(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210845519.4 (22)申请日 2022.07.19 (71)申请人 广州伟宏智能科技有限公司 地址 510000 广东省广州市天河区车陂启 明大街93号B401房(仅限办公用途) (72)发明人 黄志春　 (74)专利代理 机构 佛山市神机营专利代理事务 所(普通合伙) 44765 专利代理师 许尤庆 (51)Int.Cl. G06K 9/62(2022.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01) (54)发明名称 用户用电异常识别 (57)摘要 本发明涉及电力技术领域， 且公开了用户用 电异常识别， 其包括以下步骤： S1、 数据获取， 获 取用户瞬时量数据、 电量数据和用户是否异常用 电标签数据； S2、 构建用电特征指标， 其中， 用电 特征指标包 括： 1)电压不平 衡； 2)电流不平 衡； 3) 二次侧分流； 4)有功之和异常； 5)用户自身负荷 曲线异常； S3、 计算指标权重， 应用A HP算法， 将专 家经验量化； S4、 对上述指标加权。 该用户用电异 常识别， 通过采集终端采集到的用户电气特征数 据和电量数据， 首先构建用电特征指标， 其次应 用AHP算法为指标赋权， 最后应用随机森林算法 进行用户用电异常识别， 相比传统的专家现场巡 查识别方式， 耗费时间短， 人工成本低， 针对性 强， 效率高， 可满足当前用电异常检测的需求。 权利要求书1页 说明书4页 附图2页 CN 115146735 A 2022.10.04 CN 115146735 A 1.用户用电异常识别， 其特 征在于， 包括以下步骤： S1、 数据获取， 获取用户瞬时量数据、 电量数据和用户是否异常用电标签数据； S2、 构建用电特 征指标； S3、 计算指标权 重， 应用AHP算法， 将专 家经验量 化； S4、 对上述指标加权， 应用随机森林算法对用户用电进行异常识别。 2.根据权利要求1所述的用户用电异常识别， 其特 征在于， 所述用电特 征指标包括： 1)电压不平衡； 2)电流不平衡 3)二次侧分流； 4)有功之和异常； 5)用户自身负荷曲线异常。 其中， 1)‑4)指标根据专 家经验判断规则计算， 5)指标应用聚类算法来自动识别异常。 3.根据权利要求1所述的用户用电异常识别， 其特征在于， 所述用户电量数据包括日用 电特征、 周用电量特征、 月用电量特征、 季用电量特征、 年用电量特征、 总用电量特征、 0值特 征和空值特征， 且所述特征包括最大值、 最小值、 平均值、 方差、 偏度、 峰度、 中位数、 上四分 位数、 下四分位数和四分位差 。 4.根据权利要求1所述的用户用电异常识别， 其特征在于， 所述随机森林算法做特征选 择的步骤如下： 首先， 对每一颗决策树选择相应的袋外数据， 并计算袋外数据误差， 记为 errOOB1， 随机对袋外数据OOB所有样本的特征X加入噪声干扰， 重复计算袋外数据误差， 记 为errOOB2， 假设森林中有N棵树， 则特 征X的重要性 为： ∑(errOOB2‑errOOB1)/N。 5.根据权利要求1所述的用户用电异常识别， 其特征在于， 所述数据获取还包括数据挖 掘， 且数据挖掘包括确定数据挖掘的目标， 收集数据挖掘所需要的输入数据集合， 对数据进 行预处理， 导入模型， 运行模型， 完成数据训练。 6.根据权利要求5所述的用户用电异常识别， 其特征在于， 所述确定数据挖掘的目标， 在窃电行为分析上就是明确识别模型 的目标， 即准确识别出窃电用户， 所述收集数据挖掘 所需要的输入数据集合， 窃电用户识别的模型数据来源主要 是用电信息采集系统中的用户 电力数据。 7.根据权利要求5所述的用户用电异常识别， 其特征在于， 所述数据预处理， 对输入数 据进行预 处理， 其预 处理包括数据清洗和数据的归一化， 使杂乱无章的数据更加有序， 模型 表达与解释， 模型输出的结果一般情况下为一系列数据集合， 为了更为直观的表达， 将数据 转换为折线图或者 直方图的形式， 展现训练结果。权　利　要　求　书 1/1 页 2 CN 115146735 A 2用户用电异常识别 技术领域 [0001]本发明涉及电力技 术领域， 具体为用户用电异常识别。 背景技术 [0002]近年来， 随着市场经济 的日益发展， 电能作为一种清洁能源被广泛使用于国民经 济的各个领域和人民的生产、 生活中， 由于电能费用占企业成本比重较大， 一些不法经营 者、 个体私营业主为谋取暴利， 置国家法律、 法规于不顾， 不择手段地窃取国家电能， 猖狂的 窃电行为严重损害了企业和个人 的合法权益， 扰乱了正常的供用电秩序， 阻碍了电力事业 的发展， 给安全用电带来了严重威胁， 窃电已经 上升为一个不容忽视的社会问题。 [0003]随着各行业对电的需求不断扩大， 违窃电问题变 的越来越突出， 违窃电等用户用 电异常情况可能对电网的供电安全产生影响， 同时也影响了供电企业的利益， 如何精准识 别用户用电异常行为成为供电企业特别关注的问题， 传统的用电异常检测主要依靠经验丰 富的专家现场巡查完成， 耗时费力， 针对性差， 成本高， 时间维度长， 已经无法满足当前用电 异常检测需求， 针对上述方法的不足， 需要引入当前流行 的机器学习算法来自动而高效的 识别异常信息 。 发明内容 [0004](一)解决的技 术问题 [0005]针对现有技术的不足， 本发明提供了用户用电异常识别， 具备用电特征凝聚专家 经验， 机器学习算法自动高效等优点， 解决了传统的用户用电异常识别效率低、 精准度差的 问题。 [0006](二)技术方案 [0007]为实现上述用电特征凝聚专家经验， 机器学习算法自动高效的目的， 本发明提供 如下技术方案： 用户用电异常识别， 其包括以下步骤： [0008]S1、 数据获取， 获取用户瞬时量数据、 电量数据和用户是否异常用电标签数据； [0009]S2、 构建用电特 征指标； [0010]S3、 计算指标权 重， 应用AHP算法， 将专 家经验量 化； [0011]S4、 对上述指标加权， 应用随机森林算法对用户用电进行异常识别。 [0012]优选的， 所述用电特 征指标包括： [0013]1)电压不平衡； [0014]2)电流不平衡 [0015]3)二次侧分流； [0016]4)有功之和异常； [0017]5)用户自身负荷曲线异常。 [0018]其中， 1)‑4)指标根据专家 经验判断规则计算， 5)指标应用聚类算法来自动识别异 常。说　明　书 1/4 页 3 CN 115146735 A 3