[发明专利]一种基于非侵入式负荷分解的用户异常用电行为检测方法

权利要求书

1.一种基于非侵入式负荷分解的用户异常用电行为检测方法，其特征在于，该方法包括以下步骤：

步骤S1：采用Kmeans聚类算法提取负荷状态特征；

步骤S2：对经过Kmeans聚类后所得各电器的状态特征进行状态编码；

步骤S3：采用序列到序列翻译模型Seq2Seq进行负荷分解；

步骤S4：采用支持向量机SVM进行用户异常用电行为检测。

2.根据权利要求1所述的一种基于非侵入式负荷分解的用户异常用电行为检测方法，其特征在于，所述步骤S1为：采用Kmeans聚类算法提取各电器状态特征，并以输出的聚类中心作为分解后各电器的状态功率值。

3.根据权利要求1或2所述的一种基于非侵入式负荷分解的用户异常用电行为检测方法，其特征在于，所述步骤S1具体包括以下步骤：

步骤S11：针对某个电器的用电数据，初步随机选出对于某电器的用电数据，初步随机选出k个聚类中心μ₁,μ₂,...,μ_k；

步骤S12：假设该电器有m个样本点x₁,x₂,...,x_m，计算各样本点x_i到所选聚类中心的距离：

其中：F函数为各个样本点距离其所属样本中心点距离的平均值；c⁽ⁱ⁾为第i个样本所属类的中心点的下标k；

步骤S13：对于中心点μ_j,j＝1,2,...,k，计算属于该中心点的所有样本的坐标平均值，把该平均值作为这些样本新的中心点；

步骤S14：判断新中心点与原中心点是否一致，若不一致，重复步骤S12～S13；若一致，则输出聚类中心，并将聚类中心作为该电器的状态功率值。

4.根据权利要求1所述的一种基于非侵入式负荷分解的用户异常用电行为检测方法，其特征在于，所述步骤S2具体为：将经过Kmeans聚类后所得的各电器的状态进行状态编码；

假设某一电器a有n个状态，则它的编码状态有：

T_a＝{0,1,...,n-1} (2)

假设一家庭住宅中有M个家用电器，电器l的工作状态有N_l个，其中1≤l≤M，则总的状态组合数Y为：

将每个电器的工作状态T_i进行组合，得到一个对应的状态组合编码为：

T_co＝{T₁,T₂,…,T_M} (4)

其中i取1,2,...,M。

5.根据权利要求1所述的一种基于非侵入式负荷分解的用户异常用电行为检测方法，其特征在于，所述步骤S3中的Seq2Seq模型包括进行特征提取的编码器和进行特征分解的解码器，用于实现总电力负荷数据和状态组合码之间一对一的映射训练，具体表现为：

X_t→T_CO (5)

其中：X_t为模型的输入，代表为t时刻智能电表采集的总功率，T_CO为模型的输出，代表t时刻各电器的状态组合编码。

6.根据权利要求5所述的一种基于非侵入式负荷分解的用户异常用电行为检测方法，其特征在于，所述编码器和解码器各为一个神经网络；所述神经网络为长短时记忆网络LSTM。