[发明专利]一种基于用电量数据的异常用电行为识别方法

权利要求书

1.一种基于用电量数据的异常用电行为识别方法，其特征在于，包括如下步骤：

步骤（1），数据采集：采集历史用户用电量数据；

步骤（2），数据预处理：对采集到的数据进行归一化，然后采用隔离森林算法对归一化后数据中的异常值进行检测，对检测得到的异常值按缺失值进行处理，然后对缺失值采用固定值的填充方法进行填充；

步骤（3），用电行为特征构建：将经步骤（2）预处理后的用户用电量数据分别按日、周、月、季、年来划分，得到日用电数据集、周用电量数据集、月用电量数据集、季用电量数据集、年用电量数据集；然后分别计算这五个数据集的用电行为特征，所述的用电行为特征包括用电量最大值、用电量最小值、用电量平均值、用电量方差、用电量偏度、用电量峰度和用电量中位数；

步骤（4），用电行为特征提取：采用随机森林算法对用电行为特征进行提取，提取时，根据重要性指标对用电行为特征进行筛选，剔除重要性低于设定阈值的指标；

步骤（5），异常用电行为识别模型训练：利用步骤（4）提取的用电行为特征作为输入，将是否有异常用电行为作为输出，采用GBDT算法训练模型，得到异常用电行为识别模型；

步骤（6），异常用电行为识别：采用步骤（5）训练得到的异常用电行为识别模型对异常用电行为进行识别。

2.根据权利要求1所述的基于用电量数据的异常用电行为识别方法，其特征在于，步骤（1）中，采集用户最近6个月的日用电量数据。

3.根据权利要求1所述的基于用电量数据的异常用电行为识别方法，其特征在于，步骤（2）中，归一化采用零-均值归一化算法。

4.根据权利要求1所述的基于用电量数据的异常用电行为识别方法，其特征在于，步骤（2）中，固定值为-1。

5.根据权利要求1所述的基于用电量数据的异常用电行为识别方法，其特征在于，步骤（5）中，训练模型时，选取80%的用电行为特征样本作为训练集，另外20%作为测试集。

6.根据权利要求1所述的基于用电量数据的异常用电行为识别方法，其特征在于，步骤（5）中，训练模型时，将是否有异常用电行为作为输出具体为：输出采用0和1表示，0表示无异常用电行为，1表示有异常用电行为。

7.根据权利要求1所述的基于用电量数据的异常用电行为识别方法，其特征在于，步骤（6）中，对待识别用电行为，采集其历史用电量数据，然后按照步骤（2）~（4）的方法进行处理，将得到的用电行为特征输入到步骤（5）训练好的模型中，得到用户是否存在异常用电的预测结果。