本發(fā)明涉及電網(wǎng)測(cè)試技術(shù)領(lǐng)域，尤其涉及一種電價(jià)執(zhí)行異常判斷方法、裝置及系統(tǒng)。

背景技術(shù)：

隨著經(jīng)濟(jì)發(fā)展和社會(huì)進(jìn)步，人們對(duì)用電需求日益增加，用電市場(chǎng)也隨之?dāng)U大，電力公司每年因?yàn)榉欠娏τ脩舾`電而導(dǎo)致非技術(shù)性損失巨大，具體的，電價(jià)執(zhí)行異常包括部分低壓商業(yè)用戶未正確執(zhí)行商業(yè)電價(jià)，而是錯(cuò)誤執(zhí)行農(nóng)業(yè)生產(chǎn)電價(jià)和稻田排灌、脫粒電價(jià)等，出現(xiàn)高價(jià)低接行為。這可能是客戶自身的有意所為，也有可能是供電企業(yè)人工錄入或檔案更新不及時(shí)、用電檢查不足造成企業(yè)資源和經(jīng)濟(jì)的流失。

現(xiàn)有的營(yíng)銷稽查方法主要依靠人工定期巡檢、隨機(jī)抽樣、用戶舉報(bào)等方法，通過對(duì)大量的稽查資料研究分析，工作量大而且營(yíng)銷稽查線索不清晰；采取隨機(jī)抽查，并且依靠稽查人員的經(jīng)驗(yàn)來(lái)判定電價(jià)執(zhí)行是否正常，但是這種情況下，往往因?yàn)榛榈姆秶《鵁o(wú)法發(fā)現(xiàn)潛在異常用戶。

因此，在如今電力大數(shù)據(jù)時(shí)代下，如何提供一種電價(jià)執(zhí)行異常判斷方法來(lái)檢測(cè)竊電行為是當(dāng)前亟待解決的一大技術(shù)問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了一種電價(jià)執(zhí)行異常判斷方法、裝置及系統(tǒng)，能夠判斷出電價(jià)異常用戶，進(jìn)而保證用電系統(tǒng)的穩(wěn)定性。

本發(fā)明提供了一種電價(jià)執(zhí)行異常判斷方法，包括：

獲取各用電類型用戶的歷史用電負(fù)荷數(shù)據(jù)；

對(duì)所述歷史用電負(fù)荷數(shù)據(jù)進(jìn)行聚類，生成多個(gè)目標(biāo)負(fù)荷軌跡曲線；

獲取待檢測(cè)用戶的實(shí)時(shí)用電負(fù)荷數(shù)據(jù)；

計(jì)算所述實(shí)時(shí)用電負(fù)荷數(shù)據(jù)與每個(gè)所述目標(biāo)負(fù)荷軌跡曲線的相似度；

確定所述相似度小于預(yù)設(shè)相似度閾值的用戶為電價(jià)執(zhí)行異常用戶。

優(yōu)選的，還包括：

存儲(chǔ)所述目標(biāo)負(fù)荷軌跡曲線，構(gòu)建電價(jià)數(shù)據(jù)庫(kù)。

優(yōu)選的，還包括：

確定所述電價(jià)數(shù)據(jù)庫(kù)中，與所述實(shí)時(shí)用電負(fù)荷數(shù)據(jù)的相似度最大值對(duì)應(yīng)的用電類型為所述電價(jià)執(zhí)行異常用戶的用電類型。

