出模块3用于将窃电嫌疑指数输出并标记存在窃电嫌疑的用户，电力企业可采取有 效措施进行重点监控，避免造成经济损失。分布式数据库为现有公知技术，电力企业建立基 于数据整合、数据存储、数据计算和数据分析四个基础模块的针对供电公司用户用电行为 分析的大数据平台，分布式数据库为大数据平台的一部分。本发明以供电公司的营销信息 和用户用电采集信息作为输入，经过数据整合、数据存储和数据计算三个步骤，进行数据分 析，最终输出用户窃电嫌疑指数。数据分析模块采用改进的BP神经网络算法分析，满足现 有的从多维输入变量中分析得出用户窃电嫌疑指数的需求。
[0017] 可根据实际需要，对上述基于大数据神经网络算法的用户窃电嫌疑分析装置作进 一步优化或/和改进： 如附图1所示，所述的用户窃电嫌疑基础输入数据包括：用户用电量、最大线路损耗 值、电表类型、台区线损、功率值、电流值、电压值、用电月峰值和用电月谷值。在实际应用过 程中，根据实际需求，也可以选取其他更多的基础数据作为用户窃电嫌疑输入数据，进行分 析处理后输出窃电嫌疑指数，并不仅限于选取上述的用户用电量、最大线路损耗值、电表类 型、台区线损、功率值、电流值、电压值、用电月峰值和用电月谷值。
[0018] 如附图1所示，在节点层输出并归一化处理单元202对所有的基础输入数据进行 归一化处理并将用户窃电嫌疑指数通过神经网络算法调整权重值得到符合期望的输出结 果。
[0019] 实施例二：如图1、2所示，一种使用基于大数据神经网络算法的用户窃电嫌疑分 析装置的方法，包括以下步骤： 步骤一：通过居民用电行为海量数据导入模块调用大数据分布数据库中的用户用电行 为相关信息数据，并选择用户用电行为相关信息数据作为用户窃电嫌疑基础输入数据，之 后进入步骤二； 步骤二：确定输入的用户窃电嫌疑基础数据，将用户窃电嫌疑基础数据在节点层输出 并归一化处理单元进行数据归一化处理，基础数据归一化处理采用的计算变换式为：
其中，，是输入的数据，1丨:为归一化后的数据，&"和3^丨:分别是样本的最小数据和 最大数据，之后进入步骤三； 步骤三：将归一化计算后的数据再经过BP神经网络算法进行处理，即通过输入层6、隐 含层7和输出层8三层之间层层映射，由层与层之间的权值矩阵进行调整，输出各层的结 果，之后进入步骤四； 步骤四：计算输出结果的误差，选取P个样本，期望输出值为^，总误差计算公式为：
当得到误差计算结果在设定的阈值内时，之后进入步骤六；当得到误差计算结果在设 定的阈值外时，则将用户窃电嫌疑基础数据进行逆向处理，调整隐含层7和输出层8的权 值，再经过输出层8、隐含层7和输入层6进行反向计算，输出各层的结果，之后进入步骤 五； 步骤五：经过调整隐含层7和输出层8的权值进行正反方向层层传递计算，再次判断误 差是否符合设定阈值，如果误差符合设定阈值，则之后进入步骤六，如果误差不符合预先设 定的阈值，则进入步骤三； 步骤六：将输出结果经过激活函数进行计算，记录输出的窃电嫌疑指数，激活函数表达 式为：
x表示输出结果，之后进入步骤七； 步骤七：经步骤六记录的窃电嫌疑指数，确定输出三种结果：无窃电嫌疑、一般窃电 嫌疑和重大窃电嫌疑；其中，窃电嫌疑根据输出的窃电嫌疑指数进行划分，指数区间在
[0, 0. 5)区间内为无窃电嫌疑，在[0. 5, 0. 8)区间内为一般窃电嫌疑，在[0. 8, 1)区间内为 重大窃电嫌疑，需重点审查。
【主权项】
