【技术实现步骤摘要】
本专利技术涉及数据监测，具体涉及基于数据驱动的用电异常状态智能监测方法及系统。
技术介绍
1、电网的电能损耗是电力系统运行过程中不可避免的现象，主要可以分为技术损失和非技术损失两个方面。技术损失是指在电能从发电站传输到最终用户的过程中，由于物理现象和设备效率等因素导致的电能损耗。非技术损失主要是指由于人为因素或管理问题导致的电能损耗，这些损耗并非直接源于电力传输和转换过程，而是与用户的异常用电行为相关。用户的用电异常行为会给电网带来经济损失。
2、传统的用电异常检测方法通常依赖于聚类分析技术，其中cfsfdp聚类算法(clustering by fast search and find of density peaks）是一种常用的方法。然而，cfsfdp聚类算法的精度在很大程度上取决于其截断距离的选择。在现实情况中，由于用电行为的复杂性和多样性，固定的截断距离可能无法适应所有用户的用电模式。不同的用户群体、季节变化、特殊事件等因素可能导致用电行为的显著差异，这些差异可能需要不同的截断距离来准确捕捉。
技术实现思路
1、为了解决上述技术问题，本专利技术的目的在于提供基于数据驱动的用电异常状态智能监测方法及系统，所采用的技术方案具体如下：
2、第一方面，本专利技术实施例提供了基于数据驱动的用电异常状态智能监测方法，该方法包括以下步骤：
3、获取各用户的电量数据序列；
4、对各用户的电量数据序列进行分割获取各分割长度的分割数据序列集合；根
5、根据最佳紧邻密度距离以及异常用电系数集合结合cfsfdp算法获取各聚类簇以及聚类簇的数量；根据聚类簇的数量结合聚类簇完成用户用电异常状态的智能监测。
6、优选的，所述对各用户的电量数据序列进行分割获取各分割长度的分割数据序列集合，包括：
7、对于各用户的电量数据序列，x从2开始，对连续的x个数据进行分割，其中x为整数，将得到的所有分割长度为x的分割数据序列组成的分割数据序列集合保存为，对应的集合元素数量保存为，直到等于2时停止数据分割。
8、优选的，所述根据每个用户的各分割长度的分割数据序列集合的元素分布差异获取各分割长度的分割数据序列集合的数据异同度，具体为：
9、对于各分割长度；将各分割长度的分割数据序列集合的所有序列各位置的元素均值作为各分割长度的分割数据均值序列；将各分割长度的分割数据序列集合所有序列各位置的元素值与所述均值的差值绝对值的均值作为各分割长度的分割数据序列集合的数据异同度。
10、优选的，所述根据各分割长度的分割数据序列集合的数据异同度获取各用户电量数据序列的周期长度，包括：
11、获取数据异同度最小时所对应的分割长度的个数；若所述个数等于1时，则将对应的分割长度作为用户电量数据序列的周期长度；
12、若所述个数大于1时，则获取最小分割长度，将最小分割长度作为除数，其余分割长度作为被除数，分别进行除法运算；当所有余数都不为0时，将最小分割长度作为电量数据序列的周期长度；当存在余数为0时，将余数为0的对应被除数的最大值作为电量数据序列的周期长度。
13、优选的，所述根据各电量数据序列的周期长度结合均值滤波获取用户当天的用电下降率，包括：
14、将各电量数据序列的周期长度作为窗口长度对各电量数据序列进行均值滤波；用户当天的用电下降率k，表达式为：
15、
16、式中，表示电量数据序列的周期长度；表示用户使用当天的滤波前用电数据；表示用户使用当天用电数据以及前m-1天滤波后用电数据的均值；表示取绝对值；表示之前天数与当天天数的间隔。
17、优选的，所述根据用户周期内的用电下降率的差异获取异常用电系数集合，具体包括：
18、获取用户当天的供电数据；计算所述供电数据与用户当天的用电数据的差值；将所述差值与所述供电数据的比值作为用户每天的电量损耗；
19、计算用户在周期内的用电下降率的均值；计算用户当天的用电下降率与所述均值的差值绝对值；
20、将所述差值绝对值与所述电量损耗的乘积作为用户当天的异常用电系数；
21、将所有用户当天的异常用电系数组成的集合作为异常用电系数集合。
22、优选的，所述根据异常用电系数集合的元素之间的差异特征获取异常用电系数集合的最佳近邻密度距离，具体包括：
23、对于异常用电系数集合的各元素；计算各元素与其他元素之间的差值绝对值，并按照从小到大的顺序进行排列组成各元素的绝对差值序列；
24、最佳近邻密度距离，表达式为：
25、
26、
