[發明專利]一種用戶竊電行為檢測方法、系統、終端及介質

在審

• 申請號: 202110364692.8
• 申請日: 2021-04-06
• 公開（公告）號: CN113095391A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 張希鵬;齊拯;劉杰;汪詩怡;趙璇;周毅;金麒;羅津;張衡
• 申請（專利權）人: 國網上海市電力公司市北供電公司;上海交通大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q50/06;G06N20/00;G06F16/903
• 代理公司: 上海恒慧知識產權代理事務所(特殊普通合伙) 31317
• 代理人: 劉翠;徐紅銀

1.一種用戶竊電行為檢測方法，其特征在于，包括：

獲取用戶在設定時間段內每日的平電量、谷電量及總電量用電量數據，篩選出極端異常數據并刪除，在時間維度上進行內部插值補全缺失數據，構建數據集；

根據用戶的用電量數據，構建用戶用電量特征向量；

利用所述數據集和用戶用電量特征向量，建立訓練集、驗證集和測試集；構建有監督的極致梯度提升決策樹，從訓練集中學習用電量特征向量的分布，得到訓練后的決策樹，采用驗證集對訓練后的決策樹進行參數調優，采用測試集檢驗訓練后的決策樹的性能，得到極致梯度提升決策樹分類模型；

通過所述分類模型中每個判斷節點對用戶用電量特征向量中的一項特征進行判斷，根據不同特征在所有判斷節點中所占比例，得到每個特征的重要性，并將得到的特征的重要性反饋至用戶用電量特征向量，對所述用戶用電量特征向量進行優化；

利用所述分類模型對任一用戶的優化后的用戶用電量特征向量進行判斷，完成對用戶竊電行為的檢測。

2.根據權利要求1所述的用戶竊電行為檢測方法，其特征在于，所述篩選出極端異常數據并刪除，包括如下任意一項或任意多項：

-針對所有用戶在設定時間段內每日使用的平電量、谷電量及總電量數據，分別計算出25％分位數和75％分位數之差，稱為IQR，將比75％分位數大3倍IQR的值以及比25％分位數小3倍IQR的值視為極端異常值，予以刪除；

-將用電量小于0的數據記為極端異常值，予以刪除；

所述在時間維度上進行內部插值補全缺失數據，包括：

根據用戶的第一條有效數據和最后一條有效數據規定該用戶的有效數據起止時間，對其中存在數據缺失的日期，通過前后最相鄰的存在有效數據的日期，向內進行線性插值，構建用戶時間序列，所述用戶時間序列起止時間不固定，但數據點間隔固定為1天。

3.根據權利要求1所述的用戶竊電行為檢測方法，其特征在于，所述用戶用電量特征向量，包括：設定時間段內平電量、谷電量及總電量的平滑度、中值度、落差度、天氣相關度以及周期相似度；其中：

-分別計算每名用戶設定時間段內平電量、谷電量及總電量序列的方差，得到該設定時間段內平電量、谷電量及總電量的平滑度；

-分別計算每名用戶設定時間段內平電量、谷電量及總電量序列的中位數，得到該設定時間段內平電量、谷電量及總電量的中值度；

-分別計算每名用戶設定時間段內平電量、谷電量及總電量序列相鄰兩天差值的最大值，得到該設定時間段內平電量、谷電量及總電量的落差度；

-計算每名用戶設定時間段內高溫天氣下用電量與當日最高溫、最低溫及平均溫度的相關性，得到該設定時間段內平電量、谷電量及總電量的天氣相關度；

-從每名用戶設定時間段內用戶時間序列的起始日期開始，對平電量、谷電量和總電量按照設定時間間隔獲取時間序列，取得相鄰兩段時間序列的標準化DTW距離，計算所有標準化DTW距離的平均值，形成平電量、谷電量和總電量的用電量的周期相似度，得到該設定時間段內平電量、谷電量及總電量的周期相似度。

4.根據權利要求3所述的用戶竊電行為檢測方法，其特征在于，所述計算每名用戶設定時間段內高溫天氣下用電量與當日最高溫、最低溫及平均溫度的相關性，得到該設定時間段內平電量、谷電量及總電量的天氣相關度，包括：

設定溫度閾值為23度或25度，將當日平均氣溫大于23度或大于25度時作為高溫天氣，選取該天氣下的用電量序列進行相關性計算；當用電量序列不包含高溫天氣下的用電量序列時，此時將天氣相關度記為一常數。

5.根據權利要求4所述的用戶竊電行為檢測方法，其特征在于，所述選取該天氣下的用電量序列進行相關性計算，包括：

當平均溫度高于T攝氏度時，計算P與Q的S相關性；其中，T為23攝氏度或25攝氏度，P為當日最高溫或當日平均溫度，Q為當日總電量、平電量或谷電量的用電量，S為Pearson線性相關系數和/或Spearman秩相關系數。