優(yōu)選的，在所述獲取各用電類型用戶的歷史用電負(fù)荷數(shù)據(jù)之后，還包括：

根據(jù)箱線圖對(duì)所述歷史用電負(fù)荷數(shù)據(jù)進(jìn)行數(shù)據(jù)處理。

優(yōu)選的，所述對(duì)所述歷史用電負(fù)荷數(shù)據(jù)進(jìn)行聚類，生成多個(gè)目標(biāo)負(fù)荷軌跡曲線，包括：

根據(jù)余弦相似聚類中心選取規(guī)則，確定聚類中心；

將與所述聚類中心具有相同負(fù)荷波動(dòng)趨勢(shì)的負(fù)荷軌跡曲線定義為一類。

一種電價(jià)執(zhí)行異常判斷方法裝置，包括：

第一獲取模塊，用于獲取各用電類型用戶的歷史用電負(fù)荷數(shù)據(jù)；

聚類模塊，用于對(duì)所述歷史用電負(fù)荷數(shù)據(jù)進(jìn)行聚類，生成多個(gè)目標(biāo)負(fù)荷軌跡曲線；

第二獲取模塊，用于獲取待檢測(cè)用戶的實(shí)時(shí)用電負(fù)荷數(shù)據(jù)；

計(jì)算模塊，用于計(jì)算所述實(shí)時(shí)用電負(fù)荷數(shù)據(jù)與每個(gè)所述目標(biāo)負(fù)荷軌跡曲線的相似度；

第一確定模塊，用于確定所述相似度小于預(yù)設(shè)相似度閾值的用戶為電價(jià)執(zhí)行異常用戶。

優(yōu)選的，還包括：

存儲(chǔ)模塊，用于存儲(chǔ)所述目標(biāo)負(fù)荷軌跡曲線，構(gòu)建電價(jià)數(shù)據(jù)庫(kù)；

第二確定模塊，用于確定所述電價(jià)數(shù)據(jù)庫(kù)中，與所述實(shí)時(shí)用電負(fù)荷數(shù)據(jù)的相似度最大值對(duì)應(yīng)的用電類型為所述電價(jià)執(zhí)行異常用戶的用電類型。

優(yōu)選的，還包括：

數(shù)據(jù)處理模塊，用于根據(jù)箱線圖對(duì)所述歷史用電負(fù)荷數(shù)據(jù)進(jìn)行數(shù)據(jù)處理。

優(yōu)選的，所述聚類模塊包括：

確定單元，用于根據(jù)余弦相似聚類中心選取規(guī)則，確定聚類中心；

聚類單元，用于將與所述聚類中心具有相同負(fù)荷波動(dòng)趨勢(shì)的負(fù)荷軌跡曲線定義為一類。

一種電價(jià)執(zhí)行異常判斷系統(tǒng)，包括任意一項(xiàng)上述的電價(jià)執(zhí)行異常判斷裝置。

由上述方案可知，本發(fā)明提供了一種電價(jià)執(zhí)行異常判斷方法通過獲取各用電類型用戶的歷史用電負(fù)荷數(shù)據(jù)，對(duì)所述歷史用電負(fù)荷數(shù)據(jù)進(jìn)行聚類，生成多個(gè)目標(biāo)負(fù)荷軌跡曲線，獲取待檢測(cè)用戶的實(shí)時(shí)用電負(fù)荷數(shù)據(jù)，計(jì)算所述實(shí)時(shí)用電負(fù)荷數(shù)據(jù)與每個(gè)所述目標(biāo)負(fù)荷軌跡曲線的相似度，確定所述相似度小于預(yù)設(shè)相似度閾值的用戶為電價(jià)執(zhí)行異常用戶。可見，采用本方案，能夠判斷出電價(jià)異常用戶，進(jìn)而保證用電系統(tǒng)的穩(wěn)定性。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實(shí)施例公開的一種電價(jià)執(zhí)行異常判斷方法的流程示意圖；

圖2為本發(fā)明實(shí)施例公開的一種電價(jià)執(zhí)行異常判斷裝置的結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

如圖1所示，為本發(fā)明實(shí)施例提供的一種電價(jià)執(zhí)行異常判斷方法，包括：

S1、獲取各用電類型用戶的歷史用電負(fù)荷數(shù)據(jù)；

首先從計(jì)量和營(yíng)銷系統(tǒng)中分別提取不同地區(qū)不同用電類型(電價(jià)執(zhí)行)用戶的用電數(shù)據(jù)。在提取用戶歷史24點(diǎn)日用電負(fù)荷數(shù)據(jù)時(shí)，本發(fā)明結(jié)合以往稽查的電價(jià)執(zhí)行異常案例庫(kù)，將嫌疑異常用戶和歷史已查明異常用戶樣本剔除掉，形成電價(jià)執(zhí)行正常用戶樣本庫(kù)。

