【技術實現步驟摘要】
本專利技術涉及數據處理。更具體地，本專利技術涉及一種基于物聯網的電能表安全用電監測方法及系統。
技術介紹
1、隨著科技的發展，電力系統的使用越來越普及，給人們的日常生活和生產活動帶來了諸多便利。但是在配電網的用戶端會出現用戶竊電或者用電設備故障的現象。為了保障電網的安全穩定運行，需對配電網的用電行為進行檢測，從而在出現異常用電行為時發出預警或斷開電網的用戶端的刀閘。對配電網的用電行為進行檢測的方式通常是利用電能表采集配電網的用戶端的用電數據，例如電流數據、電壓數據或功率數據，在采集這些用電數據之后通過物聯網發送至數據中心，數據中心檢測用電數據是否存在異常，從而判斷配電網上是否存在危險用電行為，進而幫助電力公司和用戶實現更高效的電力使用和更精準的故障預測。
2、檢測用電數據是否存在異常通常采用lof算法進行，lof算法是一種用于檢測數據集中異常點的算法，適用于識別用電行為中的異常模式。在配電網用戶端的安全用電監測中，lof算法可以幫助識別竊電行為、設備故障等一些非正常用電模式。
3、但是傳統lof算法采用固定的參數k獲取每一個數據點的異常程度，然而，由于用電監測數據存在一定的波動性，固定的參數k不能較好的反映出數據的波動情況，從而使異常檢測結果不準確，進一步的使預警結果不準確。例如申請公布號為cn106373025a的中國專利申請文件中公開的基于離群點檢測的用電信息采集系統實時防竊電監測方法，通過利用采集的電氣參數結合lof算法計算出竊電嫌疑系數，但是由于采集的電氣參數存在一定的波動性，固定的參數k不能較好
技術實現思路
1、為解決現有技術中對配電網的安全用電監測結果精確度較低的技術問題，本專利技術在如下的多個方面中提供方案。
2、在第一方面中，本專利技術提供了一種基于物聯網的電能表安全用電監測方法，包括：
3、采集電能表的用電監測數據；
4、對采集的用電監測數據的數據點進行聚類，從而獲取聚類簇；
5、獲取聚類簇內數據點的一致性，以及聚類簇內各個數據點的離群程度；數據點的離群程度是指數據點偏離其所屬聚類簇的程度；
6、利用lof異常檢測算法獲取采集的各個數據點的異常得分，其中，在計算異常得分時，數據點對應的最優k值是依據數據點的離群程度和所屬聚類簇內數據點的一致性進行計算，數據點對應的最優k值的計算表達式為：
7、；
8、式中，表示第 i個聚類簇中第 j個數據點的最優 k值；表示預設初始 k值，表示第 i個聚類簇中第 j個數據點的離群程度；表示第 i個聚類簇內數據點的一致性；表示向上取整函數，exp()表示以自然常數e為底數的指數函數；表示數據點的一致性閾值；
9、依據各個數據點的異常得分對用電行為進行監測并預警。
10、其有益效果為：在用戶用電高峰期，多個用電設備同時開啟時，所獲取的用電監測數據會發生變化，從而導致用電數據存在局部的相似性，而全局具有一定的差異，若直接利用lof算法進行異常檢測，則會使異常檢測結果不準確，因此，本專利技術的基于物聯網的電能表安全用電監測方法在利用lof算法進行異常檢測之前首先對用電監測數據進行聚類；在利用lof算法計算數據點的異常得分時，考慮到了聚類簇內不同數據點的特征之間的相似性，在數據點所屬聚類簇中的數據點的一致性較高時，令該數據點的最優k值與該數據點的離群程度成反比；在數據點所屬聚類簇中的數據點的一致性較低時，令該數據點的最優k值與該數據點的離群程度成正比；從而自適應調整數據點最優k值，從而使得計算出的異常得分更加準確，提高配電網安全用電監測結果的準確度。
11、優選地，所述獲取聚類簇內數據點的一致性包括：
12、獲取聚類簇內數據點采集時刻的差異，以及聚類簇內數據點分布的均勻性；
