一种低压集抄系统零电量用户的智能辨识方法与流程
本发明属于发电、变电或配电领域，尤其涉及一种用于供、配电系统用户用电模式的判别方法。
背景技术：
2010年起，在国家电网公司的统一部署下，各地供电公司开始全面推进低压集抄系统的应用，采用集中抄表管理系统(简称集抄系统)来集中采集用户的用电数据(简称集抄数据)，目前已基本实现全覆盖。实施这项工作的目的，一是降低抄表工作量、提高抄表质量，二是提升用电管理的信息化和自动化水平。
从实际应用情况来看，集抄数据常出现缺失、突变或与表计显示值不一致的问题。为提高集抄数据用于出账的准确性，目前的做法是：在出账前对集抄数据缺失和异常(环比增/减幅超出一定范围)的用户实施人工核抄、以核抄数据作为出账依据；二是，每3～6个月对所有用户进行一次人工核抄，对核抄和集抄偏差部分实施电量电费退/补。除此之外，部分供电公司还率先研发了集抄消缺系统，每月将集抄数据缺失的用户整理出来，及时开展现场消缺。上述复核消缺方法对提高集抄出账准确率起到了积极作用，但实际运用中仍发现如下问题：
(1)集抄数据缺陷现象很多，但目前的消缺主要查找集抄数据缺失的用户、以提高在线率和成功率，对日冻结电量突降、部分日数据缺失等问题并不做分析和改进，无法全面发现集抄系统中潜在的问题。
(2)造成集抄数据缺失或缺陷的原因很多，譬如集中器故障、电能表故障、载波信号问题、台区关联问题、用电异常等等，找准原因是解决问题的前提。目前工作中只是找出待消缺的用户清单，造成数据缺失的原因则完全要靠人工现场排查，效率低，不利于消缺任务的及时完成。
(3)集抄数据是否异常不完全与环比增/减幅的大小对应——季节变迁等因素也会导致月用电量大幅变化、造成正常误判为异常；反之，月用电量低位运行但不怎么波动的窃电用户却会被误判为正常。前者白白增加了每月人工补抄的工作量，后者则又使得电量电费流失、未予及时追缴。
(4)对集抄异常用户安排核抄后，一旦发现核抄结果与集抄数据有偏差，往往就以核抄数据为准，对人工核抄质量缺乏必要的监督和管控。
(5)集抄数据蕴含着大量有用信息，可指导消缺、反窃电、消缺/核抄质量评价等多方面的工作，但目前仅作为出账的依据之一；同时，消缺工作组、稽查组、核抄组之间又缺乏必要的信息沟通，不利于问题的及时发现和工作的有序推进。
目前，集抄数据出现如下5种情况之一时，安排人工核抄：
(1)数据缺失：目前仅限于当期集抄数据中找不到某用户的正向总有功电量(冻结值)数据，此条作为待消缺用户的判定依据；
(2)零电量：指当期正向总有功电量(用电量)为零；
(3)总分不匹配：此条仅针对采用分时电价的用户，指当期正向总有功电量(用电量)不等于当期分费率有功电量之和的情况；
(4)首次出账：指报装接电后第一次出账的情况；
(5)环比增长率≥50％：指当期用电量与上期用电量之差与上期用电量的比值的绝对值大于等于50％的情况。
上述复核原则的问题主要集中于第(1)点中的消缺原则和第(2)、(5)点中的异常判定原则，不合理具体表现在：
(1)将消缺用户对象限定于集抄数据缺失的情况，而实际上存在一些数据不全部缺失但存在缺陷的用户，数据缺陷包括部分日期数据缺失、冻结值突变等现象，若不对这些现象梳理仍然无法全面对累计电量的正确性加以判断。
(2)集抄异常判定中月用电量“环比波动率≥50％”的原则没有考虑季节性气候变迁的影响。气温敏感型用户在季节交替时用电波动量很大，按此规则会被误判为需要核抄的用户，白白增加核抄工作量。
(3)月用电量“环比波动率≥50％”的复核原则也没有考虑窃电因素的影响。窃电可能使用电量处于较低水平，月间并无太大波动，按环比波动率原则这种异常情况反而可能被误判为正常，延误了电费追缴。
(4)复核原则没有考虑用户特有用电模式的影响。由于都市国际化、流动人口增加、生活质量提高、市场经济发展等多方面因素，上海低压用户(尤其居民用户)涌现出不少新模式。例如，空置房、出租房、定期度假/出差/回乡等等。如果脱离用户自身用电模式而简单依据单月用电量水平和环比波动率判定异常，也会造成误判而白白增加复核工作量。