S2、對(duì)所述歷史用電負(fù)荷數(shù)據(jù)進(jìn)行聚類，生成多個(gè)目標(biāo)負(fù)荷軌跡曲線；

優(yōu)選的，所述對(duì)所述歷史用電負(fù)荷數(shù)據(jù)進(jìn)行聚類，生成多個(gè)目標(biāo)負(fù)荷軌跡曲線，包括：

根據(jù)余弦相似聚類中心選取規(guī)則，確定聚類中心；

將與所述聚類中心具有相同負(fù)荷波動(dòng)趨勢(shì)的負(fù)荷軌跡曲線定義為一類。

具體的，對(duì)電價(jià)執(zhí)行正常用戶歷史負(fù)荷數(shù)據(jù)進(jìn)行聚類處理。本發(fā)明提出聚類負(fù)荷軌跡分析方法，包括以下步驟：

1、初始化聚類數(shù)目區(qū)間為并采用一種簡(jiǎn)潔快速的余弦相似初始聚類中心選取規(guī)則選取初始聚類中心。

2、第1步聚類采用以余弦相似度作為相似性度量函數(shù)的聚類算法對(duì)用戶負(fù)荷軌跡分類，將具有相似負(fù)荷波動(dòng)趨勢(shì)的負(fù)荷曲線歸為一類。

3、對(duì)第1步聚類后輸出的各類負(fù)荷軌跡以基于歐式距離作為度量函數(shù)的聚類算法指導(dǎo)其第2步聚類。

4、初始化負(fù)荷軌跡第2步聚類的聚類數(shù)目區(qū)間再按歐式距離初始聚類中心選取規(guī)則選取各類初始聚類中心。

5、通過歐式距離聚類有效性指標(biāo)確定負(fù)荷軌跡第2步聚類的最佳聚類數(shù)目，輸出兩步聚類后的全部負(fù)荷軌跡。

6、取出其典型負(fù)荷軌跡，計(jì)算各類負(fù)荷軌跡集的類內(nèi)最大歐式距離閾值、最小相似度閾值，形成行業(yè)典型負(fù)荷軌跡庫(kù)及閾值庫(kù)。

其中，第1步聚類采用基于余弦相似度的聚類算法。X＝[X₁,X₂,...,X_n-λ]^T為數(shù)據(jù)預(yù)處理后的用戶負(fù)荷軌跡數(shù)據(jù)樣本，兩組負(fù)荷軌跡向量X_i,X_j的余弦相似度C表示為

$C_{cos}(X_i,X_j)=cos(X_i,X_j)=\frac{X_i\·X_j}{\left|X_i\right|\left|X_j\right|}$

針對(duì)k-means聚類算法對(duì)初始聚類中心敏感，初始聚類中心的隨機(jī)選取容易造成目標(biāo)函數(shù)局部極小化的問題，提出一種適合余弦相似度判據(jù)的初始聚類中心選取規(guī)則，變隨機(jī)設(shè)置初始值為按規(guī)則有目的選取聚類中心。

X＝[X₁,X₂,...,X_n-λ]^T是數(shù)據(jù)處理后的樣本，確定樣本初始聚類中心類內(nèi)樣本與聚類中心間最大相似度閾值a_cos和聚類數(shù)目k，初始聚類中心選取步驟為：

計(jì)算樣本中任意兩組負(fù)荷軌跡向量的余弦相似度，并生成余弦相似度矩陣S，將相似度最高的兩用電軌跡向量定為一類，作為第一個(gè)初始聚類中心；

根據(jù)相似度矩陣S選出與第一類兩個(gè)負(fù)荷軌跡向量相似度都低于閾值a_cos的用電軌跡向量，并在這些負(fù)荷軌跡向量中選擇相似度最高兩個(gè)負(fù)荷軌跡向量作為一類，并定義為第二個(gè)初始聚類中心；

同理，在剩下的負(fù)荷軌跡中選出和前面兩個(gè)初始聚類中心的負(fù)荷軌跡向量相似度都小于閾值a_cos的負(fù)荷軌跡。并把相似度最高的兩負(fù)荷軌跡歸為一類，定義為第三個(gè)初始聚類中心；

