本發(fā)明涉及防竊電分析技術(shù)領(lǐng)域，尤其涉及一種基于用戶行為分析的防竊電方法。

背景技術(shù)：

一直以來，非法竊電現(xiàn)象一直嚴重困擾著電力企業(yè)。有些用電單位或個人通過改變電能表接線、外加強磁場影響以及對線路并接支路等方式逃避電能計量以達到竊電的目的，并將竊電作為獲益或減少成本的手段。非法竊電不僅嚴重侵害了供電企業(yè)的合法權(quán)利和經(jīng)濟效益，而且給國家造成大量的資源流失，同時也給安全用電帶來巨大威脅。據(jù)統(tǒng)計,近幾年發(fā)生的觸電及火災(zāi)事故中，有近25％是由于非法竊電導致電路短路而釀成的。

目前，主要是采取人工巡檢的方式對非法竊電行為進行防治。一方面巡檢人員根據(jù)自身工作經(jīng)驗，在檢測現(xiàn)場進行初步判斷，對一些竊電現(xiàn)象進行識別，例如電表時鐘不正確、電表時段錯誤、電表不走針和電表倒走針等現(xiàn)象，鎖定有竊電行為的嫌疑用戶；另一方面巡檢人員采集用戶用電數(shù)據(jù)，并依靠軟件對電能表進行表計故障檢查和數(shù)據(jù)異常分析，通過數(shù)據(jù)對比鎖定有竊電行為的嫌疑用戶。

但是，企業(yè)和居民都是竊電多發(fā)用戶群，一方面，由于用戶數(shù)量巨大，無法采取頻繁性并且周期性普查的方法對用戶的竊電行為進行檢查；另一方面，分析用戶數(shù)據(jù)的方法不夠高效精準，所以當進行大范圍用電行為普查，例如，對竊電特別嚴重地區(qū)采取高頻度、大滲透率的突擊檢查時，檢測到的用電數(shù)據(jù)龐大從而無法快速準確進行分析。

技術(shù)實現(xiàn)要素：

為克服相關(guān)技術(shù)中存在的問題，本發(fā)明提供一種基于用戶行為分析的防竊電方法。

根據(jù)本發(fā)明實施例提供基于用戶行為分析的防竊電方法，包括以下步驟：獲取用戶的用電行為數(shù)據(jù)；根據(jù)所述用電行為數(shù)據(jù)，確定輸入向量和輸出向量，構(gòu)建人工神經(jīng)網(wǎng)絡(luò)，所述輸入向量為竊電參數(shù)，所述輸出向量為竊電系數(shù)，其中，竊電參數(shù)包括峰值有功功率、平值有功功率、谷值有功功率、總無功功率、總有功功率和功率因數(shù)；生成訓練樣本，對所述訓練樣本進行歸一化處理，得到歸一化訓練樣本；將所述歸一化訓練樣本輸入至所述人工神經(jīng)網(wǎng)絡(luò)，并對所述人工神經(jīng)網(wǎng)絡(luò)進行訓練；獲取竊電參數(shù)值，并將所述竊電參數(shù)值輸入至訓練后的所述人工神經(jīng)網(wǎng)絡(luò)，得到竊電系數(shù)值；根據(jù)所述竊電系數(shù)值的大小，判斷用戶的竊電嫌疑。

優(yōu)選地，所述生成訓練樣本，包括：以所述竊電參數(shù)的歷史數(shù)據(jù)生成訓練竊電參數(shù)值；查找并獲取與所述訓練竊電參數(shù)值相對應(yīng)的期望訓練竊電系數(shù)值，并將所述期望訓練竊電系數(shù)值作為所述訓練竊電系數(shù)值；將所述訓練竊電參數(shù)值和訓練竊電系數(shù)值作為訓練樣本。

