[发明专利]一种基于密度筛选与K-均值聚类的反窃电预警方法及系统

权利要求书

1.一种基于密度筛选与K-均值聚类的反窃电预警方法，所述方法包括：

获取目标行业正常用户限定期间的用电数据作为训练样本；

将所述训练样本进行归一化处理，获取经过处理的训练样本；

基于密度筛选法，获取经过处理的训练样本的初始聚类中心和聚类数；

将所述初始聚类中心和所述聚类数作为K-均值聚类的初始值，基于所述K-均值聚类对经过处理的训练样本进行聚类，获取目标行业典型负荷曲线；

计算待检用户的负荷曲线与所述目标行业典型负荷曲线的负荷曲线的欧氏距离和余弦距离；

基于所述欧氏距离和所述余弦距离确定待检用户的异常度指标；

当所述异常度指标大于预先设定的异常阈值时，将所述待检用户判断为窃电嫌疑用户。

2.根据权利要求1所述的方法，所述将所述训练样本进行归一化处理，获取经过处理的训练样本，包括：

所述训练样本为P_w'＝{X_wi'}(i＝1,2,...,s)，X_wi'是第w个行业第i个用户的数据，s为该行业提取的用户数；

对所述训练样本P_w'进行归一化处理，得到经过处理的训练样本P_w＝{X_wi}(i＝1,2,...,s)，归一化的公式为，

式中，X_wi为第i个用户归一化后的训练样本的数据，X_wi'_max、X_wi'_min分别为第i个用户的归一化前的训练样本的最大数据和最小数据。

3.根据权利要求2所述的方法，所述基于密度筛选法，获取经过处理的训练样本的初始聚类中心和聚类数，包括：

(1)计算训练样本空间P_w中任意两个训练样本点的欧氏距离d(X_wi,X_wj)，

d(X_wi,X_wj)＝||X_wi-X_wj||₂ (2)

式中，X_wi、X_wj分别为第w个行业用户i、j的数据；

(2)计算训练样本空间P_w中所有样本点的平均距离Meandist，

(3)计算每个训练样本点的密度参数Density(X_wi,Meandist)，并形成密度参数集合D；

上式中，所述密度参数表示的是以样本点X_wi为中心、平均距离Meandist为半径的范围内样本点的个数；

(4)找出所述密度参数集合D中的最大值Dmax，并统计Dmax的数量N；如果N＝1，找出所述密度参数集合Dmax所对应的样本点的数据X_wi，将此处的数据X_wi添加到初始中心候选集U中，并转到步骤(6)执行下一步操作；

(5)若N1，则说明密度最值点不唯一，则计算多个密度最值点(X_wi,Meandist)邻域内其余样本点与该最值点的距离之和sum，

将计算所得的距离之和sum最小的密度最值点的数据X_wi添加到初始中心候选集U中；

(6)将最值样本点的数据X_wi及(X_wi,Meandist)邻域内的样本点都删去；

(7)重复步骤(3)至步骤(6)，直到找出所有的初始候选中心。

4.根据权利要求3所述的方法，还包括：将初始中心候选集U的数据作为K-均值聚类的初始聚类中心和K值，基于所述K-均值聚类对训练样本空间P_w进行聚类，得到聚类结果C_w＝{X_wi,i＝1,2,...,k}，X_wi表示第w个行业的第i个类中心的数据，k为聚类类数；以所述聚类结果C_w作为目标行业的典型负荷曲线。