上述一系列问题本质上表明，提高集抄质量、提升营销业务水平与集抄数据分析能力的提升密切关联、相辅相成。为使集抄系统的应用能真正起到其应有的作用，亟需提升对集抄数据的分析能力，并基于集抄数据分析构建包含消缺、复核、稽查、出账、考评等多环节的业务流程，建立一种更为智能和全面的集抄复核管控系统，以准确测算出整个电网的产量，销量和损耗，使电力部门可依据其数据加强管理，盘点库存，降低损耗，弥补漏缺。
技术实现要素：
本发明所要解决的技术问题是提供一种低压集抄系统零电量用户的智能辨识方法，其按用户的当月集抄有功总电量水平和电量环比波动率，进行集抄数据异常的初步判定，一方面使得判断逻辑可行，另一方面也迫使零电量问题在第一次出现时就予重视和核查。
本发明的技术方案是：提供一种低压集抄系统零电量用户的智能辨识方法，包括按当月集抄有功总电量水平和电量环比波动率，进行集抄数据异常的初步判定，初步筛选出可能为异常的用户，其可能为异常的用户分为待消缺用户、待稽查用户和待核抄用户，其特征是：
1)对于当期月总用电量为零且近两年中无窃电记录的用户，根据其是否为零电量模式用户来进一步判定是否需要对其进行核抄；
2)符合下列情况的用户，属于零电量模式用户：
A、在当期抄表月份前6个月的月用电量值处于低值状态；
B、在当期抄表月份前6个月的月总正向有功电量反复波动，并保持月总正向有功电量为零或处于低值状态；
C、去年同期月总正向有功出账电量为接近零值或处于低值状态；
3)如果属于上述三种情况，则认为当期总正向有功电量接近零值或处于低值状态属于正常的现象，属零电量模式用户，进而依据近半年有无复核为正常的记录来判定是否需要核抄；反之，若不属于上述三种情况而当月总正向有功电量接近或处于低值状态，则认为是异常零值，立即判定为待核抄用户；
4)对于零电量模式用户，如果半年内有复核为正常的记录，则仍判定为正常；若无半年内复核为正常的记录，则判定为待核抄用户；
5)若用户在近两年内有窃电记录，则一旦出现当期用电量为零、或者当期用电量大幅下降或者谷电比重突增，判定为待稽查用户。
具体的，所述的低值状态是指当期抄表月份前6个月的月用电量值或总正向有功电量最大值小于10度电。
进一步的，在所述的步骤4)中，若无半年内复核为正常的记录的情况，包括半年内没有进行过复核的记录以及复核的记录为异常两种情况。
进一步的，所述的步骤5)中，当期用电量大幅下降的判断依据为
其中，当期抄表月份为第Y年、第M月；为第k个用户当期集抄所得有功月总用电量的环比波动率。
进一步的，所述的步骤5)中，当期用电量谷电比重突增的判断依据为
其中，当期抄表月份为第Y年、第M月；为第k个用户当期集抄所得谷时段有功用电比重的环比增长率。
本技术方案所述的智能辨识方法，先判定该用户当期是否是低用电量或零用电量；对于不是低用电量或零用电量的用户，再判定该用户的环比波动率；在波动率判定时，若用户上月电量为零，直接判定为该用户当期正常，只对上月用电量非零的用户计算环比波动率。
本技术方案所述的智能辨识方法，通过判定该用户的环比波动率，一方面使得判断逻辑可行，另一方面也迫使零电量问题在第一次出现时就予重视和核查。
与现有技术比较，本发明的优点是：
1、对于当期月总用电量为零且近两年中无窃电记录的用户，根据其是否为零电量模式用户来进一步判定是否需要对其进行核抄，识别过程简单，便于操作，易于被用户接受；
2、按用户的当月集抄有功总电量水平和电量环比波动率，进行集抄数据异常的初步判定，一方面使得判断逻辑可行，另一方面也迫使零电量问题在第一次出现时就予重视和核查。
3、依据零电量模式对用户进行识别或区分，有助于识别空置房、出租房、定期度假/出差/回乡等等情况，有助于避免造成误判而白白增加复核工作量，可大大减少现场人工复核的工作量。
附图说明
图1是本发明集抄异常智能分析总体流程的方框图；