重復(fù)上述步驟，直至找到k類為止。

S3、獲取待檢測(cè)用戶的實(shí)時(shí)用電負(fù)荷數(shù)據(jù)；

S4、計(jì)算所述實(shí)時(shí)用電負(fù)荷數(shù)據(jù)與每個(gè)所述目標(biāo)負(fù)荷軌跡曲線的相似度；

在確定第1步聚類數(shù)目時(shí)，k不用事先給定，但需要限定k的邊界：再根據(jù)聚類判別指標(biāo)來(lái)選取最佳的聚類個(gè)數(shù)。對(duì)以余弦相似度作為度量的聚類，在這里以經(jīng)典的基于圖的聚類效果評(píng)估方法的基礎(chǔ)上提出新的評(píng)判標(biāo)準(zhǔn)選擇合適的聚類數(shù)目，評(píng)判指標(biāo)表示為

其中，C_i、C_j為各類簇的數(shù)據(jù)集合，n_k為類簇k包含的用戶樣本數(shù)目。

V指標(biāo)隨著聚類數(shù)目的遞增而增大，聚類數(shù)目不是越多越好。在這里，采用肘方法，來(lái)確定k的取值。

隨著聚類數(shù)的增加，每個(gè)類的類內(nèi)相似度之和會(huì)增加，類間對(duì)象相似度之和會(huì)減少。這是因?yàn)橛懈嗟念惪梢圆东@更細(xì)的數(shù)據(jù)對(duì)象，類中對(duì)象之間更為相似。因此，一種選擇正確的聚類數(shù)的啟發(fā)方式是，使用評(píng)判指標(biāo)V關(guān)于類數(shù)的曲線拐點(diǎn)。當(dāng)V函數(shù)值增大趨勢(shì)不再明顯時(shí)，定義k為合適的聚類數(shù)目。

第2步聚類采用基于歐式距離的k-means聚類算法。結(jié)合用戶負(fù)荷軌跡向量的空間分布特點(diǎn)，提出了設(shè)置歐式距離聚類初始中心選取閾值參數(shù)的經(jīng)驗(yàn)公式。

定義1：根據(jù)空間上用戶用電軌跡向量之間的歐式距離，差異性最大的2個(gè)用戶之間標(biāo)準(zhǔn)差最大，假設(shè)要分成k類，則確定初始聚類中心時(shí)類中心間最小歐式距離閾值表達(dá)式定義為

確定第2步聚類數(shù)目k和相應(yīng)的最小歐式距離閾值a_dist，初始聚類中心選取步驟為：

1)計(jì)算任意樣本間的距離，并生成距離矩陣D，將距離最近2個(gè)樣本定為1類，并取2個(gè)樣本中心為第一個(gè)初始聚類中心；

2)根據(jù)最小歐式距離閾值a_dist，利用距離矩陣選出與第1類2個(gè)樣本的距離都大于a_dist的所有樣本，并在這些樣本中選擇距離最近2個(gè)樣本為一類，作為第2個(gè)初始聚類中心；

3)同理，在剩下的樣本中找到和前面2個(gè)初始聚類中心的樣本距離都大于a_dist的樣本，并從中選擇距離最近的2個(gè)為第3個(gè)初始聚類中心；

4)重復(fù)上述步驟，直至找到k類為止。

假設(shè)聚類數(shù)為k，各類簇的數(shù)據(jù)集合為C_k，c_k為各類簇C_k的聚類中心，每一類中包含的樣本數(shù)目為n_k，即X_1,j、X_2,j為不同用戶j時(shí)刻的負(fù)荷，X₁、X₂之間的歐式距離表示為

