_m表示抄表电量，E_s表示实际售电量。

3.如权利要求1所述的一种基于数据挖掘的台区线损异常关联用户精准定位方法，其特征在于：步骤S2中针对异常台区线损率进行K-means聚类，在软件IBM SPSS Statistics25中实现功能，算法流程如下：

S21、首先从数据空间中选k个数据点为初始聚类均值；

S22、计算每个数据点到这些聚类均值的距离，然后将各数据点分配给离它最近的那个聚类；

S23、若所有数据点不再被重新分配，则停止并保持现有聚类；

S24、如果仍有数据点被重新分配，则重新计算均值，并返回步骤S22。

4.如权利要求1所述的一种基于数据挖掘的台区线损异常关联用户精准定位方法，其特征在于：步骤S3中根据K-means聚类结果建立异常台区线损率标准库和异常库，异常库中不仅存放异常用户电量，还存储有对应的具体日期；

建立异常台区线损率标准库和异常库包括如下步骤：

S31、导入该台区所有线损率数据；

S32、对台区线损率进行K-means聚类；

S33、找出个案数目最多的聚类，确定该聚类的聚类中心；

S34、计算该聚类中所有点到聚类中心的最大距离；

S35、若满足如下的规则，则将线损率存放至一个特定的集合中并称之为线损率标准库；反之，则将其存放在线损率异常库中，评判规则如下式(2)：

|LLR_i-x|≤r+Δr (2)

式中，LLR_i表示导入该台区所有线损率数据，x表示个案数目最多的聚类中心，r表示该聚类中所有点到该聚类中心的最大距离，Δr表示误差。

5.如权利要求4所述的一种基于数据挖掘的台区线损异常关联用户精准定位方法，其特征在于：步骤S4中，根据已经生成的异常台区线损率异常库确定异常时间段T，其中，T是时间区间，由若干个连续的日期组成。

6.如权利要求1所述的一种基于数据挖掘的台区线损异常关联用户精准定位方法，其特征在于：步骤S5中，对用户用电数据进行预处理，包括缺失值和异常值的处理以及规范化处理，通过规范化处理，去除其量纲形式，转化为更加规范化的数据形式。