優(yōu)選地，所述將所述歸一化訓練樣本輸入至所述人工神經(jīng)網(wǎng)絡(luò)，并對所述人工神經(jīng)網(wǎng)絡(luò)進行訓練，包括：獲取所述歸一化訓練樣本中的歸一化訓練竊電參數(shù)值和歸一化訓練竊電系數(shù)值，并將所述歸一化訓練竊電參數(shù)值輸入至所述人工神經(jīng)網(wǎng)絡(luò)，得到實際訓練竊電系數(shù)值；獲取所述人工神經(jīng)網(wǎng)絡(luò)的誤差閾值；計算所述實際訓練竊電系數(shù)值與歸一化訓練竊電系數(shù)值的均方根誤差；當所述均方根誤差小于所述誤差閾值時，結(jié)束對所述人工神經(jīng)網(wǎng)絡(luò)的訓練。

優(yōu)選地，所述將所述歸一化訓練樣本輸入至所述人工神經(jīng)網(wǎng)絡(luò)，并對所述人工神經(jīng)網(wǎng)絡(luò)進行訓練，包括：獲取所述歸一化訓練樣本中的歸一化訓練竊電參數(shù)值和歸一化訓練竊電系數(shù)值，并將所述歸一化訓練竊電參數(shù)值輸入至所述人工神經(jīng)網(wǎng)絡(luò)，得到實際訓練竊電系數(shù)值；獲取所述人工神經(jīng)網(wǎng)絡(luò)的誤差閾值；計算所述實際訓練竊電系數(shù)值與歸一化訓練竊電系數(shù)值的均方根誤差；當所述均方根誤差大于或等于所述誤差閾值時，調(diào)整所述人工神經(jīng)網(wǎng)絡(luò)的連接權(quán)值。

優(yōu)選地，所述獲取所述人工神經(jīng)網(wǎng)絡(luò)的誤差閾值，包括：獲取用戶發(fā)送的包含所述人工神經(jīng)網(wǎng)絡(luò)的誤差閾值的輸入指令；根據(jù)所述輸入指令，更新存儲器中保存的誤差閾值；查找并獲取所述誤差閾值。

優(yōu)選地，所述根據(jù)所述竊電系數(shù)值的大小，判斷用戶的竊電嫌疑，包括：查找并獲取預(yù)先設(shè)置的竊電系數(shù)閾值；當所述竊電系數(shù)值大于或等于所述竊電系數(shù)閾值，判斷用戶有竊電嫌疑。

優(yōu)選地，所述根據(jù)所述竊電系數(shù)值的大小，判斷用戶的竊電嫌疑，包括：查找并獲取預(yù)先設(shè)置的竊電系數(shù)閾值；當所述竊電系數(shù)值小于所述竊電系數(shù)閾值，判斷用戶無竊電嫌疑。

本發(fā)明的實施例提供的技術(shù)方案可以包括以下有益效果：

本發(fā)明實施例提供的基于用戶行為分析的防竊電方法，首先以包括峰值有功功率、平值有功功率、谷值有功功率、總無功功率、總有功功率和功率因數(shù)等竊電參數(shù)作為輸入向量，以竊電系數(shù)作為輸出向量構(gòu)建人工神經(jīng)網(wǎng)絡(luò)；然后將生成的訓練樣本進行歸一化處理后輸入人工神經(jīng)網(wǎng)絡(luò)，對人工神經(jīng)網(wǎng)絡(luò)進行訓練；再將采集到的竊電參數(shù)值輸入訓練后的人工神經(jīng)網(wǎng)絡(luò)，輸出竊電系數(shù)值；最后根據(jù)竊電系數(shù)值的大小，判斷用戶是否有竊電嫌疑。本發(fā)明提供的方法相比于傳統(tǒng)人工選件排查的方法，有效實現(xiàn)了大數(shù)據(jù)的吞吐量，提高數(shù)據(jù)分析處理效率，更加精準地定位竊電嫌疑對象。

應(yīng)當理解的是，以上的一般描述和后文的細節(jié)描述僅是示例性和解釋性的，并不能限制本發(fā)明。

附圖說明

此處的附圖被并入說明書中并構(gòu)成本說明書的一部分，示出了符合本發(fā)明的實施例，并與說明書一起用于解釋本發(fā)明的原理。

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，對于本領(lǐng)域普通技術(shù)人員而言，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實施例提供的一種基于用戶行為分析的防竊電方法的流程示意圖；

