[发明专利]一种基于边缘计算的窃电检测方法及系统

说明书

本发明公开的一种基于边缘计算的窃电检测方法和系统，系统包括用电信息采集模块、集中式数据处理中心、分类边缘式数据中心和多个边缘式数据中心，窃电检测工作由集中式数据中心与边缘式数据中心(包括多个边缘式数据中心和分类边缘式数据中心)分工合作，由多个边缘式数据中心分担了集中式数据中心的大量计算工作，分散式计算，节约带宽同时提高计算效率；集中式数据中心只参与历史数据和检测数据的预处理过程、历史数据的聚类过程；令具有K均值聚类模型的分类边缘式数据中心来对检测数据进行分类，聚类方法符合边缘计算中分布式处理的思想，提高运算速度和准确度。

技术领域

本发明涉及技术领域，具体涉及一种基于边缘计算的窃电检测方法和系统。

背景技术

近年来，我国社会经济获得了突飞猛进的发展，对供电的需求范围也因此变得越来越广，但也在一定程度上为窃电工作提供了可乘之机，个别用电户为谋取不法利益，窃电行为屡禁不止，因此反窃电工作作为低压用电检查班组在日常工作中的一项必不可少的工作；目前窃电检测有：通过人工到现场进行排查；硬件上通过防非法开启、防电磁干扰等来防止窃电；软件上通过实时监控系统、对智能电表进行软件加密等来进行窃电检测等。目前基于大数据分析的窃电检测方法虽然可以通过实时监控来判断是否窃电，但也存在有很多不足之处：大量的电力数据上传至数据库后，直接由集中式数据中心对数据进行处理、检测，会占用很大的带宽，计算量大、过程冗杂混乱。

发明内容

为解决上述技术问题，本发明提供一种基于边缘计算的窃电检测方法和系统，集中式数据中心与边缘式数据中心(包括普通边缘式数据中心和分类边缘式数据中心)分工合作，由多个边缘式数据中心分担了集中式数据中心的大量计算工作，分散式计算，节约带宽同时提高计算效率。

本发明通过下述技术方案实现：

本方案提供一种基于边缘计算的窃电检测方法，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训练好的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。

本方案工作原理：现有的大数据分析的窃电检测方法，通常在建模阶段和训练阶段，甚至整个分析计算过程都是由集中式数据中心来集中处理，由于电力用户的日用电量数据繁杂，数据输入量大，导致集中式数据中心负荷过重，不仅占用很大带宽，还计算量大、过程冗杂混乱；本方案将窃电检测工作由集中式数据中心与边缘式数据中心(包括普通边缘式数据中心和分类边缘式数据中心)分工合作，由多个边缘式数据中心分担了集中式数据中心的大量计算工作，分散式计算，节约带宽同时提高计算效率。

进一步优化方案为，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。

进一步优化方案为，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：