27、式中，表示异常用电系数集合的第a个平均近邻距离；表示绝对差值序列集合中绝对差值序列的数量；表示绝对差值序列集合中第b个绝对差值序列的第个元素值；表示异常用电系数集合的最佳近邻密度距离；表示最小值函数；表示平均近邻距离集合；表示取得最小平均近邻距离所采用的元素位置。
28、优选的，所述根据最佳紧邻密度距离以及异常用电系数集合结合cfsfdp算法获取各聚类簇以及聚类簇的数量，具体包括：
29、将异常用电系数集合作为cfsfdp算法的输入，将最佳紧邻密度距离作为cfsfdp算法的截断距离，cfsfdp算法的输出为各聚类簇以及聚类簇的数量。
30、优选的，所述根据聚类簇的数量结合聚类簇完成用户用电异常状态的智能监测，具体包括：
31、当聚类簇的数量等于1时，用户用电状态正常；
32、当聚类簇的数量大于1时，将元素最多的聚类簇作为用户状态正常的聚类簇，其余聚类簇中用户用电状态异常。
33、第二方面，本专利技术实施例还提供了基于数据驱动的用电异常状态智能监测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。
34、本专利技术至少具有如下有益效果：
35、本专利技术主要通过对获取的数据进行不同长度的分割，利用分割获取到数据的数据异同度与数据周期长度，数据异同度可以反映数据在不同时间段的相似性和差异性，通过分析数据异同度识别出数据中的周期长度，数据周期长度具有更高的准确性。通过数据的周期长度计算数据的用电下降率，数据的周期长度对用户用电行为的趋势和模式进行识别，利用数据的周期长度计算用电下降率，从而获得更精确的结果；利用异常用电下降率与线路损耗计算用户当天用电的异常本文档来自技高网...
【技术保护点】
1.基于数据驱动的用电异常状态智能监测方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的基于数据驱动的用电异常状态智能监测方法，其特征在于，所述对各用户的电量数据序列进行分割获取各分割长度的分割数据序列集合，包括：
3.如权利要求1所述的基于数据驱动的用电异常状态智能监测方法，其特征在于，所述根据每个用户的各分割长度的分割数据序列集合的元素分布差异获取各分割长度的分割数据序列集合的数据异同度，具体为：
4.如权利要求1所述的基于数据驱动的用电异常状态智能监测方法，其特征在于，所述根据各分割长度的分割数据序列集合的数据异同度获取各用户电量数据序列的周期长度，包括：
5.如权利要求1所述的基于数据驱动的用电异常状态智能监测方法，其特征在于，所述根据各电量数据序列的周期长度结合均值滤波获取用户当天的用电下降率，包括：
6.如权利要求1所述的基于数据驱动的用电异常状态智能监测方法，其特征在于，所述根据用户周期内的用电下降率的差异获取异常用电系数集合，具体包括：
7.如权利要求1所述的基于数据驱动的用电异常
8.如权利要求1所述的基于数据驱动的用电异常状态智能监测方法，其特征在于，所述根据最佳紧邻密度距离以及异常用电系数集合结合CFSFDP算法获取各聚类簇以及聚类簇的数量，具体包括：
9.如权利要求1所述的基于数据驱动的用电异常状态智能监测方法，其特征在于，所述根据聚类簇的数量结合聚类簇完成用户用电异常状态的智能监测，具体包括：
10.基于数据驱动的用电异常状态智能监测系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-9任意一项所述方法的步骤。
...【技术特征摘要】
1.基于数据驱动的用电异常状态智能监测方法，其特征在于，该方法包括以下步骤：
2.如权利要求1所述的基于数据驱动的用电异常状态智能监测方法，其特征在于，所述对各用户的电量数据序列进行分割获取各分割长度的分割数据序列集合，包括：
3.如权利要求1所述的基于数据驱动的用电异常状态智能监测方法，其特征在于，所述根据每个用户的各分割长度的分割数据序列集合的元素分布差异获取各分割长度的分割数据序列集合的数据异同度，具体为：
4.如权利要求1所述的基于数据驱动的用电异常状态智能监测方法，其特征在于，所述根据各分割长度的分割数据序列集合的数据异同度获取各用户电量数据序列的周期长度，包括：
5.如权利要求1所述的基于数据驱动的用电异常状态智能监测方法，其特征在于，所述根据各电量数据序列的周期长度结合均值滤波获取用户当天的用电下降率，包括：
6.如权利要求1所述的基于数据驱动的用电异常状态智能...
【专利技术属性】
技术研发人员：石莎莎，李明久，
申请(专利权)人：江苏斐能软件科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。