圖2為本發(fā)明實施例提供的一種基于用戶行為分析的防竊電方法的步驟S130的流程示意圖；

圖3為本發(fā)明實施例提供的一種基于用戶行為分析的防竊電方法的步驟S140的流程示意圖；

圖4為本發(fā)明實施例提供的一種基于用戶行為分析的防竊電方法的步驟S160的流程示意圖。

具體實施方式

這里將詳細地對示例性實施例進行說明，其示例表示在附圖中。下面的描述涉及附圖時，除非另有表示，不同附圖中的相同數(shù)字表示相同或相似的要素。以下示例性實施例中所描述的實施方式并不代表與本發(fā)明相一致的所有實施方式。相反，它們僅是與如所附權(quán)利要求書中所詳述的、本發(fā)明的一些方面相一致的裝置和方法的例子。

參見圖1、圖2、圖3和圖4，圖1為本發(fā)明實施例提供的一種基于用戶行為分析的防竊電方法的流程示意圖；圖2為本發(fā)明實施例提供的一種基于用戶行為分析的防竊電方法的步驟130的流程示意圖；圖3為本發(fā)明實施例提供的一種基于用戶行為分析的防竊電方法的步驟140的流程示意圖；圖4為本發(fā)明實施例提供的一種基于用戶行為分析的防竊電方法的步驟160的流程示意圖。

如圖1、圖2、圖3和圖4所示，本發(fā)明實施例提供的基于用戶行為分析的防竊電方法，包括以下步驟：

步驟S110，獲取用戶的用電行為數(shù)據(jù)。獲取數(shù)據(jù)采集層所采集的用戶用電數(shù)據(jù)，尤其是高壓專變用戶用電數(shù)據(jù)。

步驟S120，根據(jù)用電行為數(shù)據(jù)，確定輸入向量和輸出向量，構(gòu)建人工神經(jīng)網(wǎng)絡(luò)，輸入向量為竊電參數(shù)，輸出向量為竊電系數(shù)，其中，竊電參數(shù)包括峰值有功功率、平值有功功率、谷值有功功率、總無功功率、總有功功率和功率因數(shù)。

步驟S130，生成訓練樣本，對訓練樣本進行歸一化處理，得到歸一化訓練樣本。具體地，如圖2所示，步驟S130可以詳細包括：

步驟S131，以竊電參數(shù)的歷史數(shù)據(jù)生成訓練竊電參數(shù)值。

步驟S132，查找并獲取與訓練竊電參數(shù)值相對應(yīng)的期望訓練竊電系數(shù)值，并將期望訓練竊電系數(shù)值作為訓練竊電系數(shù)值。

步驟S133，將訓練竊電參數(shù)值和訓練竊電系數(shù)值作為訓練樣本。

以具體實例說明，本發(fā)明實施例可選擇的訓練樣本生成為，選擇武漢市高壓專變用戶已經(jīng)過期的24個月的用電數(shù)據(jù)為訓練竊電參數(shù)值；令期望訓練竊電系數(shù)值為0或1，其中，0代表已經(jīng)確定無竊電嫌疑的高壓專變用戶，1代表已經(jīng)確定竊電嫌疑的高壓專變用戶；查找并獲取與訓練竊電參數(shù)值相對應(yīng)的期望訓練竊電系數(shù)值，并將期望訓練竊電系數(shù)值作為訓練竊電系數(shù)值，即得到訓練樣本。

步驟S140，將歸一化訓練樣本輸入至人工神經(jīng)網(wǎng)絡(luò)，并對人工神經(jīng)網(wǎng)絡(luò)進行訓練。

具體地，如圖3所示，步驟S140可以詳細包括：

步驟S141，獲取歸一化訓練樣本中的歸一化訓練竊電參數(shù)值和歸一化訓練竊電系數(shù)值，并將歸一化訓練竊電參數(shù)值輸入至人工神經(jīng)網(wǎng)絡(luò)，得到實際訓練竊電系數(shù)值。

人工神經(jīng)網(wǎng)絡(luò)有一個重要的定理，即對于任何在閉區(qū)間內(nèi)的一個連續(xù)函數(shù)都可以用單隱含層的人工神經(jīng)網(wǎng)絡(luò)擬合，因而一個三層BP網(wǎng)絡(luò)就可以完成任意的n維到m維的映射。

