[发明专利]一种基于离群点算法的窃电辨识方法

摘要

本发明公开了一种基于离群点算法的窃电辨识方法，涉及一种窃电辨识方法。目前，传统窃电检测方法存在辨识度低、数据处理复杂度高以及不能为现场排查提供较为准确依据的问题。本发明包括步骤：获取用户日用电数据、对数据进行预处理、计算样本波动率CV、确定质心以及参数p和D、离群点算法进行窃电判别、确定窃电样本点和设置窃电警报。本发明结合电量波动率和改进的基于距离的离群点挖掘算法完成用户窃电的识别，不仅提高了窃电嫌疑点挖掘的准确度，还很大程度地提高了反窃电工作的效率。

主权项

1.一种基于离群点算法的窃电辨识方法，其特征在于包括以下步骤：1)获取用户日用电数据；采用用电信息采集和远程抄表系统对若干个用电用户的用电数据进行采集，通过数据传输通道和数据接收系统，将数据存储于中心数据库，作为该发明方法进行防窃电辨识报警的数据来源；每一天的日用电量是根据用户抄表系统采集的该天表计总正向有功减去前一天的表计总正向有功而得到；2)对数据进行预处理；采用线性函数法，即其中，x(k)代表任意一个样本值，min(x(n))代表样本极小值，max(x(n))代表样本极大值；将y(k)化为介于0和1之间的数，消除样本受量纲和属性的影响，将数量级大的数据转化成可以相互进行数学运算的具有可比性的数据，降低数据处理的复杂度；3)计算样本波动率CV；根据数据样本按照每月分别计算波动率，从波动率值CV>0.2的月份中找到最小的样本波动率CVm，并初步确定窃电可能发生的时间段；4)确定质心以及参数p和D；采用求两次均值的方法：第一次计算所有数据的均值，即其中，d₁、d₂、d_n代表每天的用电量,n为样本总数；第二次求均值是除去异常偏高值后计算剩余样本的均值，即排除若干个异常偏高值后，剩余m个样本求均值，以avg2为总样本质心，计算所有样本与该质心的距离集合Dist，设置自定义条件确定参数p；D为对Dist集合进行升序排列后，求出的新的集合的p分位数；4)离群点算法进行窃电判别；计算两两样本之间的欧氏距离，在调节参数p并计算参数D后，找到与其它至少p部分样本距离大于D的所有样本点，确定为离群点；5)确定窃电样本点和设置窃电警报；在上述的离群点集合，将高于样本平均水平的离群点去除；当连续N天出现异常后，第N天进行窃电报警。