一种用电异常检测方法及系统的制作方法
【技术领域】
[0001]本发明涉及一种用电异常检测方法及系统。
【背景技术】
[0002]近年来，随着电力网络规模的不断扩大，电力网络的结构和运行模式也变得日益复杂，人们对电网的供电质量和网络运行的可靠性提出了更高的要求。异常用电的存在会影响管理人员做出错误的决策，进而影响电力系统的正常运行，使电力企业遭受巨大的经济损失，因此用电异常检测是电力管理系统的重要组成部分。现有的用电异常检测方法主要以经验和事件分析为主，对于日益复杂和不断变化的电力应用，这种方法受到经验判断的局限，不能完全揭示用电异常的发生；另一方面，随着智能配电网的发展，电力采集系统已经积累了电网运行的海量数据，这些数据包含着丰富的利用价值，可以用来对用户用电行为模式和异常发生的规律进行分析和挖掘，但现有的用电异常检测方法并未对这些数据加以利用。
【发明内容】
[0003]本发明的目的是针对现有技术的不足，提出一种利用数据挖掘算法进行用电异常检测的方法，充分利用已积累的电网数据，能够提高检测准确性及效率、节省检测时间。
[0004]本发明的另一个目的是提供一种采用该方法的用电异常检测系统。
[0005]本发明通过以下技术方案实现:
[0006]—种用电异常检测方法，包括以下步骤:
[0007]A、对当前采集数据及历史数据进行预处理；
[0008]B、采用数据挖掘算法对预处理后的数据进行检测，识别出用电异常嫌疑用户；
[0009]C、将用电异常嫌疑用户中超过设定的阈值参数的部分作为用电异常用户进行反馈；
[0010]D、利用关联算法对历史数据中的用电异常数据进行关联分析，提炼用电异常内部关联规则，并将分析结果用表格或者图形表示；
[0011]E、对不同行业及类别的用电异常用户分布、特定用电异常用户数据进行统计，以供查询。
[0012]进一步的，所述步骤A包括以下步骤:
[0013]Al、对当前采集数据及历史数据进行空值处理和/或重复值处理和/或缺失值处理；
[0014]A2、将步骤Al处理后的连续型数据按照一定的标准离散化；
[0015]A3、将步骤A2处理后的数据按照需要添加属性、对异常历史数据统计异常发生频率。
[0016]进一步的，所述步骤A还包括数据导入导出。
[0017]进一步的，所述步骤A还包括定期清理数据集。
[0018]进一步的，所述步骤B中所述的数据挖掘算法包括:时间序列检测算法、曲线拟合算法、聚类算法；
[0019]时间序列检测算法，根据单个用户的表计历史数据对用户用电负荷进行预测，与用电用户脉冲值比较，筛选出实际值与预测值的差值较大的用户，检测计量装置异常情况，列为计量异常嫌疑用户；
[0020]曲线拟合算法，包括与行业的对比及与过去的对比两方面:与行业的对比，将某用户的当前采集数据与该行业的历史数据进行曲线拟合，将与行业曲线偏离的用户列为用电异常嫌疑用户;与过去的对比，将某个用户某日的负荷曲线与该用户整段区间的平均负荷曲线进行拟合，筛选出用电异常嫌疑用户；
[0021]聚类算法，包括用户聚类及曲线聚类两方面:用户聚类，基于正常聚类的方法对用户进行聚类后与用户档案进行比对，筛选出现矛盾情况的用户列为用电异常嫌疑用户；曲线聚类，基于聚类的离群点检测，依据用户的用电行为曲线对用户进行聚类，再与用户档案信息进行比对，筛选出有离群点的用户，列为用电异常嫌疑用户。
[0022]进一步的，所述步骤D包括以下步骤:
[0023]D1、利用数据挖掘中的关联算法，根据设定的支持度和置信度得出用电异常类型、用电异常发生频率与行业及类别之间的关联规则；
[0024]D2、根据步骤Dl处理后的关联规则，对于给定的行业及类别，分析可能的用电异常发生频率，并将分析结果用表格或者图形表示。
[0025]本发明还通过以下技术方案实现:
[0026]—种用电异常检测系统，其特征在于:采用如权利要求1至6所述的用电异常检测方法，包括对当前采集数据及历史数据进行预处理的数据预处理装置、采用数据挖掘算法对预处理后的数据进行检测，进而识别出用电异常嫌疑用户的异常检测装置、将用电嫌疑用户中超过设定的阈值参数的部分作为用电异常用户进行反馈的异常预警装置、利用数据挖掘中的关联算法，根据设定的支持度和置信度得出用电异常类型、用电异常发生频率与行业及类别之间的关联规则的关联分析装置、对不同行业及类别的用电异常用户分布、特定用电异常用户数据进行统计以供查询的结果查询装置。
[0027]进一步的，所述数据预处理装置包括数据空值处理和/或重复值处理和/或缺失值处理模块、数据离散化模块、数据属性设置模块、数据导入导出模块、数据清理模块；
[0028]所述异常检测装置包括时间序列检测模块、曲线拟合模块、聚类模块；
[0029]所述关联分析装置包括关联分析模块；
[0030]所述异常预警装置包括阈值设置模块、异常反馈模块；
[0031 ]所述结果查询装置包括统计模块、查询模块。
[0032]本发明具有如下有益效果:
[0033]本发明利用多种数据挖掘算法对现有电网信息采集系统已积累的用电数据进行分析，进而检测出用电异常用户，对用电异常用户进行检测，检测结果更为全面，且提高了检测的准确性及检测效率，节省了检测时间。现有电网信息采集系统已积累的用电数据进行分析
【附图说明】
[0034]下面结合附图对本发明做进一步详细说明。
[0035]图1为本发明的一种用电异常检测方法的流程图。
[0036]图2为本发明的一种用电异常检测系统的框图。
【具体实施方式】
[0037]如图1所示，本发明提供一种用电异常检测的方法，具体步骤包括:
[0038]A、对当前采集数据及历史数据进行预处理，其中，当前采集数据由数据采集系统提供，历史数据由国家电网平台提供，对数据的预处理的作用是提高数据的质量，主要包括以下两个步骤:
[0039]Al、对当前采集数据及历史数据进行空值处理和/或重复值处理和/或缺失值处理；
[0040]A2、将步骤Al处理后的连续型数据按照一定的标准离散化；
[0041]A3、将步骤A2处理后的数据按照需要添加属性、对异常历史数据统计异常发生频率，其中，添加的属性包括日期是否为节假日、用户重要性、行业、用电类别；
[0042]数据预处理还包括数据导入导出，为系统和现有电网信息系统之间提供数据接口；定期清理数据集，以避免查询系统后台数据随着使用时间的增长而快速增大，影响查询系统的使用；
[0043]B、采用数据挖掘算法对预处理后的数据进行检测，识别出用电异常嫌疑用户，所述数据挖掘算法包括时间序列检测算法、曲线拟合算法、聚类算法；
[0044]时间序列检测算法，根据单个用户的表计历史数据对用户用电负荷进行预测，与用电用户脉冲值比较，筛选出实际值与预测值的差值较大的用户，检测计量装置异常情况，列为计量异常嫌疑用户；
[0045]曲线拟合算法，包括与行业的对比及与过去的对比两方面:与行业的对比，将某用户的当前采集数据与该行业的历史数据进行曲线拟合，将与行业曲线偏离的用户列为用电异常嫌疑用户；与过去的对比，将某个用户某日的负荷曲线与该用户整段区间的平均负荷曲线进行拟合，筛选出用电异常嫌疑用户；
[0046]聚类算