因此，設(shè)人工神經(jīng)網(wǎng)絡(luò)的輸入層有n個神經(jīng)元，輸出層有p個神經(jīng)元，隱含層有m個神經(jīng)元，d(j)為輸入層節(jié)點，j＝1,2,...,n；d(i)為隱含層節(jié)點，i＝1,2,...,m；d(k)為輸出層節(jié)點，k＝1,2,...,p。x_j為d(j)的輸入或輸出；o_i為d(i)的輸出；y_k為d(k)的輸出。f₁和f₂分別為隱含層和輸出層的傳輸函數(shù)。w_ji為輸入層與隱含層之間的連接權(quán)值；v_ik為隱含層與輸出層之間的連接權(quán)值。

對于隱含層，有

對于輸出層，有

將歸一化訓練竊電參數(shù)值即x_j輸入至人工神經(jīng)網(wǎng)絡(luò)，得到實際訓練竊電系數(shù)值y_k。

步驟S142，獲取人工神經(jīng)網(wǎng)絡(luò)的誤差閾值。具體地，步驟S142包括，獲取用戶發(fā)送的包含人工神經(jīng)網(wǎng)絡(luò)的誤差閾值的輸入指令；根據(jù)輸入指令，更新存儲器中保存的誤差閾值；查找并獲取誤差閾值。

步驟S143，計算實際訓練竊電系數(shù)值與歸一化訓練竊電系數(shù)值的均方根誤差。

設(shè)t_k為歸一化訓練竊電系數(shù)值，因此，均方根誤差E_p為

步驟S144，判斷均方根誤差是否小于誤差閾值。

步驟S145，當均方根誤差小于誤差閾值時，結(jié)束對人工神經(jīng)網(wǎng)絡(luò)的訓練。

步驟S146，當均方根誤差大于或等于誤差閾值時，調(diào)整人工神經(jīng)網(wǎng)絡(luò)的連接權(quán)值，并重復步驟S141-S144。

步驟S150，獲取竊電參數(shù)值，并將竊電參數(shù)值輸入至訓練后的人工神經(jīng)網(wǎng)絡(luò)，得到竊電系數(shù)值。

步驟S160，根據(jù)竊電系數(shù)值的大小，判斷用戶的竊電嫌疑。具體地，如圖4所示，步驟S160還包括：

步驟S161，查找并獲取預(yù)先設(shè)置的竊電系數(shù)閾值。

步驟S162，判斷竊電系數(shù)值是否小于竊電系數(shù)閾值。

步驟S163，當竊電系數(shù)值小于竊電系數(shù)閾值，判斷用戶無竊電嫌疑。

步驟S164，當竊電系數(shù)值大于或等于竊電系數(shù)閾值，判斷用戶有竊電嫌疑。

以具體實例說明，本發(fā)明實施例根據(jù)眾多歷史數(shù)據(jù)，選擇0.85作為竊電系數(shù)閾值。因此，當竊電系數(shù)值小于0.85時，判斷用戶無竊電嫌疑，而當竊電系數(shù)值大于或等于0.85時，則判斷用戶有竊電嫌疑。

本領(lǐng)域技術(shù)人員在考慮說明書及實踐這里發(fā)明的公開后，將容易想到本發(fā)明的其它實施方案。本申請旨在涵蓋本發(fā)明的任何變型、用途或者適應(yīng)性變化，這些變型、用途或者適應(yīng)性變化遵循本發(fā)明的一般性原理并包括本發(fā)明未公開的本技術(shù)領(lǐng)域中的公知常識或慣用技術(shù)手段。說明書和實施例僅被視為示例性的，本發(fā)明的真正范圍和精神由下面的權(quán)利要求指出。

應(yīng)當理解的是，本發(fā)明并不局限于上面已經(jīng)描述并在附圖中示出的精確結(jié)構(gòu)，并且可以在不脫離其范圍進行各種修改和改變。本發(fā)明的范圍僅由所附的權(quán)利要求來限制。