一种基于证据理论的多源特征融合窃电行为检测方法与流程

本发明属于智能电网领域，涉及一种应用于窃电用户检测的基于证据理论的多特征融合计算方法。

背景技术：

电能是国民经济持续发展的重要保障，人民生活水平的不断提高对电能的需求也在不断扩大。然而，在经济利益的驱使下，不法分子将盗窃电能作为获利手段，采用各种手段减小电能计量，达到不交或少交电费的目的，供电企业和社会因此受到巨大的损失。以往的窃电手段如绕越电表接线、篡改表计接线、短接电流回路等技术手段低下，容易暴露。但近年来科学技术的发展给不法分子利用高科技手段窃电提供了途径，例如利用无线遥控器、强磁铁和高频干扰器等手段窃电。这类手段隐蔽性强，不法分子往往难以被发现，大大增加了反窃电工作的难度。窃电等违法行为已经对供电企业的利益受到了侵害，正常的供用电秩序也因此收到威胁，影响社会的正常运转。现有的各种传统检测方法效率低下且效果不明显，随着电网公司更新设备，升级电力系统，供电企业可以通过智能电表收集海量的用户数据，通过大数据技术挖掘隐含有用的信息，从数据中找出正常用户与非法分子的差异。然而，如何有效选取电气参数数据，融合多源特征，克服单一数据源存在的局限性，得到比单一数据源无法获得更准确可靠的信息。这对电网新型窃电检测方法提出了新的挑战。

技术实现要素：

本发明提供了一种基于证据理论的多源特征融合窃电行为检测方法，克服了传统利用单一用电量数据判断用户状态的局限性。采用数据相关性分析理论，对用电量数据进行相关性分析，在分析得出正常用户与窃电用户相关性的同时，计算电压、电流不平衡度，应用证据理论，对多源特征进行融合分析，得出用户发生窃电行为的概率，该方法步骤简单，计算量小，为进一步提高窃电行为检测效率提供了一条有效途径。

为解决上述技术问题，本发明提供如下技术方案：

一种基于证据理论的多源特征融合窃电行为检测方法，采集用户三相电压数据、三相电流数据、用电量数据，用数据相关性理论的方法计算窃电量数据与用电量数据的相关系数，其次计算三相电压不平衡度、三相电流不平衡度和归一化常数，利用证据理论合成规则计算组合函数，最后根据特征融合方程得到用户的窃电概率。具体包括以下步骤：

步骤a，提取同一集中器下所有用户一天内的三相电压，三相电流，单个集中器下包含名用户，其中，采样点数为，其中，用户在一段时间内电能表用电量读数，集中器读数；

步骤b，对配电网进行潮流计算得到正常损耗，计算给定时间点非法分子窃取的电量，经过分析可知某一时间点的窃电量为集中器的电量值减去正常损耗和所有用户的电表用电量读数；

步骤c，计算一天内所有时间点的窃电量，求与在时间点的相关系数；

步骤d，根据得到的三相电压和三相电流分别计算电压不平衡度和电流不平衡度；

步骤e，计算个点的相关系数，电压不平衡度和电流不平衡度，分别对每位用户的相关系数、电压不平衡度和电流不平衡度做聚类处理，每个特征分别得到两个聚类中心，分别代表正常和存在嫌疑；

