一种基于大数据分析的反窃电监控系统及方法与流程

本发明涉及反窃电监控，具体是一种基于大数据分析的反窃电监控系统及方法。

背景技术：

1、随着社会经济的高速发展，电力需求不断扩大的同时，窃电现象也愈演愈烈，严重影响电网的安全运行，扰乱电力市场经济秩序。因此，必须采取高效的窃电检测方法来有效遏制窃电这种违法行为；

2、公开号cn109142830a的发明专利申请公开了基于用电信息采集系统大数据的窃电检测方法，包括：首先获取所查区域中用户的用电数据，包括电压数据、电流数据和失压断相数据，并统计出所查区域中的发电用户数据；再检测和处理电压数据和/或电流数据并判断和识别出窃电嫌疑户；通过电压数据检测包括对电压数据和失压断相数据进行数据预处理和大数据处理并判断窃电嫌疑户；提高了窃电检测的准确性、全面性、及时性及可靠性，并降低了检测费用；

3、但是该方法需要的计算资源较多，无法对大范围区域进行窃电检测与对窃电嫌疑户进行快速高效的寻源，只能通过对区域用户进行遍历式检测分析，寻找窃电嫌疑户的效率不高；同时无法智能识别出风险管控系数高的用户进行重点监控，以提高反窃电监控效率；基于以上不足，本发明提出一种基于大数据分析的反窃电监控系统及方法。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于大数据分析的反窃电监控系统及方法，用于解决无法对大范围区域进行窃电检测与对窃电嫌疑户进行快速高效的寻源，以及无法智能识别出风险管控系数高的用户进行重点监控的技术问题。

2、为实现上述目的，本发明的第一方面提供了一种基于大数据分析的反窃电监控系统，包括数据采集模块、控制中心、数据库、数据分类模块、窃电分析模块、运维管理模块以及模型构建模块；

3、所述数据采集模块包括三台交换机，用于采集监控区域内各个用户的用电数据；所述用电数据包括电压数据、电流数据和失压断相数据；

4、所述控制中心用于汇总处理交换机采集的数据信息，并标记为待识别数据缓存至数据库；所述待识别数据携带有用户标识；

5、所述数据分类模块用于结合信息交互渠道查询对应用户的用电关联信息，以对数据库内缓存的待识别数据进行风险管控系数fki分析，得到待识别数据的优先处理表；所述用电关联信息包括欠费信息、退补信息、正常用电信息以及违规用电信息；所述违规用电信息包括漏电信息和窃电信息；

6、所述控制中心用于根据优先处理表依次将待识别数据传输至窃电分析模块进行窃电分析；所述窃电分析模块用于将待识别数据输入到窃电现象诊断模型中，获取输出结果，以判断是否存在窃电现象；

7、当输出结果为1时，则判定对应用户存在窃电现象，生成窃电校验信号至控制中心；当输出结果为0时，则判定对应用户用电正常；

8、所述控制中心接收到窃电校验信号后，生成对应用户的窃电校验工单至运维管理模块；所述运维管理模块用于安排电力人员对用户用电进行现场排查，以找出用电隐患或窃电行为；

9、所述模型构建模块用于周期性的获取历史窃电数据构建样本数据集，以对gru神经网络进行模型训练，并通过损失函数进行模型评估；获得使训练样本整体误差最小的模型权重，以得到窃电现象诊断模型。

10、进一步地，所述数据分类模块的具体分析步骤如下：

11、在预设时间段内，统计对应用户的月均用电量为ymi；统计对应用户的违规用电次数为wei；统计对应用户的退补次数为wbi；

12、统计对应用户的欠费次数为qi；获取对应用户每次的欠费金额和欠费时长，统计欠费金额最大值为em，欠费时长最大值为tm；利用公式qz＝qi×(em×a1+tm×a2)计算得到对应用户的欠费指数qz，其中a1、a2均为预设系数因子；

13、将月均用电量、欠费指数、退补次数以及违规用电次数进行归一化处理并取其数值，利用公式fki＝ymi×a3+qz×a4+wbi×a5+wei×a6计算得到对应用户的风险管控系数fki，其中a3、a4、a5、a6均为预设系数因子；

