阅读说明：本技术 一种用户用电行为异常的监测方法 (method for monitoring abnormal electricity consumption behavior of user ) 是由 兰森林 彭奕 庄晓凌 陈吉 何海 于 2019-10-24 设计创作，主要内容包括：本发明的一种用户用电行为异常的监测方法,先行收集各个用户的电器开关的开合状态数据和电器功率数据作为数据集{x<Sup>1</Sup>,x<Sup>2</Sup>,x<Sup>3</Sup>...x<Sup>m</Sup>},再将该数据集分别导入高斯概率分布函数和Percentile检测算法,从而构件了两种检测用户用电行为异常的数学模型进行验证,提高了对客户用电量异常情况检测的效率和准确率,缩小检查范围。(The method for monitoring abnormal electricity consumption behavior of users firstly collects the on-off state data and the electric appliance power data of the electric appliance switch of each user as a data set { x } 1 ，x 2 ，x 3 ...x m And respectively importing the data set into a Gaussian probability distribution function and a Percentile detection algorithm, so that two mathematical models for detecting the abnormal electricity consumption behavior of the user are constructed for verification, the efficiency and the accuracy of detecting the abnormal electricity consumption condition of the client are improved, and the inspection range is narrowed.)

一种用户用电行为异常的监测方法

技术领域

本发明涉及一种用于用电行为异常识别技术领域的用户用电行为异常的监测方法。

背景技术

当前在用户用电的过程中，存在窃电、漏电等一系列问题，这些问题会导致电力损失，统称为非技术性损失NTL(Non-Technical Loss)。非技术性损失不仅仅会影响电力系统的正常运行，而且对于整个电网的调度也会产生显著影响，甚至会产生由窃电等行为而导致的安全事故，因此电力企业以及电力系统会对用户的用电行为进行稽查。目前稽查用户行为异常主要靠人工进行筛选，工作量大、效率低下。

发明内容

本发明的目的是为了克服现有技术的不足，提供一种用户用电行为异常的监测方法，它根据电器开关数据和功率数据与用户用电习惯具有较强相关性的特点，构建了两种检测用户用电行为异常的数学模型。利用建立的数学模型能够提高对客户用电量异常情况检测的效率和准确率，缩小检查范围。

实现上述目的的一种技术方案是：一种用户用电行为异常的监测方法，包括如下步骤：

步骤1：通过用户用电数据采集设备采集各个用户的电器开关的开合状态数据和电器功率数据作为数据集，对应第m种电器开关的开合状态及电器的当前功率的数据集为{x¹,x²,x³…x^m}；

步骤2：将数据集{x¹,x²,x³…x^m}输入高斯概率分布函数，进行用户用电行为监测判定，得到高斯模型异常样本集；

步骤3：将{x¹,x²,x³…x^m}输入Percentile的检测算法，进行用户用电行为监测判定，得到Percentile检测算法异常样本集；

步骤4：将高斯模型异常样本集或Percentile检测算法异常样本集中的全部异常样本的并集进行标注，然后对异常样本进行用电异常行为细分，并输出细分行为样本集。

进一步的，所述步骤2的具体步骤为：

步骤2.1：使用开关开合状态和电器功率的数据{x¹,x²,x³…x^m}计算高斯概率分布函数的期望值μ和方差σ²，计算公式如下：

其中，x⁽ⁱ⁾为数据集{x¹,x²,x³…x^m}中的数据；

步骤2.2：构建高斯概率的分布函数，高斯概率的分布函数为：

μ和σ²为上一步计算所得的期望值和方差，x为待定系数。正态分布的期望值μ决定了其位置，其方差σ²决定了分布的幅度；

步骤2.3：选取判定边界，进行用户用电行为异常检测判定：

将f(x)＝3σ作为判定边界。当f(x)<3σ时，则判断为该测试样本为异常样本；当f(x)>3σ时，则判断该测试样本为正常样本。

进一步的，所述步骤3的具体步骤为：

步骤3.1：将开合状态及电器的当前功率的数据集为{x¹,x²,x³…x^m}按照从小到大进行排序；

步骤3.2：对每组数据进行等级划分，划分公式为：

其中，x⁽ⁱ⁾为数据集{x¹,x²,x³…x^m}中的数据，m为数据的总量大小，rankⁱ则是该组数据的等级；

步骤3.3：根据该组数据的等级情况对其是否属于用户用电异常情况进行判定，最高等级或最低等级的数据均视为用电异常数据。

本发明的一种用户用电行为异常的监测方法，先行收集各个用户的电器开关的开合状态数据和电器功率数据作为数据集{x¹,x²,x³…x^m}，再将该数据集分别导入高斯概率分布函数和Percentile检测算法，从而构件了两种检测用户用电行为异常的数学模型进行验证，提高了对客户用电量异常情况检测的效率和准确率，缩小检查范围。

具体实施方式

为了能更好地对本发明的技术方案进行理解，下面通过具体地实施例进行详细地说明：

本发明提供了一种用户用电行为异常的监测方法，构建了两种检测用户用电行为异常的数学模型，其中包括基于高斯概率分布函数的检测算法和基于Percentile的检测算法。

以一次检测周期为例，共采集了6组家庭的60天用户数据，采集各组家庭的电器开关数据和电器功率数据作为数据集。开关的开合状态及电器的当前功率分别作为数据集{x¹,x²,x³…x^m}输入至模型中。

首先，基于高斯概率分布函数的检测算法的用电异常分析具体应用，具体步骤在于：

1)计算高斯概率分布函数的期望值和标准差。

使用开关开合状态和电器功率的数据{x¹,x²,x³…x^m}计算高斯概率分布函数的期望值μ和方差σ²，计算公式如下：

其中，x⁽ⁱ⁾为数据集{x¹,x²,x³…x^m}中的数据。

2)构建高斯概率的分布函数。

高斯概率的分布函数为：

μ和σ²为上一步计算所得的期望值和方差，x为待定系数。正态分布的期望值μ决定了其位置，其方差σ²决定了分布的幅度。

3)选取判定边界，进行用户用电行为异常检测判定。

将f(x)＝3σ作为判定边界。当f(x)<3σ时，则判断为该测试样本为异常样本；当f(x)>3σ时，则判断该测试样本为正常样本。

然后，进行基于Percentile检测算法的用电异常分析具体应用，具体步骤在于：

1)将开关开合状态和电器功率的数据{x¹,x²,x³…x^m}按从小到大顺序进行排序。

2)对每组数据进行等级划分。

划分公式为：

xⁱ为该组数据的值，m为数据的总量大小，rankⁱ则是该组数据的等级。

3)根据该组数据的等级情况对其是否属于用户用电异常情况进行判定，最高等级或最低等级的数据均视为用电异常数据。

通过上述两种模型的检测，若该组数据为用电行为异常数据，则通过人工标注的方式对其进行用电行为异常的细分，如窃电、漏电等情况。

采用本方法可通过双重数学模型对用户用电行为异常进行检测验证，从而实现了对于用户用电数据样本的初筛，大大简化了用电行为异常筛选的工作量，提升了用电行为异常筛选的准确率。

真正例率越高，反正例率越低，通常表示这个模型越好。本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。