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；
[0047]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，阈值参数包括关键阈值、异常执行频率、执行对象等，由异常检测人员根据实际需要设置，对于超过设定的阈值参数的用电异常嫌疑用户，以表格形式反馈给异常检测人员，以达到预警作用；
[0048]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，依据用户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;根据处理后的关联规则，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;其中，类别指用电类别，如工业用电、商业用电、居民用电等;提炼内部关联规则的作用在于使异常检测人员对用电异常有更为深刻的理解，增强异常检测人员对异常的判断能力；
[0049]E、对不同行业的用电异常用户分布、特定用电异常用户数据进行统计，以供异常检测人员的查询。
[0050]如图2所示，本发明还提供了一种用电异常检测系统，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1、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2、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3、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4、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5;
[0051]所述数据预处理装置I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；
[0052]所述异常检测装置2包括时间序列检测模块、曲线拟合模块、聚类模块、关联分析模块；
[0053]所述异常预警装置3包括阈值设置模块、异常反馈模块；
[0054]所述关联分析装置4包括关联分析模块；
[0055]所述结果分析装置5包括统计模块、查询模块。
[0056]以上所述，仅为本发明的较佳实施例而已，故不能以此限定本发明实施的范围，SP依本发明申请专利范围及说明书内容所作的等效变化与修饰，皆应仍属本发明专利涵盖的范围内。
【主权项】
1.一种用电异常检测方法，其特征在于:包括以下步骤: A、对当前采集数据及历史数据进行预处理； 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； 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； 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； 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。2.根据权利要求1所述的一种用电异常检测方法，其特征在于:所述步骤A包括以下步骤: 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； A2、将步骤Al处理后的连续型数据按照一定的标准离散化； 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。3.根据权利要求1所述的一种用电异常检测方法，其特征在于:所述步骤A还包括:数据B "X B 山寸八寸出O4.根据权利要求1所述的一种用电异常检测方法，其特征在于:所述步骤A还包括:定期清理数据集。5.根据权利要求1所述的一种用电异常检测方法，其特征在于: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； 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； 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； 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。6.根据权利要求1所述的一种用电异常检测方法，其特征在于:所述步骤D包括以下步骤: 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； 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。7.—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、对用电异常检测结果进行关联分析，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。8.根据权利要求7所述的一种用电异常检测系统，其特征在于: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； 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； 所述关联分析装置包括关联分析模块； 所述异常预警装置包括阈值设置模块、异常反馈模块； 所述结果查询装置包括统计模块、查询模块。
【专利摘要】一种用电异常检测方法，包括以下步骤：A、对当前采集数据及历史数据进行预处理；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；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；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；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。本发明利用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。
【IPC分类】G06Q50/06, G06F17/30
【公开号】CN105630885
【申请号】CN201510958004
【发明人】洪智勇, 苏长青, 曾慧琼, 齐立, 陈群英, 林添进, 蔡秀雯, 胡志学, 陈志思, 王明春, 陈泓榆, 林智铭, 吴鲤新, 叶佳作, 林晓新, 吴明伶, 刘奕, 林青瑜, 黄灿锋, 谭龙江, 蔡林峰
【申请人】国网福建省电力有限公司泉州供电公司, 泉州亿兴电力有限公司
【公开日】2016年6月1日
【申请日】2015年12月18日