14、将待识别数据按照对应用户的风险管控系数fki大小进行降序排列，得到待识别数据的优先处理表并反馈至控制中心。

15、进一步地，所述三台交换机均与用电信息采集系统通信连接；其中一台交换机用于采集用电信息采集系统检测的当日24小时电压曲线数据；一台交换机用于采集用电信息采集系统检测的当日24小时电流曲线数据；一台交换机用于采集用电信息采集系统检测的当日所在一周内的失压断相数据。

16、进一步地，电力人员接收到窃电校验工单后，可通过手持终端访问控制中心以调取对应用户的风险管控系数fk，以便电力人员自适应调配对应窃电校验工单的排查时间和力度。

17、进一步地，现场排查内容包括供用电合同管理、抄表管理、核算管理、电费收缴、用电检查以及电能信息采集。

18、进一步地，所述模型构建模块的具体训练步骤如下：

19、步骤一：对选取的给定时间段的样本数据进行整理、提取，形成输入、输出数据集；

20、步骤二：将数据集按照预设比例分成训练集、验证集和测试集；

21、步骤三：对gru网络结构中的状态单元进行修改，使每个输出状态单元先进入激活函数后再进行下一步的计算，以此构建改进的gru神经网络；

22、步骤四：将训练集、验证集以及测试集作为历史特征值输入gru神经网络以进行模型训练，并通过损失函数进行模型评估；获得使训练样本整体误差最小的模型权重，以得到窃电现象诊断模型。

23、进一步地，输入数据是指某个时间段内正常用户和窃电用户的用电数据，输出数据为是否存在窃电现象，用0和1指代；其中0表示用户用电正常，1表示用户存在窃电现象。

24、进一步地，改进gru神经网络在计算门的过程中使状态先进入一个激活函数，同时在输出端也需要通过一个激活函数，才能完成最后的输出。

25、进一步地，激活函数选择selu函数，以使神经元的激励值自动收敛到零均值和单位方差。

26、进一步地，一种基于大数据分析的反窃电监控方法，包括：

27、第一步：通过模型构建模块周期性的获取历史窃电数据构建样本数据集，以对gru神经网络进行模型训练，得到窃电现象诊断模型；

28、第二步：通过三台交换机采集监控区域内各个用户的用电数据，并汇总为待识别数据缓存至数据库；

29、第三步：对数据库内缓存的待识别数据进行风险管控系数fki分析，得到待识别数据的优先处理表；控制中心根据优先处理表依次将待识别数据传输至窃电分析模块进行窃电分析；

30、第四步：窃电分析模块用于将待识别数据输入到窃电现象诊断模型中，获取输出结果，以判断是否存在窃电现象；

31、当输出结果为1时，则判定对应用户存在窃电现象，生成窃电校验信号；

32、当输出结果为0时，则判定对应用户用电正常；

33、第五步：控制中心接收到窃电校验信号后，通过运维管理模块安排电力人员对用户用电进行现场排查，以找出用电隐患或窃电行为。

34、与现有技术相比，本发明的有益效果是：

35、1、本发明中控制中心用于汇总处理交换机采集的数据信息，并标记为待识别数据缓存至数据库；所述数据分类模块用于结合信息交互渠道查询对应用户的用电关联信息，以对数据库内缓存的待识别数据进行风险管控系数fki分析，得到待识别数据的优先处理表；所述控制中心用于根据优先处理表依次将待识别数据传输至窃电分析模块进行窃电分析，使得数据处理更加有层次性，提高窃电嫌疑户寻源效率；

36、2、本发明中所述模型构建模块用于周期性的获取历史窃电数据构建样本数据集，以对gru神经网络进行模型训练，并通过损失函数进行模型评估，获得使训练样本整体误差最小的模型权重，以得到窃电现象诊断模型；窃电分析模块用于将待识别数据输入到窃电现象诊断模型中，获取输出结果，以判断是否存在窃电现象；可全范围分析窃电行为，提高窃电检测的全面性；同时需要的计算资源更少，使检测过程更加高效，降低成本。