[發明專利]一種基于數據挖掘的用電檢查智能診斷方法及診斷系統

在審

• 申請號: 202110056298.8
• 申請日: 2021-01-15
• 公開（公告）號: CN112884000A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 王雍;張世林;李偉;張小曉;蘇晨飛;李俊楠;彭小平;趙巖;馮壇
• 申請（專利權）人: 國網河南省電力公司營銷服務中心;國網河南省電力公司;國家電網有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/28;G06N3/04;G06N3/08;G06Q50/06
• 代理公司: 北京智繪未來專利代理事務所(普通合伙) 11689
• 代理人: 肖繼軍;張紅蓮

1.一種基于數據挖掘的用電檢查智能診斷方法，其特征在于，所述用電檢查智能診斷方法包括以下步驟：

步驟1：針對每個用戶采集其用電信息；所述用電信息包括瞬時電量、用戶的用電負荷；

步驟2：對步驟1所采集的用電信息進行預處理，包括對用電信息進行數據同步，并完成對缺失數據的補充；

步驟3：使用FCM聚類算法對步驟2預處理后用電信息數據聚類分析，得到各類典型負荷的聚類中心曲線，每條曲線代表了一類典型負荷特征曲線，同時對應著每一類用戶的用電特征；

步驟4：計算待檢測用戶的負荷特征曲線與所述步驟3中得到的典型負荷特征曲線之間的相似度，經過相似度匹配判斷其是否具有異常用電的嫌疑并篩選出異常用電嫌疑用戶；

步驟5：通過對步驟4篩選出的異常用電嫌疑用戶計算得到用戶的特征指標數據，構造異常用電評價指標體系；

所述特征指標數據包括電量指標、負荷指標、線損指標、告警指標、合同容量比、電壓三相不平衡率和功率因數；

步驟6：利用模糊神經網絡構建反竊電行為識別模型；

步驟7：使用步驟6所得的反竊電行為識別模型對竊電行為進行預測。

2.根據權利要求1所述的一種基于數據挖掘的用電檢查智能診斷方法，其特征在于：

所述步驟1中的現場檢測智能裝備包括智能檢測終端掌機與智能電流鉗。

3.根據權利要求1所述的一種基于數據挖掘的用電檢查智能診斷方法，其特征在于：

所述步驟2中的數據源預處理，包括以下步驟：

步驟201：將步驟1中的采集用電信息存儲至數據加載源，使用DataWorks的數據集成數據加載源的數據進行數據同步，并在同步過程中完成對數據的條件抽取增量同步、加載和轉換工作；

步驟202：對用電數據缺失的用戶進行缺失值處理，缺少大于2小時數據的用戶被判定為異常用戶，缺少小于或等于2小時時，采用拉格朗日插值法進行插補；

步驟203：對數據進行歸一化，處理公式如下：

其中，L(m,y)表示用電負荷的歸一值，L'(m,y)表示用電負荷實際值，L(m,y)_max表示實際用電負荷值序列中的最大值，L(m,y)_min表示實際用電負荷值序列中的最小值。

4.根據權利要求3所述一種基于數據挖掘的用電檢查智能診斷方法，其特征在于：

所述數據加載源包括MySQL、Oracle、Kafka、DataHub、LogHub和PolarDB；

所述數據倉庫包括MaxCompute、Hologres、Kafka和DataHub。

5.根據權利要求1所述的一種基于數據挖掘的用電檢查智能診斷方法，其特征在于：

所述步驟3中的FCM聚類算法將用戶分為五類；第一類：用戶在當日24小時的80％時間里的累計用電負荷不高于所有待診斷用戶日用電負荷均值的60％，且該用戶當日的負荷時間特征曲線斜率小于1，且該用戶晚上時段內的每小時用電負荷呈逐小時上升趨勢；第二類：用戶日用電負荷不低于所有待診斷用戶日用電負荷均值的80％，且該用戶在晚上相鄰小時間用電負荷差值的絕對值的下降平均值小于該用戶日用電負荷的20％；第三類：用戶每小時用電負荷在早上和晚上出現兩處峰值；第四類：用戶日用電負荷在所有待診斷用戶日用電負荷平均值的[90％-100％]之間且該用戶當日的負荷時間特征曲線斜率在90％時間里小于0.5；第五類：用戶日用電負荷在所有待診斷的用戶日用電負荷平均值的[60％-90％)之間且該用戶當日的負荷時間特征曲線斜率在70％的時間里大于1；

所述“早上”指得是從早上6點到早上12點，所述“晚上”指得是從晚上6點到當天晚上12點；

所述特征曲線的自變量為時間，單位為小時，因變量為用電負荷。