13、依據所述采集時刻的差異和所述均勻性計算聚類簇內數據點的一致性，其計算表達式為：
14、；
15、式中，表示第i個聚類簇內數據點的一致性，表示第i個聚類簇內數據點采集時刻的差異，表示第i個聚類簇內數據點分布的均勻性。
16、其有益效果為：聚類簇內數據點分布越均勻，說明聚類簇中各個數據點的數值特征越相似，說明聚類簇中的異常表現越低，聚類簇內數據點的一致性越高；聚類簇內數據點采集時刻的差異越大，說明聚類簇內不同數據點的采集時刻偏差越大，聚類簇內數據點的一致性越低；因此令聚類簇內數據點的一致性與聚類簇內數據點分布均勻性成正比，與聚類簇內數據點采集時刻的差異成反比，從而較為準確計算出聚類簇內數據點的一致性。
17、優選地，聚類簇內數據點采集時刻的差異的計算表達式為：
18、；
19、式中，表示第 i個聚類簇中的數據點總數； j表示數據點序號；表示第 i個聚類簇中第 j個數據點的采集時刻；表示第 i個聚類簇中所有數據點的采集時刻的均值。
20、其有益效果為：本專利技術中在計算聚類簇內數據點采集時刻的差異時，首先對于聚類簇中每個數據點，分別計算出其采集時刻與聚類簇中所有數據點的采集時刻均值之間的偏差，并將各個數據點的偏差的均值作為聚類簇內數據點采集時刻的差異，從而使計算出的聚類簇內數據點采集時刻的差異更加準確。
21、優選地，聚類簇內數據點分布的均勻性的計算方法包括：
22、計算聚類簇內的各個數據點，與其他各個數據點之間的歐式距離；
23、分別計算聚類簇內的各個數據點的歐氏距離的方差；
24、依據所述各個數據點的歐氏距離的方差計算聚類簇內數據點分布的均勻性，所述均勻性與所述方差成負相關。
25、其有益效果為：數據點對應的歐氏距離的方差越大，說明該數據點與其他各個數據點之間的歐式距離的差異性越高，數據點分布越不均勻，因此，依據各個數據點對應的歐氏距離的方差計算聚類簇內數據點分布的均勻性，且令均勻性與所述方差成負相關，從而較為準確地計算出聚類簇內數據點分布的均勻性。
26、優選地，聚類簇內數據點分布的均勻性的計算表達式為：
27、；
28、式中，表示數據點序數，；表示第個和第個數據點之間的歐式距離；表示第個數據點與其所在聚類簇中的所有數據點的平均歐式距離。
29、其有益效果為：在計算聚類簇內數據點分布的均勻性時綜合考慮到了聚類簇內每個數據點對應的歐氏距離的方差大小，從而使計算出的聚類簇內數據點分布的均勻性更加準確客觀。本文檔來自技高網...
【技術保護點】
1.一種基于物聯網的電能表安全用電監測方法，其特征在于，包括：
2.如權利要求1所述的基于物聯網的電能表安全用電監測方法，其特征在于，所述獲取聚類簇內數據點的一致性包括：
3.如權利要求2所述的基于物聯網的電能表安全用電監測方法，其特征在于，聚類簇內數據點采集時刻的差異的計算表達式為：
4.如權利要求2所述的基于物聯網的電能表安全用電監測方法，其特征在于，聚類簇內數據點分布的均勻性的計算方法包括：
5.如權利要求4所述的基于物聯網的電能表安全用電監測方法，其特征在于，聚類簇內數據點分布的均勻性的計算表達式為：
6.如權利要求1所述的基于物聯網的電能表安全用電監測方法，其特征在于，其中數據點的離群程度的計算方法包括：
7.如權利要求1所述的基于物聯網的電能表安全用電監測方法，其特征在于，所述依據各個數據點的異常得分對用電行為進行監測并預警包括：
8.如權利要求1~7任意一項所述的基于物聯網的電能表安全用電監測方法，其特征在于，對采集的用電監測數據的數據點進行聚類時采用迭代自組織聚類算法。
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。