一种反窃电行为识别方法和系统与流程

本发明属于用电评价指标参数数据监控技术领域，涉及一种反窃电行为识别方法和系统。

背景技术：

针对目前的窃电行为呈现专业化、隐蔽性的特点，反窃电技术逐步向智能化转变。

传统的反窃电手段包括：一、在电能表安装的地方安装柜子并加锁，使用户不能够接触到电能表，这样就可以有效的防止窃电行为的进行。但是在一些偏远的地区这种方法很难得到应用，所以需要工作人员的不断巡查。二、针对电能表易被撬开和复原的问题进行改进，还对电能表的封口处进行了复封，并采用统一的编号，加强管理。三、采用智能电能表，虽然智能电能表理论上的突出优点在反窃电领域有着很好的效果，但是在实际使用中，在技术层面上由于目前还受限于传输速度和信息量等方面的影响，智能电能表所保存记录的失压、失流、断相、掉电、电压逆相序等异常操作事件尚不能及时上传给有关部门，在窃电行为发生时还不能完全实现自动报警。

另外，现有的用电信息采集系统的后台分析处理能力还有待进一步完善。

技术实现要素：

为解决现有技术中的不足，本申请提供一种反窃电行为识别方法和系统，诊断效果好，可以对用电用户进行多方面的分所，以缩小搜索范围，提高反窃电工作效率。

为了实现上述目标，本发明采用如下技术方案：

一种反窃电行为识别方法，其特征在于：

所述方法包括以下步骤：

步骤1：获取用户历史用电评价指标参数数据；

步骤2：基于用户历史用电评价指标参数数据，构建并训练疑似窃电用户识别模型；

步骤3：采用疑似窃电用户识别模型，识别疑似窃电用户；

步骤4：结合用户用电评价指标参数横向数据，对疑似窃电用户进行校验，确定窃电用户。

本发明进一步包括以下优选方案：

优选地，步骤1获取的用户历史用电评价指标参数数据，包括窃电用户和正常用户的用电量、功耗因数、三相电压不平衡率、三项电流不平衡率、用表类型以及其是否窃电的标志位。

优选地，还包括：步骤5：下发窃电用户的核查名单，进行人工核查。

优选地，还包括：存储并显示各步骤数据，以便用户查询及疑似窃电用户识别模型再次训练。

优选地，步骤2具体包括：

步骤2.1：归一化处理用户历史用电评价指标参数数据：

通过离差标准化，对原始数据进行线性变换，使结果映射到[0-1]之间，转换函数如下：

其中x为用户的历史用电评价指标参数数据，x*为处理后的值，max为样本数据的最大值，min为样本数据的最小值；

步骤2.2：构建并训练疑似窃电用户识别模型。

优选地，步骤2.2中，基于bp神经网络构建疑似窃电用户识别模型：

θ²＝θ²+β·(ypred-yreal)·ypred·(1-ypred)

其中,α和β为学习率；a为常数；为隐含层第j个神经元的阈值；为隐含层第i个神经元到第j个神经元的连接权值；hj和ii为隐含层的样本输出向量；θ²为输出层结点的偏置值；为第j个神经元所在输出层的偏置值；ypred、yreal分别为预测目标、目标输出。

优选地，步骤2.2中，在训练过程中，获取bp神经网络的目标输出：真实用电量yreal；

如果目标输出yreal与预测目标ypred之间的误差小于设定的误差阈值，或者训练迭代次数达到预设的阈值，则完成模型训练。

本发明还公开了一种反窃电行为识别系统，所述系统包括：

数据获取模块，用于获取历史用户用电评价指标参数数据；

模型构建模块，用于基于用户历史用电评价指标参数数据，构建并训练疑似窃电用户识别模型；

识别模块，用于基于疑似窃电用户识别模型，识别疑似窃电用户；

校验模块，用于结合用户用电评价指标参数横向数据，对疑似窃电用户进行校验，确定窃电用户。

本申请所达到的有益效果：

本申请根据电网历史数据，可以在电力线路没有出现硬件损坏的情况下，根据电网数据平台采集的用户用电评价指标参数数据初步判断用户的用电状态，预测用户窃电行为，对用电用户进行多方面的分所，以缩小搜索范围，提高反窃电工作效率。

附图说明

图1是本发明一种反窃电行为识别方法流程图；

图2是本发明实施例中疑似窃电用户识别模型结构图。

具体实施方式

下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。

如图1所示，本发明的一种反窃电行为识别方法，其特征在于：

所述方法包括以下步骤：

步骤1：获取用户历史用电评价指标参数数据，包括窃电用户和正常用户的用电量、功耗因数、三相电压不平衡率、三项电流不平衡率、用表类型以及其是否窃电的标志位。

步骤2：基于用户历史用电评价指标参数数据，构建并训练疑似窃电用户识别模型，具体包括：

步骤2.1：归一化处理用户历史用电评价指标参数数据；

通过离差标准化(min-maxnormalization)，对原始数据进行线性变换，使结果映射到[0-1]之间，转换函数如下：

其中x为用户的历史用电评价指标参数数据，x*为处理后的值，max为样本数据的最大值，min为样本数据的最小值。

步骤2.2：构建并训练疑似窃电用户识别模型，每次训练bp神经网络模型前，都先将降维数据随机打乱，选取其中80％作为训练样本，其余20％作为测试样本，迭代次数为5000次。

如图2所示，本发明具体实施例，基于bp神经网络构建疑似窃电用户识别模型：

θ²＝θ²+β·(ypred-yreal)·ypred·(1-ypred)

其中,α和β为学习率；a为常数一般在1-10之间选取；为隐含层第j个神经元的阈值；为隐含层第i个神经元到第j个神经元的连接权值；θ²为输出层结点的偏置值；为第j个神经元所在输出层的偏置值；hj和ii为隐含层的样本输出向量；

通过输入层、隐含层和输出层三层之间层层映射，由层与层之间的权值矩阵进行调整，输出各层的结果。

在训练过程中，获取bp神经网络的目标输出：真实用电量yreal；

如果目标输出yreal与预测目标ypred之间的误差小于设定的误差阈值，或者训练迭代次数达到预设的阈值，则完成模型训练。

步骤3：采用疑似窃电用户识别模型，输入步骤1中所述数据，输出真实用电量yreal，通过和用户电表数据进行初步对比，若误差较大，则识别疑似窃电用户；

步骤4：结合用户用电评价指标参数横向数据，即同一台区下相同用电类型用户数据，对疑似窃电用户进行校验，确定窃电用户。

本发明具体实施例，还可以包括：步骤5：下发窃电用户的核查名单，进行人工核查。

以及采用excel数据库管理系统存储各步骤数据，将读取的excel目标文件输入并将数据显示在软件平台的界面上，以便用户查询及疑似窃电用户识别模型再次训练。

本发明的一种反窃电行为识别系统，包括：

数据获取模块，用于获取历史用户用电评价指标参数数据；

模型构建模块，用于基于用户历史用电评价指标参数数据，构建并训练疑似窃电用户识别模型；

识别模块，用于基于疑似窃电用户识别模型，识别疑似窃电用户；

校验模块，用于结合用户用电评价指标参数横向数据，对疑似窃电用户进行校验，确定窃电用户。

本申请根据电网历史数据，可以在电力线路没有出现硬件损坏的情况下，根据电网数据平台采集的用户用电评价指标参数数据初步判断用户的用电状态，预测用户窃电行为，对用电用户进行多方面的分所，以缩小搜索范围，提高反窃电工作效率。

本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。