基于水电用量比值聚类的异常水电用户检测方法及系统的制作方法
【技术领域】
[0001] 本发明设及用水用电异常用户检测技术领域，尤其是设及一种基于水电用量比值 聚类的异常水电用户检测方法及系统。
【背景技术】
[0002] 随着信息技术的不断发展，智能采集终端应用越来越广泛，大大减少了人工上口 抄表的工作量。大部分城区目前基本可W通过自动集抄的方式实现水、电用量的数据采集， 为后续的管理、计费提供坚实基础。但是由于网络、采集终端稳定性、用户窃电、窃水等各种 原因，不可避免的会出现采集数据异常的问题，对于异常的数据如果没有及时的检测和处 理，会给企业带来经济损失，严重的甚至关系到用水、用电安全。因此，水电用量的异常用户 检测显得尤为重要。
[0003] 传统的异常数据检测方法有很多种，如基于机理模型的预测方法、统计学方法、基 于距离的检测方法、神经网络方法W及支持向量机方法等，每种检测方法都有着自己的适 用范围和条件，它影响着检测方法的有效性和可靠性。因此，选择合适的检测方法对于异常 数据检测至关重要。由于自来水公司和电力公司分属不同企业，用户用水、用电数据没有 共享，传统的用电、用水异常检测，只能在企业内部进行，通常在电力营销系统、用水营销系 统内，对用户用量与历史用量进行检测分析。由于是对用水、用电数据分开进行检测，没有 对两者数据进行结合、综合分析，因此分析结果易出现局部收敛，导致检测结果不准确的问 题。
【发明内容】
[0004] 针对上述现有技术存在的不足，本发明的目的是提供一种基于水电用量比值聚类 的异常水电用户检测方法及系统。
[0005] 本发明的目的之一是提出一种基于水电用量比值聚类的异常水电用户检测方法； 本发明的目的之二是提出一种基于水电用量比值聚类的异常水电用户检测系统。
[0006] 本发明的目的之一是通过W下技术方案来实现的：
[0007] 本发明提供的基于水电用量比值聚类的异常水电用户检测方法，包括W下步骤： [000引 S1 ;采集用户的水量电量数据；
[0009] S2 ;获取水量电量数据中的非零用量数据；
[0010] S3 ;计算非零用量数据的水电比和电水比；
[0011] S4 ;将水电比进行K-Means聚类计算，得到水电比异常个体数据；
[001引 S5 ;将电水比进行K-Means聚类计算，得到电水比异常个体数据；
[0013] S6 ;合并水电比异常个体数据和电水比异常个体数据；作为异常数据并输出。
[0014] 进一步，还包括W下步骤：
[0015] S21 ;获取水量电量数据中的零用量数据；
[0016] S22 ;判断零用量数据是否全是零用量，如果否，则为异常用户。
[0017] 进一步，所述步骤SI中的用户水量电量数据采集，包括采集居民用户的原始用水 量、用电量、水户号、电户号及日期数据。
[001引进一步，所述步骤S4和S5中的K-Means聚类的样本特征向量为用水量/用电量 w/e和用电量/用水量e/w ;并按W下公式进行：
[0019]
【主权项】
1. 基于水电用量比值聚类的异常水电用户检测方法，其特征在于：包括以下步骤： S1:采集用户的水量电量数据； 52 :获取水量电量数据中的非零用量数据； 53 :计算非零用量数据的水电比和电水比； 54 :将水电比进行K-Means聚类计算，得到水电比异常个体数据； 55 :将电水比进行K-Means聚类计算，得到电水比异常个体数据； 56 :合并水电比异常个体数据和电水比异常个体数据；作为异常数据并输出。
2. 根据权利要求1所述的基于水电用量比值聚类的异常水电用户检测方法，其特征在 于：还包括以下步骤： 521 :获取水量电量数据中的零用量数据； 522 :判断零用量数据是否全是零用量，如果否，则为异常用户。
3. 根据权利要求1所述的基于水电用量比值聚类的异常水电用户检测方法，其特征在 于：所述步骤S1中的用户水量电量数据采集，包括采集居民用户的原始用水量、用电量、水 户号、电户号及日期数据。
4. 根据权利要求1所述的基于水电用量比值聚类的异常水电用户检测方法，其特征在 于：所述步骤S4和S5中的K-Means聚类的样本特征向量为用水量/用电量w/e和用电量 /用水量e/w;并按以下公式进行：
其中，Q表示新分裂向量的集合，x表示C,里的个体向量。
5. 基于水电用量比值聚类的异常水电用户检测系统，其特征在于：包括数据采样模 块、数据筛选模块、水电比计算模块、聚类分析模块、数据合并模块和数据输出模块； 所述数据采样模块，用于采集居民用户的水量电量数据； 所述数据筛选模块，用于获取水量电量数据的非零用量数据； 所述水电比计算模块，用于计算非零用量数据的水电比和电水比； 所述聚类分析模块，用于对水电比和电水比分别采用K-Means聚类算法进行聚类分 析，并分别输出水电比异常个体数据和电水比异常个体数据； 所述数据合并模块，用于合并水电比异常个体数据和电水比异常个体数据； 所述数据输出模块，用于输出水电比异常个体数据和电水比异常个体数据的合并结 果，作为异常水电用户。
6. 根据权利要求5所述的基于水电用量比值聚类的异常水电用户检测系统，其特征在 于：所述数据筛选模块还包括零用量数据判断模块，所述零用量数据判断模块按以下步骤 来实现： 首先获取水量电量数据中的零用量数据；然后判断零用量数据是否全是零用量，如果 否，则为异常水电用户。
7. 根据权利要求5所述的基于水电用量比值聚类的异常水电用户检测系统，其特征在 于：所述数据采样模块中的用户水量电量数据采集，包括采集居民用户的原始用水量、用电 量、水户号、电户号及日期数据。
8.根据权利要求5所述的基于水电用量比值聚类的异常水电用户检测系统，其特征在 于：所述聚类分析模块中的K-Means聚类的样本特征向量为用水量/用电量w/e和用电量 /用水量e/w;并按以下公式进行：
其中，Q表示新分裂向量的集合，x表示C,里的个体向量。
【专利摘要】本发明公开了一种基于水电用量比值聚类的异常水电用户检测方法，首先采集用户的水量电量数据中的非零用量数据；计算非零用量数据的水电比和电水比；然后将水电比和电水比进行K-Means聚类计算，得到异常个体数据；最后合并异常个体数据；本发明提出一种基于水电用量比值聚类的异常水电用户检测方法，该方法利用水电比和电水比整合了城市居民的用水数据、用电数据，利用K-Means聚类算法分别对整合的水电比和电水比数据进行异常检测，然后对检测结果进行合并，得到最终的异常水电用户，解决了用水、用电数据分开检测而出现局部收敛的问题，实现了对异常水电用户高效检测的目的。有效避免用水量、水电量分开检测的误检率和漏检率。
【IPC分类】G06Q50-06
【公开号】CN104616211
【申请号】CN201510064546
【发明人】王彬栩, 安磊, 罗飞鹏, 黄俊惠, 管金胜, 叶斌, 赵剑, 徐亦锋
【申请人】宁波永耀信息科技有限公司, 国网浙江省电力公司宁波供电公司, 国网浙江奉化市供电公司
【公开日】2015年5月13日
【申请日】2015年2月6日