[发明专利]一种多表合一用能异常分析方法

说明书

本发明涉及电力技术领域，特别涉及一种多表合一用能异常分析方法，包括以下步骤：1、获取多表合一用户每月的用电量，用水量，用气量数据；2、数据预处理；3、构建用户数据；4、初始化聚类数目及异常用户比例，运用CH指标计算得出最佳聚类数k；5、运用K‑means++聚类分析；6、对异常用户标记，若异常用户比例为固定，则根据输入的固定异常比例将异常用户筛出，若异常用户比例为自动，则异常用户为类别用户数占比最小的类别所包含的用户。本发明通过聚类数目固定或自动选取与异常用户比例固定或自动选取相结合的方式进行用能异常分析，来高效甄别异常用能用户，异常识别正确率高，效率高，有助于供能企业发现窃电、窃水、窃气用户，减少经济损失。

技术领域

本发明涉及电力技术领域，特别涉及一种多表合一用能异常分析方法。

背景技术

国家发改委及能源局在出台的《关于促进智能电网发展的指导意见》中明确指出：要完善煤、电、油、气领域的信息资源共享机制，支持水、气、电实现“集采集抄”，建设跨行业能源运行动态数据集成平台，鼓励能源与信息基础设施共享复用。在当前国家电网公司“大营销”体系的背景下，已有地区(如江西鹰潭)实现了电表、水表、气表数据的全覆盖采集，但这些电、水、气数据及多表合一用户档案信息多用于进行计量点的数据显示和图表分析，并未对其中的多表合一用户的用能信息进行深度挖掘，充分发挥多表合一大数据平台的优势。

随着中国经济的迅速发展，窃电、窃水、窃气风险显著上升，这不仅让供能公司蒙受巨大损失，还具有一定的安全风险。目前应用的用户用能异常分析方法大部分是针对单一的能源进行异常检测，并没有进行多表融合数据的深入研究，没有综合考虑电、水、气数据的相关性进而判断用能异常用户，无法充分挖掘用户用能之间的相关性，分析效果较差。如文献[1](廖文权,杨家隆,陈春,杨泽武,白勇.基于大数据分析的用电异常检测系统设计[J].重庆电力高等专科学校学报,2017(6):30-32.)综合考虑电流、电压、功率和电量数据建立了用电异常分析模型，提出电流、电压、功率、电量异常分析策略以提高用电异常检测的准确性。文献[2](鞠常荣.基于用户行为的在线用电异常监测系统的实现[J].电子制作,2017(18):53-54.)以基础营销系统、计量自动化系统以及营配一体化系统所提供的大数据为基础，通过分析用户用电过程中的线损、电流、电压等情况进行用电异常识别。文献[3](张晶,刘晓巍,张松涛.基于营销大数据的用电异常事件统计及窃电特征分析[J].供用电,2018(6):77-82.)对营销业务应用平台用户信息、用电信息采集系统数据及防窃电采集信息等营销大数据进行了深度挖掘，通过分析用电异常事件顺序关联性及时间关联性，进行用电异常诊断。文献[4](黄琛,李文婷,张旭,孙悦,魏浩然.城市供水管网片区用水异常模式识别[J].云南大学学报(自然科学版),2018(5):879-885.)从自来水公司提取瞬时用水量数据，将基于密度的聚类算法与K均值算法相结合进行用水异常识别。

现有的异常诊断手段由于大部分使用上述传统的统计方法进行异常分析，所以效率较低且仅能判断出一种能源的异常，如用电异常，并未综合考虑用水及用气数据，且在对数据源进行的数据预处理中，仅为去除明显超出正常数据范围的异常数据，数据预处理规则简单，在实际的运用中容易引入脏数据，导致准确性降低，效率不高。若能利用多表合一大数据平台中积累的海量用能信息，挖掘电水气用量之间的内在联系，然后运用数据挖掘技术进行用能异常诊断分析，将会发挥巨大价值。

虽有一小部分用户利用了多表合一大数据对异常用能进行综合检测分析。但是，未对算法过程进行优化改进，采用的算法参数比例固定，灵活性差。