一種用電異常檢測方法及系統的制作方法
【技術領域】
[0001]本發(fā)明涉及一種用電異常檢測方法及系統。
【背景技術】
[0002]近年來，隨著電力網絡規(guī)模的不斷擴大，電力網絡的結構和運行模式也變得日益復雜，人們對電網的供電質量和網絡運行的可靠性提出了更高的要求。異常用電的存在會影響管理人員做出錯誤的決策，進而影響電力系統的正常運行，使電力企業(yè)遭受巨大的經濟損失，因此用電異常檢測是電力管理系統的重要組成部分。現有的用電異常檢測方法主要以經驗和事件分析為主，對于日益復雜和不斷變化的電力應用，這種方法受到經驗判斷的局限，不能完全揭示用電異常的發(fā)生；另一方面，隨著智能配電網的發(fā)展，電力采集系統已經積累了電網運行的海量數據，這些數據包含著豐富的利用價值，可以用來對用戶用電行為模式和異常發(fā)生的規(guī)律進行分析和挖掘，但現有的用電異常檢測方法并未對這些數據加以利用。

【發(fā)明內容】

[0003]本發(fā)明的目的是針對現有技術的不足，提出一種利用數據挖掘算法進行用電異常檢測的方法，充分利用已積累的電網數據，能夠提高檢測準確性及效率、節(jié)省檢測時間。
[0004]本發(fā)明的另一個目的是提供一種采用該方法的用電異常檢測系統。
[0005]本發(fā)明通過以下技術方案實現:
[0006]—種用電異常檢測方法，包括以下步驟:
[0007]A、對當前采集數據及歷史數據進行預處理；
[0008]B、采用數據挖掘算法對預處理后的數據進行檢測，識別出用電異常嫌疑用戶；
[0009]C、將用電異常嫌疑用戶中超過設定的閾值參數的部分作為用電異常用戶進行反饋；
[0010]D、利用關聯算法對歷史數據中的用電異常數據進行關聯分析，提煉用電異常內部關聯規(guī)則，并將分析結果用表格或者圖形表示；
[0011]E、對不同行業(yè)及類別的用電異常用戶分布、特定用電異常用戶數據進行統計，以供查詢。
[0012]進一步的，所述步驟A包括以下步驟:
[0013]Al、對當前采集數據及歷史數據進行空值處理和/或重復值處理和/或缺失值處理；
[0014]A2、將步驟Al處理后的連續(xù)型數據按照一定的標準離散化；
[0015]A3、將步驟A2處理后的數據按照需要添加屬性、對異常歷史數據統計異常發(fā)生頻率。
[0016]進一步的，所述步驟A還包括數據導入導出。
[0017]進一步的，所述步驟A還包括定期清理數據集。
[0018]進一步的，所述步驟B中所述的數據挖掘算法包括:時間序列檢測算法、曲線擬合算法、聚類算法；
[0019]時間序列檢測算法，根據單個用戶的表計歷史數據對用戶用電負荷進行預測，與用電用戶脈沖值比較，篩選出實際值與預測值的差值較大的用戶，檢測計量裝置異常情況，列為計量異常嫌疑用戶；
[0020]曲線擬合算法，包括與行業(yè)的對比及與過去的對比兩方面:與行業(yè)的對比，將某用戶的當前采集數據與該行業(yè)的歷史數據進行曲線擬合，將與行業(yè)曲線偏離的用戶列為用電異常嫌疑用戶;與過去的對比，將某個用戶某日的負荷曲線與該用戶整段區(qū)間的平均負荷曲線進行擬合，篩選出用電異常嫌疑用戶；
[0021]聚類算法，包括用戶聚類及曲線聚類兩方面:用戶聚類，基于正常聚類的方法對用戶進行聚類后與用戶檔案進行比對，篩選出現矛盾情況的用戶列為用電異常嫌疑用戶；曲線聚類，基于聚類的離群點檢測，依據用戶的用電行為曲線對用戶進行聚類，再與用戶檔案信息進行比對，篩選出有離群點的用戶，列為用電異常嫌疑用戶。
[0022]進一步的，所述步驟D包括以下步驟:
[0023]D1、利用數據挖掘中的關聯算法，根據設定的支持度和置信度得出用電異常類型、用電異常發(fā)生頻率與行業(yè)及類別之間的關聯規(guī)則；
