[發明專利]一種基于聚類算法的用戶竊電嚴重等級檢測的方法

有效

• 申請號: 201710465289.8
• 申請日: 2017-06-19
• 公開（公告）號: CN107169145B
• 公開（公告）日: 2019-11-26
• 發明（設計）人: 劉金碩;劉必為;李瞧;房金城;陳凱;鄧娟;章嵐昕;楊廣益;李晨曦
• 申請（專利權）人: 武漢大學
• 主分類號: G06F16/2458
• 分類號: G06F16/2458;G06F16/28;G06K9/62;G06Q50/06
• 代理公司: 42222 武漢科皓知識產權代理事務所(特殊普通合伙)
• 代理人: 彭艷君<國際申請>=<國際公布>=<進入

本發明涉及計算機科學數據挖掘中的聚類和電氣工程中的線損標桿值計算等技術領域，具體涉及一種基于聚類算法的用戶竊電嚴重等級檢測的方法，1.在電網平臺內采集用戶用電量異常率、線損率、三相電壓/電流、功率因數。2.針對用戶計算線損標桿值，比較實際線損率與線損標桿值，對超出值劃分區間，得到線損異常等級0~5。3.利用三相電壓/電流計算三相電壓/電流不平衡率。4.以上述數據為輸入樣本，采用k?means聚類算法對其聚類得到6種類別，即竊電嚴重等級。5.分別計算待檢用戶數據與6種類別的歐氏距離，距離最近者即為待檢用戶竊電嚴重等級。該檢測方法利用聚類算法對大量樣本進行聚類，可以有效劃分出用戶竊電嚴重等級。

技術領域

本發明屬于計算機科學數據挖掘中的聚類和電氣工程中的線損標桿值計算等技術領域，尤其涉及一種基于聚類算法的用戶竊電嚴重等級檢測的方法。

背景技術

我國電業每年都投入大量人力實施用電稽查。然而，竊電多發生在低壓用戶(尤其居民用戶)中，具有分散隱蔽的特點。由于用戶量巨大，不可能采取周期性巡查的方法，目前主要靠抄表員或用戶舉報，然后有針對性地實施現場檢查。該方法滲透率低，對竊電高發區明顯缺乏威懾力和打擊力度。

數據挖掘又稱數據庫中的知識發現(Knowledge Discover in Database，KDD)，是目前人工智能和數據庫領域研究的熱點問題，所謂數據挖掘是指從數據庫的大量數據中揭示出隱含的、先前未知的并有潛在價值的信息的非平凡過程。數據挖掘是一種決策支持過程，它主要基于人工智能、機器學習、模式識別、統計學、數據庫、可視化技術等，高度自動化地分析企業的數據，做出歸納性的推理，從中挖掘出潛在的模式，幫助決策者調整市場策略，減少風險，做出正確的決策。利用數據挖掘的知識解決用戶竊電監測問題是一個新的解決思路。

發明內容

本發明的目的是提供一種利用聚類算法對大量樣本進行聚類，有效劃分出用戶竊電嚴重等級的檢測方法。

為實現上述目的，本發明采用的技術方案是：一種基于聚類算法的用戶竊電嚴重等級檢測的方法，包括以下步驟：

步驟1、劃分用戶竊電嚴重等級；具體步驟如下：

步驟1.1獲取用戶用電數據；包括采集電網平臺內用戶用電量異常率、線損率、三相電壓/電流、功率因數的數據樣本；

步驟1.2計算用戶線損標桿值，確定用戶線損異常等級；

步驟1.3、利用步驟1.1所采集三相電壓/電流數據計算三相電壓/電流不平衡率；

步驟1.4、將步驟1.1-1.3獲取的用戶用電量異常率、線損異常等級、三相電壓/電流不平衡率、功率因數作為數據樣本，采用k-means聚類算法進行聚類；設定k值為6，使聚類類別為6種類別，則用戶竊電嚴重等級為0～5；其中，嚴重等級0代表該用戶無竊電風險；觀察聚類后6個類別中心點特征，若不具有明顯差異或無法很好代表竊電嚴重等級，則重復聚類步驟直至中心點特征合適，實現劃分6種用戶竊電嚴重等級；

步驟:2、確定待檢測用戶竊電嚴重等級；具體步驟如下：

步驟2.1首先計算待檢測用戶的線損標桿值以及三相電壓/電流不平衡率，確定用戶線損異常率；

步驟2.2計算待檢測用戶與6個類別嚴重等級中心點的歐氏距離，取其中距離最近的一個嚴重等級作為待檢測用戶的竊電嚴重等級。

在上述的基于聚類算法的用戶竊電嚴重等級檢測的方法中，步驟1.2的實現包括以下步驟：

步驟1.2.1針對不同類型用戶計算線損標桿值

其中A為臺區供電量，為低壓配電主干線損耗，為接戶線損耗，為用戶電表損耗；