图2是本发明集抄异常的二次判定流程示意图。
具体实施方式
下面结合附图和实施例对本发明做进一步说明。
下面结合附图对本发明做进一步说明。
图1中，给出了集抄数据异常分析方案中的总体流程方框图，由图可知，根据集抄复核原则的优化方案，针对需消缺用户、需复核用户、需稽查用户和正常出账用户等四类用户分别设计了判定流程。其具体流程如下：
(1)数据预处理(第①步)：对每一集抄用户当月的日冻结电量进行差、和运算，求得逐日各费率有功电量、逐日总有功电量、当月各费率总有功电量和当月总有功电量。
(2)集抄数据缺陷判定(第②步)：找出当月集抄数据存在缺陷的用户。为此，对用户当期逐日总有功电量和分费率有功电量的缺陷进行判定，将日总/分有功电量存在缺陷(缺失或者突变)的用户纳入待消缺用户清单。不需消缺的用户执行后续步骤。
(3)新装用户判定(第③步)：将首次出账用户直接列入需核抄用户清单，其余用户执行后续步骤。
(4)总分不匹配判定(第④步)：将当月各费率有功电量之和不等于当月总有功电量的用户列入待核抄用户清单，其余用户执行后续步骤。
(5)异常初判(第⑤步)：采用目前常规的判定规则，即将当期用电量为零或月用电量环比波动率≥50％的用户初判为异常。初判正常用户归为可出账用户，初判为异常的用户执行后续步骤。
(6)集抄异常的二次判定(第⑥、⑦步)：对初判为异常的用户实施用电模式识别，在此基础上得到当月总有功电量合理范围，对此类用户是否异常以及属于需稽查(窃电可疑)/需核抄的情况进行判别。由此最终整理出当期的待稽查、待核抄、可出账用户清单。
其中，在集抄异常的二次判定(第⑥、⑦步)中，从异常的用户中除去确定的待消缺用户之后，对剩余用户实施模式识别的两阶段判定算法，梳理出当期待核抄用户、待稽查用户和可出账用户清单；
对无历史窃电记录且拥有两年以上集抄数据的用户，开展模式稳定性判别，参照历史用电模式预测当期用电量的合理范围，进而判定当期用电量是否异常。
对于无历史窃电记录且拥有两年以上集抄数据的用户，以12个月月份系数定义用电模式时间序列，采用灰色关联度分析法判定用电模式稳定性，其中的12个月月份系数为月总有功电量占12个月平均月总有功电量的比值。
对判定为用电模式稳定的用户，进一步依据历史用电数据估算其当期用电量的合理范围，进而查看集抄所得用电量是否在合理范围内，由此判定集抄数据是否异常。
本技术方案，采用基于模式识别的两阶段判定算法。从低压用户中除去确定的待消缺用户之后，对剩余用户实施这种两阶段判定算法，即可梳理出当期待核抄、待稽查、可出账用户清单。
所述的两阶段判定方法包括“初次判定”(简称初判)、“二次判定”两个环节，下面对这两个环节的方法予以细化。
一、初判方法
集抄数据异常的初步判定宜采用较为简单的方法，因为该环节面对数量众多的用户，目的是初步筛选出可能为异常的用户，缩小二次判定的范围、提高二次判定的效率。
为此，基本沿用目前的异常判定方法，即按当月集抄有功总电量水平和电量环比波动率进行初判。
不过，注意到远程抄表环境下对时错误或者用户破坏分费率计度器均会导致分费率有功电量失真，这种数据异常比较隐蔽，不一定影响总有功电量的累计值，但由于峰、谷时段电量发生了偏差，仍会对电费收益造成影响。
为此，本技术方案对初判方法做出如下改进，即：除了考察月总有功用电量的环比波动率之外，还考察各费率(即分时)有功用电比重的波动率，若其中任何一个的环比波动率≥50％都初判为异常。
这样一来，经二次判定后，表计存在对时错误的用户会被列入待核抄用户清单，而破坏分费率计度器的用户会被列入待稽查用户清单。
以下记当期为第Y年、第M月；表示集抄所得第k个用户当期正向有功总用电量；表示当期用于初判的月有功用电量下限值(视核抄和稽查组人员的配置情况，可取零或者一个很小的值，本技术方案后续仅考察零电量用户、即取)；为第k个用户当期集抄所得有功月总用电量的环比波动率；为第k个用户当期集抄所得谷时段有功用电比重的环比增长率。
