一种用电异常行为检测装置及方法制造方法及图纸

本发明专利技术公开了一种用电异常行为检测装置及方法，将获取的电网用户电气量信息输入训练后的算法训练函数进行处理，生成电气检测结果向量；将获取的电网用户电气设备周边的图像信息输入训练后的分类函数，生成图像检测结果向量；将电气检测结果向量和图像检测结果向量组成检测结果向量；基于检测结果向量确定用户用电异常行为。本发明专利技术提高对人为窃电类、计量设备故障类及用电特性异常类用电异常行为检测的准确率与快速性。的准确率与快速性。的准确率与快速性。

【技术实现步骤摘要】
一种用电异常行为检测装置及方法


[0001]本专利技术涉及一种用电异常行为检测装置及方法，属于智能电网


技术介绍

[0002]随着大数据时代的到来，开展电力大数据研究对于行业发展具有深远的意义，其中异常行为分析作为大数据应用的一个重要分支已深入到经济、航空及医疗等各个领域，但在电力行业尚处于萌芽阶段。
[0003]用电异常行为包括计量设备故障、业务不规范、人为窃电及用电特性异常等。由用电异常引起的电力损失通常分为技术性损失与非技术性损失，这两种损失对电网的安全稳定运行均会产生严重的影响，扰乱电网的正常调度。
[0004]现有解决方案主要包括三种。第一种是采用防盗防撬的计量设备来防止人为窃电类的用电异常行为的发生，但这种设计会提高设备成本，并在一定的程度影响设备的正常使用与日常维护。第二种是针对计量设备故障类及用电特性异常类的用电异常行为，主要通过加强配电设备的管理、提高配电设备检修频率等方式来降低用电异常行为对电网的影响，但这类方法会加大设备运维成本与电网人员工作量。第三种是采用神经网络对用电异常行为的数据进行分析，对神经网络训练层级划分方法要求较高，也无法对多类型的用电异常行为进行分析。
[0005]综上，如何对电网中不同种类的用户用电异常行为同时进行分析是本领域技术人员急需要解决的技术问题。

