[发明专利]一种基于数据驱动的用电异常行为识别方法

权利要求书

1.一种基于数据驱动的用电异常行为识别方法，其特征在于，包括以下步骤：

步骤S01、根据居民用户横向评分标准，实时评估每个用户用电行为数据与同类别用户用电行为数据是否一致，给出横向评分S_1，j；

步骤S02、根据居民用户纵向评分标准，实时评估单个居民用户在预设时间范围内的用电行为数据，并且给出纵向评分S_2,j；

步骤S03、结合步骤S01中的横向评分S_1，j和步骤S02中的纵向评分S_2,j建立居民用户用电行为综合评分标准，并判断综合评分是否符合标准；若综合评分低于预设标准阈值，则发出报警信号通知工作人员。

2.根据权利要求1所述的基于数据驱动的用电异常行为识别方法，其特征在于，所述步骤S01中，具体包括以下步骤：

步骤S011、采用K-Means算法将用户经过归一化的历史日负荷数据进行聚类，确认用户的用电行为数据，并对每种用电行为给出聚类标签；

步骤S012、将用户历史日负荷数据作为输入，用电行为标签作为输出，建立分类模型；

步骤S013、通过分类模型将用户每天的用电负荷分类，通过同一类别用电行为的横向对比，给出横向评分。

3.根据权利要求1所述的基于数据驱动的用电异常行为识别方法，其特征在于，所述步骤S02中，具体包括以下步骤：

步骤S021、基于长短期记忆网络的用户用电量预测模型，实时评估每个居民用户目前用能行为是否符合其历史行为习惯；

步骤S022、根据居民用户纵向评分标准，给出用户的纵向评分。

4.根据权利要求3所述的基于数据驱动的用电异常行为识别方法，其特征在于，步骤S021中，基于长短期记忆网络的用户用电量预测模型包括输入层、长短期记忆网络层和输出层的长短期记忆神经网络。

5.根据权利要求3所述的基于数据驱动的用电异常行为识别方法，其特征在于，所述步骤S022中，纵向评分标准用下式定义：

式中，S_j为该用户当日实际用电量少于预测用电量的平均误差和；为该用户在第t时段内预测的用电量；为该用户在第t时段内的实际用电量；r_j为当日该用户实际用电量少于预测用电量的时段个数。其中：

公式具体含义为：将基于单个用户的用电行为习惯预测的用电量与该时段内实际用电量对比，若则用户用能比预测用电量少，此时S_j,t＞0；若则用户用电量比预测用电量多，此时S_j,t＝0。

6.根据权利要求1所述的基于数据驱动的用电异常行为识别方法，其特征在于，所述步骤S03中，根据单个用户的横向、纵向用能情况，建立综合评分：

Z_j＝αS_1,j+βS_2,j (3)

式中，Z_j为第j个用户综合评分；α、β为修正系数，且α+β＝1用于核定纵向评分与横向评分的权重。