在采用上述符号的约定下，集抄数据异常的初判规则如表1中所示。
表1、集抄数据异常初判的判断表
在进行初判时，先判定该用户当期是否是低(零)用电量；不是低(零)电量再判定环比波动率；在波动率判定时，若用户上月电量为零，直接判定为该用户当期正常，只对上月用电量非零的用户计算环比波动率。
这样一方面使得识别方法可行，另一方面也迫使零电量问题在第一次出现时就予重视和核查。
二、二次判定方法
本技术方案中，对初判为疑似异常的用户进一步实施二次判定。
二次判定的目标是区分出待核抄、待稽查、可出账用户，总体流程如图2中所示，其中有以下基本原则：
(1)若用户在近两年内有窃电记录，则一旦出现当期用电量为零、或者当期用电量大幅下降或者谷电比重突增倾向于判定为待稽查用户。
(2)无窃电记录的用户若出现当期用电量为零，则需进行零电量用电模式的判别。所谓零电量模式，是指该用户用电量长期为零、经常出现零用电量情况或去年同期出现或零电量的情况。对于零电量模式用户，如果半年内有复核为正常的记录，则仍判定为正常；若无半年内复核为正常的记录(包括半年内没有进行过复核或是复核为异常两种情况)，则判定为待核抄用户。
(3)对无历史窃电记录且拥有两年以上集抄数据的用户，需开展模式稳定性判别，参照历史用电模式预测当期用电量的合理范围，进而判定当期用电量是否异常。
(4)对于无历史窃电记录但集抄数据不足两年、或者历史数据满两年但模式稳定性判别结果为不稳定的用户，其历史用电模式对当期集抄数据合理性判定不具有很强的参考意义。为此，一旦出线用电量大幅突降或者谷电比重突增的情况，需列为待核抄用户。
图2中，对于无历史窃电记录且拥有两年以上集抄数据的用户，以12个月月份系数定义用电模式时间序列，采用灰色关联度分析法判定用电模式稳定性，其中的12个月月份系数为月总有功电量占12个月平均月总有功电量的比值；
若用户过去第1～12个月为第I年，过去第13～24个月为第II年；则用电模式稳定性分析按如下流程进行：
1)将历史月用电量折算到基准气温下：
第m月的基准气温定义为当地多年来对应月份的平均气温，将逐月用电量折算到基准气温下，以剔除两年气温差异对月份系数时间序列相似性的影响；
2)计算月份系数；
据基准温度下的折算值得到过去24个月的月份系数；
3)求两年月份系数序列的关联度：
用第I年月份系数、II年月份系数，定义用户的两个用电模式时间序列，它们构成关联度分析的两个因素序列；先计算两极最大差和最小差，对因素序列中每一因素计算关联系数，对用户计算关联系数的均值，将关联系数的均值大于阈值的用户判定为用电模式稳定；
对判定为用电模式稳定的用户，进一步依据历史用电数据估算其当期用电量的合理范围，进而查看集抄所得用电量是否在合理范围内，由此判定集抄数据是否异常。
具体的，在将所述的历史月用电量折算到基准气温下时，按照下列方式进行：
首先利用最近一次夏季、冬季的日用电量数据，计算用户k夏季、冬季日有功电量关于日平均气温的灵敏度系数，分别记为εkSM和εkWT；
其中的εkSM为用户k夏季日有功电量关于日平均气温的灵敏度系数，εkWT为用户k冬季日有功电量关于日平均气温的灵敏度系数；
夏季为6～9月，冬季为12月～次年2月；
当期为第y年、第m月；其中的y＝I,II；m＝1,…,12；
则用户k该月用电量折算公式为：
式中，为该月用电量折算值，为该月用电量实际值，ny,m为第y年第m月的天数；εk,m为气温灵敏度系数，第m月为夏季月时取εkSM，第m月为冬季月时取εkWT，春秋季月份时可取0；为当地多年来对应月份的平均气温，为第y年第m月实际的月平均气温均值。
具体的，在计算所述的月份系数时，据基准温度下的折算值，得到用户k过去24个月的月份系数：
其中，当期为第y年、第m月；其中的y＝I,II；m＝1,…,121；2为用户k过去24个月中每年的用电量折算值，为用户k过去24个月中每个月的用电量折算值，i＝1,…,12；βk,Y-y,m为用户k过去24个月的月份系数。
