技术特征：
1.一种窃电行为的确定方法，其特征在于，包括：采集目标对象的电气特征数据，得到目标电气特征数据集合；以所述目标对象是否存在窃电行为作为目标层，所述目标对象的窃电嫌疑程度作为方案层，所述目标电气特征数据集合中的各项目标电气特征数据作为参量层构建窃电行为层次分析法结构；利用所述窃电行为层次分析法结构确定所述目标对象是否存在窃电行为。2.根据权利要求1所述的方法，其特征在于，利用所述窃电行为层次分析法结构确定所述目标对象是否存在窃电行为，包括：将所述目标数据集合中的各项目标电气特征数据的权重差异量化成为多个等级标度；根据所述等级标度对所述各项目标电气特征数据的权重进行两两比较得到所述各项目标电气特征数据的的相对权重，以构建权重判断矩阵，其中，所述权重判断矩阵的元素为所述各项目标电气特征数据的相对权重；将所述权重判断矩阵的多个特征值中绝对值最大的特征值确定为最大特征值并获取所述最大特征值对应的特征向量；在所述权重判断矩阵一致性对应的值小于设定阈值的情况下，将所述权重判断矩阵与由所述特征向量构成的权向量矩阵相乘，得到目标分值；根据所述目标分值，确定所述目标对象是否存在窃电行为的第一结果。3.根据权利要求2所述的方法，其特征在于，将所述目标数据集合中的各项目标电气特征数据的权重差异量化成为多个等级标度，包括：将所述目标电气特征数据集合中的线损率的权重设为最高等级标度；将所述目标电气特征数据集合中的电压相对于电流和功率的权重设为大于最小等级标度且小于最大等级标度；将所述目标电气特征数据集合集合中的电量的权重设为最小等级标度。4.根据权利要求1所述的方法，其特征在于，在采集目标对象的电气特征数据，得到目标电气特征数据集合之前，所述方法还包括：判断所述目标对象的电气特征数据对应的数值是否高于设定阈值；在所述目标对象的电气特征数据对应的数值高于设定阈值的情况下，采集目标对象的电气特征数据，得到目标电气特征数据集合。5.根据权利要求2所述的方法，其特征在于，在根据所述目标分值，确定所述目标对象是否存在窃电行为之后，所述方法还包括：利用预先构建的集成学习模型对所述目标电气特征数据集合中的各项目标电气特征数据进行检测得到窃电行为检测结果，并将所述窃电行为检测结果作为第二结果，所述窃电行为检测结果用于表示所述目标对象是否存在窃电行为，其中所述集成学习模型包括决策树算法模型、临近算法模型和梯度提升决策树算法模型；将所述第一结果和所述第二结果进行比较，在所述第一结果和所述第二结果一致的情况下，根据所述第一结果确定所述目标对象的窃电行为进行确定。6.根据权利要求5所述的方法，其特征在于，利用预先构建的集成学习模型对所述目标电气特征数据集合进行检测得到窃电行为检测结果，包括：将所述目标电气特征数据集合中的各项目标电气特征数据分别输入到所述集成学习
模型中的多个个体学习模型中，得到多个概率结果；将所述多个概率结果中均值最高的作为所述第二结果，所述概率结果用于表示存在窃电行为的概率。7.根据权利要求5所述的方法，其特征在于，所述多个个体学习模型通过以下方式训练得到，包括：获取训练数据集，其中，所述训练数据集包括：历史电气特征数据以及与所述历史电气特征数据上标记的窃电行为标签；基于所述训练数据集训练神经网络模型，生成所述个体学习模型。8.一种窃电行为的确定装置，其特征在于，包括：采集模块，用于采集目标对象的电气特征数据，得到目标电气特征数据集合；构建模块，用于以所述目标对象是否存在窃电行为作为目标层，所述目标对象的窃电嫌疑程度作为方案层，所述目标电气特征数据集合中的各项电气特征数据作为参量层构建窃电行为层次分析法结构；确定模块，用于利用所述窃电行为层次分析法结构确定所述目标对象是否存在窃电行为。9.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至7中任意一项所述窃电行为的确定方法。10.一种电子设备，其特征在于，包括存储器和处理器；所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述窃电行为的确定方法。
技术总结
本申请公开了一种窃电行为的确定方法及装置。其中，该方法包括：采集目标对象的电气特征数据，得到目标电气特征数据集合；以所述目标对象是否存在窃电行为作为目标层，所述目标对象的窃电嫌疑程度作为方案层，所述目标电气特征数据集合中的各项电气特征数据作为参量层构建窃电行为层次分析法结构；利用所述窃电行为层次分析法结构确定所述目标对象是否存在窃电行为。本申请解决了用电异常监测效率低的技术问题。的技术问题。的技术问题。
技术研发人员：羨慧竹 迟源 赵成 段大鹏 宋玮琼 仝霞 解进军 吕凤鸣 宋威 李雪城 芦忆娜 王芳 冯义 迟中军
受保护的技术使用者：国家电网有限公司
技术研发日：2022.05.25
技术公布日：2022/10/3