[发明专利]一种基于预判模型的窃电用户判断方法

说明书

本发明公开了一种基于预判模型的窃电用户判断方法，包括获取若干待判断用户用电数据；利用典型窃电用户的用电数据，采用相似性检索方法，从所有待判断用户中筛选出窃电嫌疑用户；根据窃电嫌疑用户的用电数据，判断窃电嫌疑用户的类型，并提取相应的用电特征；将窃电嫌疑用户的用电特征输入预先训练的XGBoost窃电预判模型，判断该用户是否为窃电用户；其中，XGBoost窃电预判模型与窃电嫌疑用户的类型匹配。本发明通过相似性检索方法，利用典型窃电用户，筛选出窃电嫌疑用户，通过与用户类型相应的XGBoost窃电预判模型，精准识别窃电用户，实现对窃电行为的精准打击。

技术领域

本发明涉及一种基于预判模型的窃电用户判断方法，属于窃电用户识别领域。

背景技术

随着国家经济的快速发展和人民生活水平的提高，全社会的用电量不断增加，能源需求的不断增大，电力产业作为国家重要的基础能源产业也得到快速的发展。目前，在国家层面、电力企业层面都有着重要的电力数据分析需求。于国家而言，电力大数据有助于电力行业整体提高运营效率和服务质量，从而达到节能减排的目标，推动社会经济的可持续发展；于电力企业而言，智能化电网中所产生的大量电力数据有助于加强其自身的管理决策能力，同时提升其供电服务质量。长期以来，社会中窃电、欺诈等现象屡禁不止，这些行为严重危害其他用户的生命财产安全，电力企业的经营管理以及供电秩序，甚至对国家经济的发展带来严重的威胁。因此，如何判断窃电用户是目前亟待解决的问题。

发明内容

本发明提供了一种基于预判模型的窃电用户判断方法，解决了背景技术中披露的问题。

为了解决上述技术问题，本发明所采用的技术方案是：

一种基于预判模型的窃电用户判断方法，包括，

获取若干待判断用户用电数据；

利用典型窃电用户的用电数据，采用相似性检索方法，从所有待判断用户中筛选出窃电嫌疑用户；

根据窃电嫌疑用户的用电数据，判断窃电嫌疑用户的类型，并提取相应的用电特征；

将窃电嫌疑用户的用电特征输入预先训练的XGBoost窃电预判模型，判断该用户是否为窃电用户；其中，XGBoost窃电预判模型与窃电嫌疑用户的类型匹配。

用户的类型包括低压用户和高压用户，高压用户包括三相电流、电压数据缺失的高压用户和三相电流、电压数据完整的高压用户。

与低压用户匹配的XGBoost窃电预判模型为日冻结电量预判模型，采用低压用户的日冻结电量特征训练；其中，低压用户包括典型窃电用户和正常用户。

日冻结电量特征包括，

用电量移动平均的均值、中位数、标准差、偏度、峰度；

用电量移动平均差分的均值、中位数、标准差、偏度、峰度。

与三相电流、电压数据缺失的高压用户匹配的XGBoost窃电预判模型为96点电量预判模型，采用三相电流、电压数据缺失高压用户的96点电量特征训练；其中，三相电流、电压数据缺失的高压用户包括典型窃电用户和正常用户。

96点电量特征包括，

日平均用电量移动平均的均值、中位数、标准差、偏度、峰度；

日平均用电量移动平均差分的均值、中位数、标准差、偏度、峰度；

单日内96点用电量标准差的均值、中位数、标准差、偏度、峰度。

与三相电流、电压数据完整的高压用户匹配的XGBoost窃电预判模型为综合预判模型，采用三相电流、电压数据完整高压用户的96点电量特征、电压特征和电流特征训练；其中，三相电流、电压数据完整的高压用户包括典型窃电用户和正常用户。