进一步的，在结算所述的两年月份系数序列的关联度时，按照下列步骤进行：
用第I、II年月份系数定义用户k的两个用电模式时间序列xk,I＝{xk,I(1)…xk,I(12)}和xk,II＝{xk,II(1)…xk,II(12)}，构成关联度分析的两个用电模式时间因素序列；
为判定两者的关联度，先计算两极最大差和最小差：
其中Δk,min为最小差，Δk,max为最大差xk,I(i)为用户k第I年的月份系数用电模式时间序列，xk,II(i)为用户k第II年的月份系数用电模式时间序列。
其次，对因素序列中每一因素计算关联系数：
其中Δk(i)＝|xk,I(i)-xk,II(i)|
式中，ρ∈[0,1]为分辨系数；
对用户k计算关联系数的均值：
将用户k计算关联系数的均值Δk大于阈值的用户判定为模式稳定。
进一步的，所述的预测当期用电量的合理范围，按照下列方式进行：
对用电模式判定为稳定的用户预测当期月用电量合理区间，包括如下两步预测用户当期月用电量灰色估计值：
a)首先按月份系数法预测当期月用电量：
其中，为用户k的当期月预测用电量，为对用户k上两年月均用电量加权平均后得到的当年月均用电量预测值；M0为当期对应的月份；为对用户k上两年第M0月月份系数加权平均后预测得到的当期月份系数；
b)将上式所得预测值视作当期月均气温为上两年同期月均气温加权均值时的月用电量；
则跟据当期实际月均气温按下式对当期月用电量灰色估计值修正：
其中，为当期月用电量灰色估计修正值，为用户k的当期月预测用电量，εk,0为当月的气温灵敏度系数，为当期实际月均气温，为上两年同期月均气温加权均值。
在实际实施过程中，对于月用电量合理区间的采用如下的预测方法：
对用电模式判定为稳定的用户预测当期月用电量合理区间。包括如下两步：
(1)预测用户k的当期月用电量灰色估计值：
首先按月份系数法预测当期月用电量
其中，为用户k的预测当期月用电量，为对用户k上两年月均用电量加权平均后得到的当年月均用电量预测值；M0为当期对应的月份；为对用户k上两年第M0月月份系数加权平均后预测得到的当期月份系数。
上式所得预测值可视作当期月均气温为上两年同期月均气温加权均值时的月用电量。
据当期实际月均气温按下式对当期月用电量灰色估计值修正：
在实际实施过程中，对于当期月用电量合理范围的预测方法如下：
首先对用户定义当月基准电量，它是依据用户历史用电模式而对当月用电量做出的预测值，采用月份系数法进行预测，具体步骤为：
第1步：计算倒推年各月有功电量相对于其所在倒推年月平均用电量的比值。对第k个用户第l个倒推年第m月，计算结果记为βk,l,m。
第2步：计算同期月份系数的均值，对第k个用户第m月
第3步：预测当期所在年份的总用电量，为此采用加权平均的方法，并赋予较近年份的用电量值以较大的权重，故而有
第4步：预测当期用电量，计算公式为：
第5步：对当期用电量进行修正，以获得当期基准电量。
实施此步是鉴于上式预测所得当期用电量可理解为当期月平均气温等于过去两年同期月平均气温加权均值下的预测值，而当期实际的月平均气温可能偏离，为此需要根据气温偏离值和用户用电灵敏度系数对当期用电量进行修正，以计入气温波动的影响。
基于上述思想，第k个用户当期基准电量计算公式为
确定各用户的基准电量后，按基准电量的一定偏差范围定义核抄用户当月用电量的合理范围。
若记第k个用户在过往6个月预测值与实际值偏差幅度的最大值和最小值分别为和则该用户当期正向有功电量的合理范围为其中上界和下界按下两式确定：
具体的，本发明的技术方案，提供了一种低压集抄系统零电量用户的智能辨识方法，包括按当月集抄有功总电量水平和电量环比波动率，进行集抄数据异常的初步判定，初步筛选出可能为异常的用户，其可能为异常的用户分为待消缺用户、待稽查用户和待核抄用户，其发明点在于：
1)对于当期月总用电量为零且近两年中无窃电记录的用户，根据其是否为零电量模式用户来进一步判定是否需要对其进行核抄；