步骤f，计算每位用户三个特征的两个类别的定向概率函数和；

步骤g，根据三个特征的定向概率函数计算归一化常数并利用证据理论组合规则计算组合comb函数；

步骤h，根据特征融合方程计算组合comb函数的结果，得到用户窃电嫌疑系数。

进一步的，步骤b中，用户电表读数可表示为，为用户实际用电量，为随机变量，，窃电量表达式如下：

式中，表示对正常用户实际用电量的累加，表示对窃电用户实际用电量的累加。

进一步的，步骤c中，确定窃电用户的窃电量与电表读数呈现正相关，计算窃电量与电表读数的相关系数：

进一步的，步骤f中，根据三个特征在两个聚类中心内的点数，分别计算三个特征的定向概率函数和，表达式为：

，

式中，分别为距离聚类中心更小的特征的数量，是对应的特征，分别为距离聚类中心更小的特征。

进一步的，步骤g中，根据三个特征的定向概率函数计算归一化常数并利用证据理论组合规则计算组合comb函数，表达式如下：

式中，和分别代表相关系数的两个类别的定向概率函数，和分别代表电流不平衡度的两个类别的定向概率函数，和分别代表电压不平衡度的两个类别的定向概率函数。

进一步的，步骤h中，根据特征融合方程计算组合comb函数的结果，得到用户窃电嫌疑系数，特征融合方程的表达式如下：

本发明的有益效果是：

本发明提出一种基于证据理论的多源特征融合窃电行为检测方法，克服了传统利用单一用电量数据判断用户状态的局限性。采用数据相关性理论，对用电量数据进行相关性分析，在分析得出正常用户与窃电用户相关性的同时，计算电压、电流不平衡度，应用证据理论，对多源特征进行融合分析，得出用户发生窃电行为的概率，该方法步骤简单，计算量小，为进一步提高窃电行为检测效率提供了一条有效途径。

附图说明

图1为本发明中用户窃电行为检测的原理框图；

图2为本发明中实现基于证据理论和多源特征融合窃电行为检测方法流程图。

具体实施方式

下面结合附图，对本发明作进一步地说明。

第一步，提取同一集中器下所有用户一天内的三相电压，三相电流，单个集中器下包含名用户，其中，采样点数为，其中，用户在一段时间内电能表用电量读数，集中器读数；

第二步，对给定时间点，对配电网进行潮流计算得到正常损耗，非法分子窃取的电量，经过分析可知某一时间点的窃电量为集中器的电量值减去正常损耗和所有用户的电量读数，同一集中器区域中窃取电量的表达式为：

(1)

式中，表示用户的实际耗电量，表示电表读数，为一随机变量，，根据分析窃电用户的电表读数，为一台集中器下用户数量，表示对正常用户实际用电量的累加，表示对窃电用户实际用电量的累加。

第三步，计算时间点的相关系数，根据第二步的分析，由于，因此存在窃电的情况下，与呈现正相关，表达式如下：

(2)

第四步，计算三相电压不平衡度和三相电流不平衡度，表达式为：

(3)

(4)

式中，表示取最大值，表示取最小值。

第五步，计算个点的，，，其中，，每位用户对这三个特征的数据利用k-means聚类算法进行处理，预设两个聚类中心，分别代表正常和存在嫌疑；

第六步，对每位用户三个特征的两个类别分别计算定向概率函数和，表达式为：

，(5)

式中，分别为距离聚类中心更小的特征的数量，是对应的特征，分别为距离聚类中心更小的特征，值得一提的是函数对应三个特征均存在。

第七步，根据三个特征的定向概率函数计算归一化常数并利用证据理论组合规则计算组合comb函数，表达式如下：

(6)

(7)

(8)

式中，和分别代表相关系数的两个类别的定向概率函数，和分别代表电流不平衡度的两个类别的定向概率函数，和分别代表电压不平衡度的两个类别的定向概率函数。

第八步，根据特征融合方程计算组合comb函数的结果，得到用户窃电嫌疑系数，特征融合方程的表达式如下：

(9)

至此，完成了用户窃电嫌疑概率的计算。

综上所述，本发明提供了一种基于证据理论的多源特征融合窃电行为检测方法，克服了传统利用单一用电量数据判断用户状态的局限性。采用数据相关性理论，对用电量数据进行相关性分析，在分析得出正常用户与窃电用户相关性的同时，计算电压、电流不平衡度，应用证据理论，对多源特征进行融合分析，得出用户发生窃电行为的概率，提高了反窃电检测效率，且计算量小。

以上所述实施例仅表达了本发明的一种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。