【技術實現步驟摘要】
本申請涉及竊電識別的，尤其涉及一種面向基層的竊電識別方法及裝置。
技術介紹
1、隨著電力行業的快速發展和智能化水平的提高，電力計量系統的準確性和安全性問題日益凸顯。竊電行為作為電力計量領域的一大難題，給供電企業帶來嚴重的經濟損失。
2、所以，如何能夠對竊電用戶進行識別，成為本領域技術人員亟待解決的技術問題。
技術實現思路
1、本申請提供一種面向基層的竊電識別方法及裝置，該方法中利用竊電智能分析模型從大量歷史竊電用戶數據中，分析得到多維度的第一用戶用電特征數據，并利用第一用戶用電特征數據訓練得到竊電用戶智能識別模型，該竊電用戶智能識別模型可以提高竊電識別準確率，最大化降低誤判漏判。
2、第一方面，提供一種面向基層的竊電識別方法，包括：
3、對大量歷史竊電用戶數據，利用竊電智能分析模型進行分析，得到第一用戶用電特征數據；
4、利用所述第一用戶用電特征數據，訓練竊電用戶智能識別模型；
5、確定當前用戶的第二用戶用電特征數據；
6、將當前用戶的第二用戶用電特征數據，輸入到所述竊電用戶智能識別模型中，以確定用戶是否竊電。
7、在一些實施例中，所述竊電智能分析模型包括反竊電智能識別模型、高價接低異常識別模型和用電行為特征智能分析模型。
8、在一些實施例中，與所述反竊電智能識別模型對應的第一用戶用電特征數據包括電壓電流異常信息、二次側分流異常信息、一次側分流異常信息、功率因數異常信息、空載損耗與反向電
9、在一些實施例中，與所述高價接低異常識別模型對應的第一用戶用電特征數據包括異常用戶的嫌疑系數。
10、在一些實施例中，與所述用電行為特征智能分析模型對應的第一用戶用電特征數據包括與所屬行業負荷曲線的相似度信息，用戶自身相關性信息，與預設用戶的電流、標準化單位功率、電量三者相似性信息，以及，用電模型信息。
11、在一些實施例中，所述用電行為特征智能分析模型包括用戶用電模式識別模型，所述用戶模型信息包括異常用電模式；
12、所述對大量歷史竊電用戶數據，利用竊電智能分析模型進行分析，得到第一用戶用電特征數據的步驟包括：
13、將大量歷史竊電用戶數據，輸入所述用戶用電模式識別模型，以輸出用戶模型信息；其中，所述用戶用電模式識別模型用于對專變用戶負荷數據進行預處理和歸一化，運用k-means聚類算法對歸一化后的用戶負荷數據進行聚類，每個簇代表一種用戶模式信息，通過聚類結果構建單一用戶近一年用電模式；其中，如果所述專變用戶負荷數據到簇中心點的距離大于簇的閾值半徑，確定所述用戶模式信息為異常用電模式。
14、在一些實施例中，所述利用所述第一用戶用電特征數據，訓練竊電用戶智能識別模型的步驟包括：
15、對所述第一用戶用電特征數據進行探索分析，以剔除不可能存在竊電行為的用戶；
16、對探索分析后的所述第一用戶用電特征數據進行預處理，得到預處理后的第一用戶用電特征數據；
17、對所述預處理后的第一用戶用電特征數據按照比例，拆分成測試樣本和訓練樣本；
18、利用所述訓練樣本對包括所述多步融合機制的rnn算法的竊電用戶智能識別模型進行訓練，并利用所述測試樣本對訓練后的竊電用戶智能識別模型進行測試，當測試結果達到預期，則確定當前的訓練后的竊電用戶智能識別模型為竊電用戶智能識別模型。
19、第二方面，提供一種面向基層的竊電識別裝置，包括：
20、分析單元，用于對大量歷史竊電用戶數據，利用竊電智能分析模型進行分析，得到第一用戶用電特征數據；
21、訓練單元，用于利用所述第一用戶用電特征數據，訓練竊電用戶智能識別模型；
22、確定單元，用于確定當前用戶的第二用戶用電特征數據；
23、輸入單元，用于將當前用戶的第二用戶用電特征數據，輸入到所述竊電用戶智能識別模型中，以確定用戶是否竊電。