2)符合下列情况的用户，属于零电量模式用户：
A、在当期抄表月份前6个月的月用电量值处于低值状态；
B、在当期抄表月份前6个月的月总正向有功电量反复波动，并保持月总正向有功电量为零或处于低值状态；
C、去年同期月总正向有功出账电量为接近零值或处于低值状态；
3)如果属于上述三种情况，则认为当期总正向有功电量接近零值或处于低值状态属于正常的现象，属零电量模式用户，进而依据近半年有无复核为正常的记录来判定是否需要核抄；反之，若不属于上述三种情况而当月总正向有功电量接近或处于低值状态，则认为是异常零值，立即判定为待核抄用户；
4)对于零电量模式用户，如果半年内有复核为正常的记录，则仍判定为正常；若无半年内复核为正常的记录，则判定为待核抄用户；
5)若用户在近两年内有窃电记录，则一旦出现当期用电量为零、或者当期用电量大幅下降或者谷电比重突增，判定为待稽查用户。
具体的，所述的低值状态是指当期抄表月份前6个月的月用电量值或总正向有功电量最大值小于10度电。
进一步的，在所述的步骤4)中，若无半年内复核为正常的记录的情况，包括半年内没有进行过复核的记录以及复核的记录为异常两种情况。
进一步的，所述的步骤5)中，当期用电量大幅下降的判断依据为
其中，当期抄表月份为第Y年、第M月；为第k个用户当期集抄所得有功月总用电量的环比波动率。
进一步的，所述的步骤5)中，当期用电量谷电比重突增的判断依据为
其中，当期抄表月份为第Y年、第M月；为第k个用户当期集抄所得谷时段有功用电比重的环比增长率。
本技术方案所述的智能辨识方法，先判定该用户当期是否是低用电量或零用电量；对于不是低用电量或零用电量的用户，再判定该用户的环比波动率；在波动率判定时，若用户上月电量为零，直接判定为该用户当期正常，只对上月用电量非零的用户计算环比波动率。
本技术方案所述的智能辨识方法，通过判定该用户的环比波动率，一方面使得判断逻辑可行，另一方面也迫使零电量问题在第一次出现时就予重视和核查。
实施例：
本技术方案中，用电模式稳定性判定针对当期用电量非零且历史用电数据满24个月的用户。
对用电模式稳定的用户，按历史数据预测而得的用电量合理区间才具有集抄电量异常判据的意义。针对上述目的，本技术方案以12个月月份系数(月总有功电量占12个月平均月总有功电量的比值)定义用电模式时间序列，采用灰色关联度分析法判定用电模式稳定性。
以下记用户过去第1～12个月为第I年，过去第13～24个月为第II年。用电模式稳定性分析按如下流程进行：
(1)将历史月用电量折算到基准气温下：
第m月的基准气温定义为当地多年来对应月份的平均气温。将逐月用电量折算到基准气温下，是为了剔除两年气温差异对月份系数时间序列相似性的影响。
首先利用最近一次夏季(6～9月)、冬季(12月～次年2月)的日用电量数据，计算用户k夏季、冬季日有功电量关于日平均气温的灵敏度系数，分别记为εkSM和εkWT。若第y年(y＝I,II)第m月实际的月平均气温均值为则该月用电量折算公式为：
式中，ny,m为第y年第m月的天数；εk,m为气温灵敏度系数，第m月为夏(冬)季月时取εkSM(εkWT)，春秋季月份时可取0。
(2)计算月份系数：
据基准温度下的折算值得到过去24个月的月份系数(y＝I,II；m＝1…12)
(3)求两年月份系数序列的关联度：
用第I、II年月份系数定义用户k的两个用电模式时间序列xk,I＝{xk,I(1)…xk,I(12)}和xk,II＝{xk,II(1)…xk,II(12)}，它们构成关联度分析的两个因素序列。为判定两者的关联度，先计算两极最大差和最小差
其次，对因素序列中每一因素计算关联系数：
其中Δk(i)＝|xk,I(i)-xk,II(i)|
式中，ρ∈[0,1]为分辨系数。
对用户k，计算关联系数的均值：
将Δk大于阈值的用户判定为模式稳定。
下面给出一个具体的实施范例，以有助于本领域的技术人员更好地理解本技术方案：
(一)、异常初判结果：
