[发明专利]专变用户多维度智能反窃电精准定位方法及系统

权利要求书

1.一种专变用户多维度智能反窃电精准定位方法，其特征在于，包括以下步骤：

S1：从同期线损系统采集专变用户日售电量、月售电量、用户档案、发行电量和用户档案信息；

S2：从同期线损系统采集的月售电量是计量点的电量，将计量点电量合并为用户电量，循环所有在运的专变用户，然后查询计算月份内该户所有的计量点电量进行电量合并，按户计算出用户的月用电量，然后通过月用电量与用户的月发行电量，得出偏差电量、偏差系数；

S3：日电量计算按时间段对日电量进行计算，从同期线损系统采集的日售电量是计量点的电量，将计量点电量合并为用户电量，然后按户循环，分别计算出该户在时间段内的零电量用户、日用电量、极限电量、极限偏差电量、极限偏差系数、波动系数；

零电量用户=N天内均无售电量用户+N天内日售电量均为0用户

日用电量=(日售电量1+日售电量2…日售电量N)/N

极限电量=用电时长（小时数）*极限容量占比*运行容量

极限偏差电量=SUM(日电量1:日电量N)/N-日用电量

极限偏差系数=|（日用电量-极限电量）/极限电量|

波动系数=（最大日电量-最小日电量）/最大日电量；

S4：根据计算结果筛选出零度户、电量异常波动、发行电量和极限电量，并通过图形展示。

2.如权利要求1所述的专变用户多维度智能反窃电精准定位方法，其特征在于：S4中，筛选规则包括零度户筛选、电量波动筛选、极限电量筛选、发行电量筛选、以及综合分析法筛选；

零度户筛选：筛选计算时间段内电量为零，或者无电量的用户；

电量波动筛选：根据设定的筛选系数筛选出符合条件的用户；

极限电量筛选：根据设定的筛选系数筛选出符合条件的用户；

发行电量筛选：根据设定的筛选系数筛选出符合条件的用户；

综合分析法筛选：对电量波动、极限电量、发行电量三种分析结果求交集。

3.一种专变用户多维度智能反窃电精准定位系统，其特征在于：包括数据采集模块，用于从同期线损系统采集专变用户日售电量、月售电量、用户档案、发行电量和用户档案信息；

数据计算模块，用于计算专变用户月用电量和日用电量；

从同期线损系统采集的月售电量是计量点的电量，将计量点电量合并为用户电量，循环所有在运的专变用户，然后查询计算月份内该户所有的计量点电量进行电量合并，按户计算出用户的月用电量，然后通过月用电量与用户的月发行电量，得出偏差电量、偏差系数；

日电量计算按时间段对日电量进行计算，从同期线损系统采集的日售电量是计量点的电量，将计量点电量合并为用户电量，然后按户循环，分别计算出该户在时间段内的零电量用户、日用电量、极限电量、极限偏差电量、极限偏差系数、波动系数；

零电量用户=N天内均无售电量用户+N天内日售电量均为0用户

日用电量=(日售电量1+日售电量2…日售电量N)/N

极限电量=用电时长（小时数）*极限容量占比*运行容量

极限偏差电量=SUM(日电量1:日电量N)/N-日用电量

极限偏差系数=|（日用电量-极限电量）/极限电量|

波动系数=（最大日电量-最小日电量）/最大日电量；

数据分析模块，用于零度户筛选、电量波动筛选、极限电量筛选、发行电量筛选、以及综合分析法筛选；

零度户筛选：筛选计算时间段内电量为零，或者无电量的用户；

电量波动筛选：根据设定的筛选系数筛选出符合条件的用户；

极限电量筛选：根据设定的筛选系数筛选出符合条件的用户；

发行电量筛选：根据设定的筛选系数筛选出符合条件的用户；

综合分析法筛选：对电量波动、极限电量、发行电量三种分析结果求交集；

显示模块，用于显示筛选结果。

4.如权利要求3所述的一种专变用户多维度智能反窃电精准定位系统，其特征在于：所述数据采集模块包括控制器、数据采集卡、存储器和信号传输器，所述数据采集卡通过数据交换平台DEP从同期线损系统采集专变用户日售电量、月售电量、用户档案、发行电量和用户档案信息，并存储在所述存储器内，通过信号传输器传输至数据计算模块。

5.如权利要求4所述的一种专变用户多维度智能反窃电精准定位系统，其特征在于：所述数据采集模块采集电量信息后，对其进行数据预处理，所述预处理包括数据清洗、数据标准化和数据集成转换。