1. 一种基于大数据神经网络算法的用户窃电嫌疑分析装置，其特征在于包括居民用电 行为海量数据导入模块、数据分析模块和居民窃电嫌疑指数输出模块；所述的数据分析模 块中设有分布式数据存储接口模块、分布数据处理单元、节点层输出并归一化处理模块和 分布式数据输出接口模块，所述的分布数据处理单元用于将用户窃电嫌疑基础输入数据进 行分析处理并输出窃电嫌疑指数，所述的节点层输出并归一化处理单元对所有的基础输入 数据进行归一化处理并将用户窃电嫌疑指数通过神经网络算法调整权重值得到符合期望 的输出结果；所述的居民用电行为海量数据导入模块的数据输出端与分布数据处理单元的 数据输入端通过分布式存储接口模块相连接，分布数据处理单元的数据输出端与节点层输 出并归一化处理单元的数据输入端相连接，节点层输出并归一化处理单元的数据输出端与 居民窃电嫌疑指数输出模块的数据输入端通过分布式数据输出接口模块相连接。2. 根据权利要求1所述的基于大数据神经网络算法的用户窃电嫌疑分析装置，其特征 在于所述的用户窃电嫌疑基础输入数据包括：用户用电量、最大线路损耗值、电表类型、台 区线损、功率值、电流值、电压值、用电月峰值和用电月谷值。3. -种使用基于大数据神经网络算法的用户窃电嫌疑分析装置的方法，其特征在于包 括以下步骤： 步骤一：通过居民用电行为海量数据导入模块调用大数据分布数据库中的用户用电行 为相关信息数据，并选择用户用电行为相关信息数据作为用户窃电嫌疑基础输入数据，之 后进入步骤二； 步骤二：确定输入的用户窃电嫌疑基础数据，将用户窃电嫌疑基础数据在节点层输出 并归一化处理单元进行数据归一化处理，基础数据归一化处理采用的计算变换式为：其中，，是输入的数据，_为归一化后的数据，和3^分别是样本的最小数据和 最大数据，之后进入步骤三； 步骤三：将归一化计算后的数据再经过BP神经网络算法进行处理，即通过输入层、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，之 后进入步骤四； 步骤四：计算输出结果的误差，选取P个样本，期望输出值为^，总误差计算公式为：当得到误差计算结果在设1^^^^^」，^_~&/、7^;当得到误差计算结果在设 定的阈值外时，则将用户窃电嫌疑基础数据进行逆向处理，调整隐含层和输出层的权值，再 经过输出层、隐含层和输入层进行反向计算，输出各层的结果，之后进入步骤五； 步骤五：经过调整隐含层和输出层的权值进行正反方向层层传递计算，再次判断误差 是否符合设定阈值，如果误差符合设定阈值，则之后进入步骤六，如果误差不符合预先设定 的阈值，则进入步骤三； 步骤六：将输出结果经过激活函数进行计算，记录输出的窃电嫌疑指数，激活函数表达 式为：表示输出结果，之后进入步骤七； 步骤七：经步骤六记录的窃电嫌疑指数，确定输出三种结果：无窃电嫌疑、一般窃电 嫌疑和重大窃电嫌疑；其中，窃电嫌疑根据输出的窃电嫌疑指数进行划分，指数区间在 [0,0.5)区间内为无窃电嫌疑，在[0.5, 0.8)区间内为一般窃电嫌疑，在[0.8, 1)区间内为 重大窃电嫌疑，需重点审查。
【专利摘要】<b>本发明涉及用户窃电嫌疑分析技术领域，是一种基于大数据神经网络算法的用户窃电嫌疑分析装置及方法，包括居民用电行为海量数据导入模块、数据分析模块和居民窃电嫌疑指数输出模块；所述的数据分析模块中设有分布式数据存储接口模块、分布数据处理单元、节点层输出并归一化处理模块和分布式数据输出接口模块。本发明利用大数据平台进行技术改进，通过改进的</b><b>BP</b><b>神经网络算法，实现更大的数据吞吐量，获取更为全面的用户特征数据，满足并发分析处理海量用户用电行为特征数据，分析数据效率更高，能更加精准的定位用户窃电嫌疑，为电力企业对窃电嫌疑较高的用户实行重点的检查和防范提供有效的依据，电力企业采取有效预防措施，从而减少经济损失。</b>
【IPC分类】G06N3/02
【公开号】CN105023042
【申请号】CN201510403159
【发明人】周文婷, 尼加提·纳吉米, 安文燕, 马天福, 韩双立, 杨宇, 周鹏, 马斌, 王涛, 李凯, 顾楠
【申请人】国家电网公司, 国网新疆电力公司信息通信公司
【公开日】2015年11月4日
【申请日】2015年7月10日