[发明专利]一种用户异常用电行为检测方法及装置

说明书

本发明公开一种用户异常用电行为检测方法及装置，方法包括：响应于获取的用户原始数据，对用户原始数据进行数据预处理，使得到优化用电数据；响应于获取的优化用电数据，对训练模型进行训练并生成XGBoost检测模型；基于遗传算法对XGBoost检测模型进行参数优化，使确定XGBoost检测模型的最佳超参数组合；将待检测数据输入XGBoost检测模型中，基于最佳超参数组合进行判断某一优化用电数据是否异常。采用遗传算法对XGBoost检测模型的参数进行调优，实现对多个XGBoost模型超参数的同时优化，最终得到具有性能优良的异常用电检测模型，提高了检测准确率。

技术领域

本发明属于电网反窃电技术领域，尤其涉及一种用户异常用电行为检测方法及装置。

背景技术

随着经济的快速发展，用户的用电需求不断增加，若用户用电行为异常将增大电网的非技术性损失，增加电力公司的运营成本。传统的用户异常用电行为检测方法是现场人员定期巡检线路、定期校验电表、用户举报等，这些手段对人的依赖性较大，需要投入大量的人力成本，同时，用电行为的检测耗时较长、效率较低。

目前，对于异常用电行为检测的研究主要分为基于状态和基于人工智能两类方法。基于状态的分析方法是通过实时比较配电网的功率、电压、电流等大量数据的变化来检测异常；基于人工智能的异常用电行为检测模型则首先通过数据分析提取可以反映异常用电行为的指标，再借助人工智能的方法训练指标与用电行为检测结果之间的映射关系，完成异常用电行为检测模型的构建。相关技术1：基于硬件的用户异常用电行为检测方法，使用摄像头、传感器及联网装置组成的复杂检测系统等外置监测装置实时监测供电设备是否遭到破坏、用电行为是否正常。该方法需要较高的设备成本，硬件设备容易受到天气等外在因素的干扰，设备维护较为困难，并且难以识别软件窃电、遥控窃电等异常用电行为。相关技术2：基于状态的用户异常用电行为检测方法，基于状态的用户异常用电行为检测方法主要是通过对比分析用户的用电量信息进行用户用电行为的检测，如对用户日用电量和日线损电量数据进行批量处理及相关度分析来识别台区用户窃电行为；综合对比分析同期线损、用电负荷、日用电量、电流及有功功率等电量信息，实现用户异常用电行为的精准检测等。但是在配电网的实际运行中，用户侧具有海量且多元的用电数据，异常用电行为也多种多样，基于状态的检测方法需要较长的检测时间。相关技术3：基于人工智能的用户异常用电行为检测方法，基于人工智能的用户异常用电行为检测方法是指借助人工智能方法和大量用电数据，训练用电行为检测模型，达到已知用户用电数据的情况快速识别用户用电行为是否异常的效果。如以正常用户用电数据为训练样本，采用自编码网络学习数据特征，重构输入数据以计算检测阈值，基于此建立对比误差与检测阈值的异常用电行为辨识模型等。该类方法在评价指标的选择、训练时间和检测效率的优化方面仍存在较大的提升空间。

但是上述方法存在以下问题：

1.借助摄像头，传感器等装置对供电设备进行实时监测的方法，成本较高，需要使用大量、昂贵的硬件来满足监控的需求，而且对于软件窃电，遥控窃电等现象，由于没有人的直接参与，装置的摄像头难以识别并报警。

2.对电气量状态进行实时监测的方法，难以及时处理配电网实际中的大量数据，耗时较长，且异常用电行为多样，容易发生误判。

3.现有的用户异常用电行为的识别方法为了提高识别精确度，常采用复杂的人工智能算法，从而造成会占用较多的运算资源，计算时间较长。

综上描述，亟需一种用户异常用电行为检测方法及装置，对异常用电检测模型进行优化，以提高检测准确率。

发明内容

本发明实施例提供一种用户异常用电行为检测方法及装置，用于至少解决上述技术问题之一。