[0024]D2、根據步驟Dl處理后的關聯規(guī)則，對于給定的行業(yè)及類別，分析可能的用電異常發(fā)生頻率，并將分析結果用表格或者圖形表示。
[0025]本發(fā)明還通過以下技術方案實現:
[0026]—種用電異常檢測系統，其特征在于:采用如權利要求1至6所述的用電異常檢測方法，包括對當前采集數據及歷史數據進行預處理的數據預處理裝置、采用數據挖掘算法對預處理后的數據進行檢測，進而識別出用電異常嫌疑用戶的異常檢測裝置、將用電嫌疑用戶中超過設定的閾值參數的部分作為用電異常用戶進行反饋的異常預警裝置、利用數據挖掘中的關聯算法，根據設定的支持度和置信度得出用電異常類型、用電異常發(fā)生頻率與行業(yè)及類別之間的關聯規(guī)則的關聯分析裝置、對不同行業(yè)及類別的用電異常用戶分布、特定用電異常用戶數據進行統計以供查詢的結果查詢裝置。
[0027]進一步的，所述數據預處理裝置包括數據空值處理和/或重復值處理和/或缺失值處理模塊、數據離散化模塊、數據屬性設置模塊、數據導入導出模塊、數據清理模塊；
[0028]所述異常檢測裝置包括時間序列檢測模塊、曲線擬合模塊、聚類模塊；
[0029]所述關聯分析裝置包括關聯分析模塊；
[0030]所述異常預警裝置包括閾值設置模塊、異常反饋模塊；
[0031 ]所述結果查詢裝置包括統計模塊、查詢模塊。
[0032]本發(fā)明具有如下有益效果:
[0033]本發(fā)明利用多種數據挖掘算法對現有電網信息采集系統已積累的用電數據進行分析，進而檢測出用電異常用戶，對用電異常用戶進行檢測，檢測結果更為全面，且提高了檢測的準確性及檢測效率，節(jié)省了檢測時間?，F有電網信息采集系統已積累的用電數據進行分析
【附圖說明】
[0034]下面結合附圖對本發(fā)明做進一步詳細說明。
[0035]圖1為本發(fā)明的一種用電異常檢測方法的流程圖。
[0036]圖2為本發(fā)明的一種用電異常檢測系統的框圖。
【具體實施方式】
[0037]如圖1所示，本發(fā)明提供一種用電異常檢測的方法，具體步驟包括:
[0038]A、對當前采集數據及歷史數據進行預處理，其中，當前采集數據由數據采集系統提供，歷史數據由國家電網平臺提供，對數據的預處理的作用是提高數據的質量，主要包括以下兩個步驟:
[0039]Al、對當前采集數據及歷史數據進行空值處理和/或重復值處理和/或缺失值處理；
[0040]A2、將步驟Al處理后的連續(xù)型數據按照一定的標準離散化；
[0041]A3、將步驟A2處理后的數據按照需要添加屬性、對異常歷史數據統計異常發(fā)生頻率，其中，添加的屬性包括日期是否為節(jié)假日、用戶重要性、行業(yè)、用電類別；
[0042]數據預處理還包括數據導入導出，為系統和現有電網信息系統之間提供數據接口；定期清理數據集，以避免查詢系統后臺數據隨著使用時間的增長而快速增大，影響查詢系統的使用；
[0043]B、采用數據挖掘算法對預處理后的數據進行檢測，識別出用電異常嫌疑用戶，所述數據挖掘算法包括時間序列檢測算法、曲線擬合算法、聚類算法；
[0044]時間序列檢測算法，根據單個用戶的表計歷史數據對用戶用電負荷進行預測，與用電用戶脈沖值比較，篩選出實際值與預測值的差值較大的用戶，檢測計量裝置異常情況，列為計量異常嫌疑用戶；
[0045]曲線擬合算法，包括與行業(yè)的對比及與過去的對比兩方面:與行業(yè)的對比，將某用戶的當前采集數據與該行業(yè)的歷史數據進行曲線擬合，將與行業(yè)曲線偏離的用戶列為用電異常嫌疑用戶；與過去的對比，將某個用戶某日的負荷曲線與該用戶整段區(qū)間的平均負荷曲線進行擬合，篩選出用電異常嫌疑用戶；
[0046]聚類算