[發明專利]一種基于層次分析法和孤立森林的竊電辨識方法

有效

• 申請號: 201910402572.5
• 申請日: 2019-05-15
• 公開（公告）號: CN110210723B
• 公開（公告）日: 2022-11-22
• 發明（設計）人: 李堅;黃琦;胡曉峰;胡維昊;蔡東升;張真源;易建波;周建華;鄧志斌;暢浩天
• 申請（專利權）人: 電子科技大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 溫利平

本發明公開了一種基于層次分析法和孤立森林的竊電辨識方法，基于用戶電量計量方式和用戶竊電手段的分析，構建了包括電壓不平衡率、電流不平衡率、功率因數不平衡率、電量同比、電量環比、負荷不平衡率的竊電指標集；然后基于AHP算法計算各竊電指標權重，構建用戶竊電辨識數據集；最后利用孤立森林算法構建用戶竊電行為辨識模型，找出用戶群中的離群點，定位竊電用戶。

技術領域

本發明屬于電力用戶竊電分析技術領域，更為具體地講，涉及一種基于層次分析法AHP(Analytic Hierarchy Process)和孤立森林iForest(Isolation Forest)的竊電辨識方法。

背景技術

近年來，隨著我國經濟的迅猛發展和科學技術的日新月異，電力系統的規模日趨龐大，接入網絡的用電負荷也與日俱增，用電的費用也變得非常可觀，可觀的經濟利益使不法分子產生了違法竊電的想法，因此各種竊電技術不斷地推陳出新，日益繁雜。竊電不僅損害了國家和供電企業的經濟利益，嚴重影響了社會經濟的正常發展，同時還存在著比較大的安全隱患，影響著電網的安全運行。但是，傳統的竊電檢測方法存在著及時性不佳、智能型不夠、證據不足等缺點，因此，尋求一種能夠智能精確定位竊電行為的方法成為智能電網建設的重要挑戰。

目前，對竊電行為分析主要集中在兩個方面。一個是根據統計方法來計算電阻、線損、非技術損失等來判斷。楊佳根據竊電前后的電氣參量的變化，提出了利用線路電阻作為竊電的判據；Daniel Nikolaev Nikovsk等人提出了基于配電網技術損失預測方法的竊電檢測，在不知道配電網的具體拓撲結構時，通過技術損失統計方法來間接估計配電網的非技術損失，當非技術損失超過一定比率時說明存在竊電。但是，對于這類方法存在一個缺點，就是配電網中的技術損失存在著多種可能，無法精確計算，并且這些方法不能對竊電用戶進行精準的定位。

另一種方法是采用數據挖掘和機器學習技術，如決策樹、模式識別等，用來發現不正常的用電模式。Bharat Dangar等人提出了一種使用極限學習機(ELM)、改進ELM(OS-ELM)、支持向量機(SVM)三種算法來進行電力損耗識別、檢測和預測的電力損耗分析框架，并應用于印度古吉拉特邦GUVNL公司，減少由于竊電導致的配電損耗，取得了較好的成果；曾虎首先利用模糊C均值(FCM)算法對負荷曲線進行聚類，得到典型特征曲線，再與用戶負荷曲線進行匹配，篩選出疑似竊電用戶，再使用基于粒子群算法優化的SVM算法進行進一步檢測，準確性較SVM算法高。但是這類方法通常需要大量的竊電樣本來對方法進行訓練，以提高竊電辨識率，而且辨識結果高度依賴樣本類型，但是實際情況中竊電樣本往往很缺乏。

發明內容

本發明的目的在于克服現有技術的不足，提供一種基于層次分析法和孤立森林的竊電辨識方法，通過計算各竊電指標權重的方式快速、精確定位竊電行為。

為實現上述發明目的，本發明一種基于層次分析法和孤立森林的竊電辨識方法，其特征在于，包括以下步驟：

(1)、構建竊電判別指標集

構建包括電壓不平衡率、電流不平衡率、負荷不平衡率、電量同比、功率因數不平衡率和電量環比的竊電判別指標集；

(2)、利用層次分析法構建用戶竊電辨識數據集

(2.1)、構建判別矩陣

基于竊電指標集對于竊電分析的重要性進行排序：電流不平衡率電壓不平衡率負荷不平衡率＝功率因數不平衡率電量同比＝電量環比；

然后對于竊電分析的重要性進行兩兩對比，并利用9位標度法建立判別矩陣；

(2.2)、計算權向量及一致性檢驗

先計算判別矩陣的最大特征值λ_max和對應的特征向量α，再計算竊電指標的一致性CI；

其中，n為竊電指標個數；