技术实现思路

[0006]目的：为了克服现有技术中存在的不足，本专利技术提供一种用电异常行为检测装置及方法，提高对人为窃电类、计量设备故障类及用电特性异常类用电异常行为检测的准确率与快速性。
[0007]技术方案：为解决上述技术问题，本专利技术采用的技术方案为：
[0008]第一方面，一种用电异常行为检测方法，包括如下步骤：
[0009]将获取的电网用户电气量信息输入训练后的算法训练函数进行处理，生成电气检测结果向量。
[0010]将获取的电网用户电气设备周边的图像信息输入训练后的分类函数，生成图像检测结果向量。
[0011]将电气检测结果向量和图像检测结果向量组成检测结果向量。
[0012]基于检测结果向量确定用户用电异常行为。
[0013]作为可选方案，所述训练后的算法训练函数的获取方法，包括：
[0014]对获取到的电网用户电气量信息进行异常行为数据特征提取，获得电气特征参数矩阵；
[0015]根据电气特征参数矩阵以及电气量异常特征对应的异常行为对算法训练函数进
行训练，获得训练后的算法训练函数。
[0016]作为可选方案，所述对获取到的电网用户电气量信息进行异常行为数据特征提取，获得电气特征参数矩阵，包括：
[0017]获取用户用电过程中产生的电气量信息，生成原始电气信息矩阵 E
ORI
(t)。
[0018]对原始电气信息矩阵E
ORI
(t)进行数据清洗及补全，生成电气信息矩阵E(t)；对电气信息矩阵E(t)进行用电异常行为相关数据的特征提取，生成电气特征参数矩阵E
PRO
(t)。
[0019]作为可选方案，所述根据电气特征参数矩阵以及电气量异常特征对应的异常行为对算法训练函数进行训练，获得训练后的算法训练函数，包括：
[0020]将原始电气信息矩阵E
PRO
(t)与d
R
(t)进行处理，生成历史电气信息矩阵E
PRO+d
(t)，d
R
(t)为电网用户在t时刻的用电情况排查结果。
[0021]将历史电气信息矩阵E
PRO+d
(t)输入分类学习机，生成算法训练函数的参数向量e
SL
(t)。
[0022]将算法训练函数的参数按参数向量e
SL
(t)进行设置，并通过电气特征参数矩阵以及电气量异常特征对应的异常行为进行训练，获得训练后的算法训练函数。
[0023]作为可选方案，所述训练后的分类函数的获取方法，包括：
[0024]将获取到的电网用户电气设备周边的图像信息形成原始图像信息矩阵；
[0025]利用原始图像信息矩阵以及图像信息中对应的异常行为对分类函数进行训练，获得训练后的分类函数。
[0026]作为可选方案，所述将获取到的电网用户电气设备周边的图像信息形成原始图像信息矩阵；利用原始图像信息矩阵以及图像信息中对应的异常行为对分类函数进行训练，获得训练后的分类函数，包括：
[0027]获取电网用户电气设备周边的图像信息，生成原始图像信息矩阵P
ORI
(t)。
[0028]将原始图像信息矩阵P
ORI
(t)与d
R
(t)进行处理，生成历史图像信息矩阵P
ORI+d
(t)，d
R
(t)为电网用户在t时刻的用电情况排查结果。
[0029]将历史图像信息矩阵P
ORI+d
(t)输入训练学习机，生成分类函数的参数向量p
SL
(t)。
[0030]将分类函数的参数按参数向量p
SL
(t)进行设置，并通过原始图像信息矩阵以及图像信息中对应的异常行为对分类函数进行训练，获得训练后的分类函数。
[0031]作为可选方案，所述将电气检测结果向量和图像检测结果向量组成检测结果向量，包括：
[0032]将图像检测结果向量d
P
(t)、电气检测结果向量d
E
(t)求并集，生成检测结果向量d(t)。
[0033]作为可选方案，所述基于检测结果向量确定用户用电异常行为，包括：
[0034]当检测结果向量d(t)中的信息包含用电异常行为信息时，检索用电异常行为信息对应用户与时刻的图像及电气量信息，并将图像及电气量信息生成用电异常行为检测报告。
[0035]第二方面，一种用电异常行为检测装置，包括：
[0036]非图像通道检测模块，用于将获取的电网用户电气量信息输入训练后的算法训练函数进行处理，生成电气检测结果向量。
[0037]图像通道检测模块，用于将获取的电网用户电气设备周边的图像信息输入训练后
的分类函数，生成图像检测结果向量。
[0038]用电异常行为生成模块：将电气检测结果向量和图像检测结果向量组成检测结果向量；基于检测结果向量确定用户用电异常行为。
[0039]作为可选方案，所述训练后的算法训练函数的获取方法，包括：
[0040]对获取到的电网用户电气量信息进行异常行为数据特征提取，获得电气特征参数矩阵；
[0041]根据电气特征参数矩阵以及电气量异常特征对应的异常行为对算法训练函数进行训练，获得训练后的算法训练函数。
[0042]作为可选方案，所述对获取到的电网用户电气量信息进行异常行为数据特征提取，获得电气特征参数矩阵，包括：
[0043]获取用户用电过程中产生的电气量信本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用电异常行为检测方法，其特征在于：包括如下步骤：将获取的电网用户电气量信息输入训练后的算法训练函数进行处理，生成电气检测结果向量；将获取的电网用户电气设备周边的图像信息输入训练后的分类函数，生成图像检测结果向量；将电气检测结果向量和图像检测结果向量组成检测结果向量；基于检测结果向量确定用户用电异常行为。2.根据权利要求1所述的一种用电异常行为检测方法，其特征在于：所述训练后的算法训练函数的获取方法，包括：对获取到的电网用户电气量信息进行异常行为数据特征提取，获得电气特征参数矩阵；根据电气特征参数矩阵以及电气量异常特征对应的异常行为对算法训练函数进行训练，获得训练后的算法训练函数。3.根据权利要求2所述的一种用电异常行为检测方法，其特征在于：所述对获取到的电网用户电气量信息进行异常行为数据特征提取，获得电气特征参数矩阵，包括：获取用户用电过程中产生的电气量信息，生成原始电气信息矩阵E
ORI
(t)；对原始电气信息矩阵E
ORI
(t)进行数据清洗及补全，生成电气信息矩阵E(t)；对电气信息矩阵E(t)进行用电异常行为相关数据的特征提取，生成电气特征参数矩阵E
PRO
(t)。4.根据权利要求3所述的一种用电异常行为检测方法，其特征在于：所述根据电气特征参数矩阵以及电气量异常特征对应的异常行为对算法训练函数进行训练，获得训练后的算法训练函数，包括：将原始电气信息矩阵E
PRO
(t)与d
R
(t)进行处理，生成历史电气信息矩阵E
PRO+d
(t)，d
R
(t)为电网用户在t时刻的用电情况排查结果；将历史电气信息矩阵E
PRO+d
(t)输入分类学习机，生成算法训练函数的参数向量e
SL
(t)；将算法训练函数的参数按参数向量e
SL
(t)进行设置，并通过电气特征参数矩阵以及电气量异常特征对应的异常行为进行训练，获得训练后的算法训练函数。5.根据权利要求1所述的一种用电异常行为检测方法，其特征在于：所述训练后的分类函数的获取方法，包括：将获取到的电网用户电气设备周边的图像信息形成原始图像信息矩阵；利用原始图像信息矩阵以及图像信息中对应的异常行为对分类函数进行训练，获得训练后的分类函数。6.根据权利要求5所述的一种用电异常行为检测方法，其特征在于：所述将获取到的电网用...

【专利技术属性】
技术研发人员：刘海鹏，吴通华，戴魏，王中浪，何昭辉，曹锐，
申请(专利权)人：国网电力科学研究院有限公司国网江苏省电力有限公司电力科学研究院国家电网有限公司，
类型：发明
国别省市：