一种基于智能电表数据的电力损失监督学习分析系统技术方案

本发明专利技术阐述了一种基于智能电表数据的电力损失监督学习分析系统。主要解决非技术性电力损失状态分析问题。由于异常或者窃电造成非技术性能量损失使得电力企业承受巨大的损失，严重影响了电力企业的收入，造成了电力系统的安全隐患和电力消费的不确定性。由于该部分属于非技术性，损失的出现难以完全避免，传统的检测方法难以准确的判定和识别。智能电网的出现以及智能电表普及为电力企业提供了良好的损失检测工具，提供了大量的多源混杂数据，对多源混杂数据的分析和决策就极其重要。本发明专利技术提供了针对不同类型数据的特征分析手段，获取的数据根据其类型特点选择相应的模型进行分析，最后构成综合决策数据库，构建了智能电表数据的电力损失分析系统。数据的电力损失分析系统。数据的电力损失分析系统。

【技术实现步骤摘要】
一种基于智能电表数据的电力损失监督学习分析系统


[0001]本专利技术涉及一种电力损失检测领域，尤其是一种基于智能电表数据的电力损失监督学习分析系统。

技术介绍

[0002]电能是社会生活、生产重要的能源。由于异常或者窃电造成的非技术性电力损失每年造成的电力企业损失十分严重，步进影响了电力企业的收入，同时也为电力系统的运行提供了更多的安全隐患和消费的不确定性。电力公司无法按照科学标准的核算数值进行电力输送，而由于该部分属于非技术性，因此在正常运行的过程中，这部分损失的出现难以完全避免，严重后果的时候能够降低电力企业的收入55%甚至更多。随着智能电网的发展，智能电表的应用为电力企业提供了良好的损失检测工具。通过通过智能电表中的信息获取模块，得到用电数据的时间域的数值，通过分析对非技术性电力损失的评估，通过频繁的访问电力的能量消耗，更好的了解非技术性电力损失的情况。但是在实际应用过程中，仍然缺乏基于智能电表系统数据库的电力用户行为映射模型，使得监督学习的电力损失检测与分析仍然有待解决。

技术实现思路

[0003]为了克服上述问题，本专利技术提出一种基于智能电表数据的电力损失监督学习分析系统。
[0004]本专利技术解决上述技术问题提供的一种技术方案是：获取电力企业的带有用电户异常行为的用电数据，构建基于传统电能测量信息，诸如智能电表报警信息、电能消耗信息、载荷测量信息的数据库，同时该数据库还加上了辅助信息诸如用电户地理信息、用户使用特征信息等，组成的数据集，经过数据特征提取后，插入到机器学习的算法模型中进行选择和评估。构建监督学习的标准数据映射库，这样可以构成基于距离和密度检测算法以及优化的分布式梯度增强库（XGBoost），为后续的监督学习提供支持。数据库构建后，通过对数据的特征提取后，将数据库划分为训练集、验证集和测试集，进行有监督的模型学习，并调整参数，直到满足要求，该模型训练完成后可以推广到全新的数据进行预测，最终达到模型的低误差电力损失识别与判定。
附图说明
[0005]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施实例， 对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本专利技术，并 不用于限定本专利技术。
[0006]图1是非技术原因电力损失识别流程图图；图2是数据特征提取流程图；
实施方式
[0007]为了便于理解本专利技术，下面将参照相关附图对本专利技术进行更全面的描述。附图中给出了本专利技术的若干个实施例。但是，本专利技术可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本专利技术的公开内容更加透彻全面。
[0008]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0009]【实施例1】如图1所示，步骤1智能电表通过传感器获得电力数据，步骤2数据经过去噪与辅助数据库结合，辅助数据库主要指的是地理信息或者用户行为信息等，结合成为综合数据库；步骤3对综合数据库进行数据库的特征数据提取；步骤4特征数据提取构建了三类特征：能量消耗特征、智能电表报警特征、电力参数特征；步骤5三个特征对数据特征进行预处理；步骤6将数据库分为训练集、验证集和测试集；步骤7进行有监督模型的训练；步骤8通过验证集对模型的参数进行优化；步骤9判断是否符合模型的预测要求；步骤9的两种情况：一种情况符合要求则进入步骤10模型到实际应用；若不符合预测要求则从步骤3开始重复进行上述操作，直到监督模型的预测符合要求。
[0010]【实施例2】如图2所示，在数据特征提取方面，根据不同的数据特点，分别进行数据特征提取。步骤4中的能量消耗特征提取主要主要针对能量消耗的时间因素，计算其平均值、方差值，并根据平均值和方差构建相应的得分Z，按照得分提取相应的特征数值；智能电表报警特征的提取是根据时间片内的报警次数，报警记为数字“1”，不报警记为数字“0”，构建成时间片的类二进制数，转化为10进制数记录；电力参数特征记录参数的峰值出现时间，并且结合参数的峰值出现地点，综合构建数据库，完成对电力参数特征的提取。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能电表数据的电力损失监督学习分析系统，其特征在于：包含以下步骤：步骤1智能电表通过传感器获得电力数据；步骤2数据经过去噪与辅助数据库结合，辅助数据库主要指的是地理信息或者用户行为信息等，结合成为综合数据库；步骤3对综合数据库进行数据库的特征数据提取；步骤4特征数据提取构建三类特征：能量消耗特征、智能电表报警特征、电力参数特征；步骤5三个特征对数据特征进行预处理；步骤6将数据库分为训练集、验证集和测试集；步骤7进行有监督模型的训练；步骤8通过验证集对模型的参数进行优化；步骤9判断是否符合模型的预测要求；步骤9的两种情况：一种情况符合要求则进入步骤10模型到实际应用；若不符合预测要求则从步骤3开始重复进行上述操作，直到监督模型的预测符合要求；步骤10模型应用到实际。2.根据权利要求1所述的一种基于智能电表数据的电力损失分析系统，其特征在于：步骤4中的数据特征处理过程：对于能量消耗特征的提取：通过计算时间片T内，时段t范围内的数值的平均值和方差，构建得分Z分析，能够得出可能的窃电行为或者能量消耗的异常行为，具体公式如下：3.根据Z的得分可以分析出数据的可能窃电行为，因为分析时选用了时间片、时段的尺度，可以保证像周末后者其他特殊时段内波动能量消耗的数据不会干扰整体窃电类数据的分析；对于智能电表报警特征的提取：采用的是智能电表的报警信息的记录，如果有报警则记为数字“1”，反之记为数字“0”，为了保证处理的速度数字的大小，每8个状态划定为一组数据，这样构建了诸如“0111 ...

【专利技术属性】
技术研发人员：程建新，刘再红，王尧柱，欧阳正，朱伟鸿，
申请(专利权)人：深圳市同昌汇能科技发展有限公司，
类型：发明
国别省市：