24、第三方面，提供一種電子設備，包括：至少一個處理器；以及，與所述至少一個處理器通信連接的存儲器；
25、其中，所述存儲器存儲有可被所述至少一個處理器執行的指令，所述指令被設置為用于執行上述方法。
26、第四方面，提供一種計算機可讀存儲介質，存儲有計算機可執行指令，所述計算機可執行指令用于執行所述方法。
27、在上述實施例中提供的一種面向基層的竊電識別方法及裝置，該方法中利用竊電智能分析模型從大量歷史竊電用戶數據中，分析得到多維度的第一用戶用電特征數據，并利用第一用戶用電特征數據訓練得到竊電用戶智能識別模型，該竊電用戶智能識別模型可以提高竊電識別準確率，最大化降低誤判漏判。所述方法包括對大量歷史竊電用戶數據，利用竊電智能分析模型進行分析，得到第一用戶用電特征數據；利用所述第一用戶用電特征數據，訓練竊電用戶智能識別模型；確定當前用戶的第二用戶用電特征數據；將當前用戶的第二用戶用電特征數據，輸入到所述竊電用戶智能識別模型中，以確定用戶是否竊電。
本文檔來自技高網...【技術保護點】
1.一種面向基層的竊電識別方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述竊電智能分析模型包括反竊電智能識別模型、高價接低異常識別模型和用電行為特征智能分析模型。
3.根據權利要求2所述的方法，其特征在于，與所述反竊電智能識別模型對應的第一用戶用電特征數據包括電壓電流異常信息、二次側分流異常信息、一次側分流異常信息、功率因數異常信息、空載損耗與反向電流電量異常信息、離散系數異常信息、電量異常信息、相位角異常信息和低壓用戶竊電信息。
4.根據權利要求2所述的方法，其特征在于，與所述高價接低異常識別模型對應的第一用戶用電特征數據包括異常用戶的嫌疑系數。
5.根據權利要求2所述的方法，其特征在于，與所述用電行為特征智能分析模型對應的第一用戶用電特征數據包括與所屬行業負荷曲線的相似度信息，用戶自身相關性信息，與預設用戶的電流、標準化單位功率、電量三者相似性信息，以及，用電模型信息。
6.根據權利要求2所述的方法，其特征在于，所述用電行為特征智能分析模型包括用戶用電模式識別模型，所述用戶模型信息包括異常用電
7.根據權利要求2所述的方法，其特征在于，所述利用所述第一用戶用電特征數據，訓練竊電用戶智能識別模型的步驟包括：
8.一種面向基層的竊電識別裝置，其特征在于，包括：
9.一種電子設備，其特征在于，包括：至少一個處理器；以及，與所述至少一個處理器通信連接的存儲器；
10.一種計算機可讀存儲介質，其特征在于，存儲有計算機可執行指令，所述計算機可執行指令用于執行如權利要求1至7中任一項所述的方法。
...【技術特征摘要】
1.一種面向基層的竊電識別方法，其特征在于，包括：
2.根據權利要求1所述的方法，其特征在于，所述竊電智能分析模型包括反竊電智能識別模型、高價接低異常識別模型和用電行為特征智能分析模型。
3.根據權利要求2所述的方法，其特征在于，與所述反竊電智能識別模型對應的第一用戶用電特征數據包括電壓電流異常信息、二次側分流異常信息、一次側分流異常信息、功率因數異常信息、空載損耗與反向電流電量異常信息、離散系數異常信息、電量異常信息、相位角異常信息和低壓用戶竊電信息。
4.根據權利要求2所述的方法，其特征在于，與所述高價接低異常識別模型對應的第一用戶用電特征數據包括異常用戶的嫌疑系數。
5.根據權利要求2所述的方法，其特征在于，與所述用電行為特征智能分析模型對應的第一用戶用電特征...
【專利技術屬性】
技術研發人員：鐘磊，姜雪嬌，徐佳隆，江蕾，孫延松，吳民，
申請(專利權)人：海南電網有限責任公司，
類型：發明
國別省市：
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。