从某供电公司XX站点下低压用户中随机选取1000家用户，以2015年X月为目标月进行分析。由于没有拿到这些用户最近一次换表日期，故暂且认为其中没有新装/换表用户；此外，经搜索，这些用户中该月不存在集抄数据总分不匹配问题。
采用前述的初判方法，即从低值电量(阈值取10kWh/月)、月总用电量环比波动率、分时用电比重环比波动率三个角度进行异常初判，共找到初判为异常的用户590户，其余410户归入可正常出账用户清单。
表2列出了590户中属于三种初判异常情况的用户数，可见：存在2.6％的用户虽然总用电量环比波动率未超50％、但分时用电比重环比波动率超50％，所以，在本技术方案中，将分时用电比重环比波动率加入异常初判判据是非常有必要的。
表2集抄异常初判结果
(二)、二次判定结果：
对初判为异常的590家用户实施二次判定，顺序找到如下异常用户：
(1)当期低值用电量、且24个月内有窃电记录的用户有4户，将其列入待稽查用户清单。
(2)对于无窃电记录的低值电量用户进行零电量用电模式的判定。判定结果中，属于非零电量用电模式的用户有9家，将这些用户纳入待核抄用户；剩余48户属于零电量用电模式，由于缺少历史复核记录，这里将这48户都列为待核抄用户。
(3)对于当期非低值用电量而被初判为异常的用户(属于当期总有功电量环比变化率≥50％或当期谷电比重环比变化率≥50％的情况)，首先也查看有无历史窃电记录，找到有窃电记录用户14家。进而搜索发现这些用户当期总有功电量环比增幅均≥50％，可判定为正常。
(4)对于当期非低值用电且没有窃电记录的用户中历史集抄数据不足24个月的用户，直接根据总有功电量环比波动率和谷电比重环比波动率来进行判断。该类用户中总有功电量环比增幅≥50％的用户有98家，判定为正常；总有功电量环比增长率<50％(包括有功电量环比增长率<-50％和谷电比重环比增长率>50％)的共有7家，判定为待核抄用户。
(5)对当期非低值用电、无窃电记录且历史集抄数据满24个月的用户，实施用电模式稳定性判别。取关联度阈值为0.82，得到模式不稳定用户283家，其中：当期总有功电量环比增幅≥50％的用户258户，判定为正常；当期总有功电量环比增幅<50％的用户25户，判定为待核抄用户。
(6)当期非低值用电、无窃电记录且历史集抄数据满24个月的用户中，判定为模式稳定的用户127家。经合理用电量范围计算和当期用电量是否越出该范围的判定，其中：当期总有功电量>合理上限而判定为正常的用户4家；当期总有功电量在合理范围内而判定为正常的用户83家；当期总有功电量越下界而判定为待稽查的用户共40家。
综合上述检测结果，在本次采集实施例的1000家用户中，可正常出账的用户为833家，待核抄的用户122户，待稽查的用户45户。
值得留意的是，若按照现有的复核原则，仅根据低值用电、总用电量环比波动率来判定的话，当期待核抄用户多达564户、且无法找出其中有窃电可疑的用户。
而根据本技术方案中的方法，将待核抄用户数缩减到122户，且找出了有窃电可疑、待稽查的用户。
本发明的技术方案，对于当期月总用电量为零且近两年中无窃电记录的用户，根据其是否为零电量模式用户来进一步判定是否需要对其进行核抄，识别过程简单，便于操作，易于被用户接受；按用户的当月集抄有功总电量水平和电量环比波动率，进行集抄数据异常的初步判定，一方面使得判断逻辑可行，另一方面也迫使零电量问题在第一次出现时就予重视和核查。
本技术方案的实施，依据零电量模式对用户进行识别或区分，有助于识别空置房、出租房、定期度假/出差/回乡等等情况，有助于避免造成误判而白白增加复核工作量，可大大减少现场人工复核的工作量，有助于提高异常判定的准确性，并可在保证复核质量的前提下，明显缩小复核范围，降低了误判率，在不提高人工复核工作量的同时，可提高复核的及时性和集抄数据的可靠性，从而有助于提高复核效率。
本发明可广泛用于集中抄表管理系统的设计、运行和管理领域。
- 还没有人留言评论。精彩留言会获得点赞！