[发明专利]一种基于边缘计算的窃电检测方法及系统

权利要求书

1.一种基于边缘计算的窃电检测方法，其特征在于，包括步骤：

以年为单位采集各电力用户的日用电量数据，集中式数据中心对日用电量数据进行预处理得到各电力用户的用电行为特征集，集中式数据中心将各电力用户的用电行为特征集发送给分类边缘式数据中心；

分类边缘式数据中心将各电力用户的用电行为特征集输入已构建好的K均值聚类模型中进行KNN分类训练得到用电行为相似的多个用电行为数据类；

每个用电行为数据类匹配对应的边缘式数据中心，边缘式数据中心使用构建好的CNN-RF模型对各用电行为数据类先进行CNN特征提取再基于提取的特征进行RF分类；

基于分类结果输出各电力用户是否为窃电电力用户。

2.根据权利要求1所述的一种基于边缘计算的窃电检测方法，其特征在于，对日用电数据进行数据预处理过程包括：

替换日用电数据中存在的因计量设备故障导致的统计错误值；

插补由于存储和传输故障导致的缺失值；

对日用电数据进行标准化处理；

将日用电数据以用电行为特征集的形式表示。

3.根据权利要求2所述的一种基于边缘计算的窃电检测方法，其特征在于，

替换日用电数据中存在的因计量设备故障导致的统计错误值时，替换值计算公式为：

其中i表示某个电力用户i，x_i,t为电力用户在日t的日用电数据，avg(x_i,t)为该电力用户的历史日用电平均值，σ(x_i,t)为该电力用户历史日用电量的标准差，θ为人为设定的偏离阈值；

插补由于存储和传输故障导致的缺失值依据公式为：

其中i表示某个电力用户i，x_i，t为电力用户在t日的日用电数据，x_i,t-1、x_i,t+1分别表示该电力用户在t日前、后一天的日用电数据；如果x_i为空，则将其表示为NaN，意为智能电表上传的缺失值；

采用Min-Max法对数据进行标准化：

其中i表示某个电力用户i，x_i,t为电力用户在日t的日用电数据，min(x_i,t)表示电力用户所有日用电数据中的最小值，max(x_i,t)表示电力用户所有日用电数据中的最大值。

4.根据权利要求2所述的一种基于边缘计算的窃电检测方法，其特征在于，用电行为特征集的具体表示形式为：

其中，avg、max、min、σ、k、tra、trb分别表示电力用户用电月负荷均值，最大值，最小值，月负荷序列的标准差、负荷数据线性拟合的斜率、前r₁个月与后r₁个月平均负荷的差值、前r₂个月与后r₂个月平均负荷的差值、前r₃个月与后r₃个月平均负荷的差值、上升趋势指标、下降趋势指标。

5.根据权利要求1所述的一种基于边缘计算的窃电检测方法，其特征在于，K均值聚类模型构建方法为：

T1.以年为单位采集各电力用户的历史日用电量数据，集中式数据中心对历史日用电量数据进行预处理得到各电力用户的历史用电行为特征集；

T2.集中式数据中心基于成分分析法对历史用电行为特征集进行分析，构造出2个相互独立的新变量；

T3.集中式数据中心以2个相互独立的新变量作为电力用户的用电特征进行k-means聚类后分得k个历史用电行为数据类；

T4.以k个历史用电行为数据类作为K均值聚类模型的KNN模型训练样本传入分类边缘式数据中心。

6.根据权利要求1所述的一种基于边缘计算的窃电检测方法，其特征在于，CNN-RF模型构建方法为：

使用训练好的CNN特征提取模型对历史用电行为数据类中的数据进行特征提取，将提取后的特征输入随机森林算法RF中进行训练，得到RF分类器模型参数。