$d(X_1,X_2)=\sqrt{\underset{j=1}{\overset{24}{\Σ}}{(X_{1,j}-X_{2,j})}^2}$

采用Davies-Bouldinindicator(DBI)指標(biāo)綜合考慮類內(nèi)歐式距離的緊湊性和類間的分散性，計(jì)算公式為

$I_{DBI}=\frac{1}{K}\underset{k=1}{\overset{K}{\Σ}}{R}_k$

其中：

$R_k=\underset{k\≠j}{max}\frac{d\left(C_k\right)+d\left(C_j\right)}{d(c_k,c_j)}$

式中：d(C_k)和d(C_j)為類簇內(nèi)歐式距離；d(c_k,c_j)為典型負(fù)荷軌跡間的距離。

類內(nèi)歐式距離計(jì)算公式表示為

$d\left(C_k\right)=\underset{X_i,X_j\∈C_k,i\≠j}{\Σ}d(X_i,X_j)$

I_DBI指標(biāo)表征類內(nèi)歐式距離與各聚類中心間距離的商，其值越小，表明類內(nèi)越緊湊，類間區(qū)分越明顯，聚類效果越好。

通過限定第2步聚類數(shù)目k，即取出使聚類有效性DBI指標(biāo)最小對(duì)應(yīng)的k，也就是最佳聚類數(shù)目K。

計(jì)算用戶軌跡數(shù)據(jù)X_i與所屬類別典型負(fù)荷軌跡數(shù)據(jù)c_k的歐式距離相似度sim₁(X_i,c_k)和余弦相似度sim₂(X_i,c_k)

sim₁(X_i,c_k)＝d(X_i,c_k)

sim₂(X_i,c_k)＝cos(X_i,c_k)

得到最小余弦相似度閾值minSim₂(k)和最大歐式相似度閾值maxSim₁(k)，最后輸出第2步聚類后所有行業(yè)典型負(fù)荷軌跡及其相似度閾值，形成軌跡庫(kù)和閾值庫(kù)。

S5、確定所述相似度小于預(yù)設(shè)相似度閾值的用戶為電價(jià)執(zhí)行異常用戶。

在得到不同區(qū)域不同行業(yè)(電價(jià)類別)的典型負(fù)荷軌跡及其類內(nèi)最大歐式距離閾值、最小余弦相似度閾值后，通過比較用戶的實(shí)時(shí)日負(fù)荷曲線數(shù)據(jù)和典型負(fù)荷軌跡曲線數(shù)據(jù)的相似度來(lái)判別用戶是否偏離電價(jià)執(zhí)行正常用戶群體用電特性軌跡，從而得出嫌疑異常用戶。具體步驟是：

通過基于余弦相似度和歐式距離的組合判別分析方法對(duì)用戶的實(shí)時(shí)日負(fù)荷數(shù)據(jù)進(jìn)行檢測(cè)，可以得出行業(yè)新樣本偏離正常用電典型負(fù)荷軌跡樣本的幅度。規(guī)定每類中類內(nèi)樣本與典型負(fù)荷軌跡的歐式距離最大值為該類用電特性的典型用戶的最大歐式閾值、余弦相似度最小值為最小余弦閾值，通過計(jì)算各典型負(fù)荷軌跡偏離系數(shù)ε，取其最大值表示為最大偏離系數(shù)閾值為，計(jì)算如下：

在此先介紹兩個(gè)閾值異常系數(shù)：

定義2：歐式偏離系數(shù)是指類內(nèi)樣本與其典型負(fù)荷軌跡的歐式距離與其最大值歐式閾值的比值，表示為

${\mathrm{\ϵ}}_1\left(i\right)=\frac{{\mathrm{sim}}_1(X_i,c_k)}{{\mathrm{maxSim}}_1\left(k\right)}$

定義3：余弦偏離系數(shù)是指最小余弦相似度閾值與類內(nèi)樣本與其典型負(fù)荷軌跡的相似度的比值，表示為

${\mathrm{\ϵ}}_2\left(i\right)=\frac{{\mathrm{minSim}}_2\left(k\right)}{{\mathrm{sim}}_2(X_i,c_k)}$

類內(nèi)樣本與其典型負(fù)荷軌跡偏離系數(shù)表示為：

ε＝ε₁+ε₂

通過計(jì)算新樣本與該行業(yè)各典型負(fù)荷軌跡的偏離系數(shù)ε，然后比較其最大允許偏離系數(shù)，當(dāng)用戶與行業(yè)各典型負(fù)荷軌跡的偏離系數(shù)都大于其最大允許偏離系數(shù)閾值時(shí)，該用戶標(biāo)記為電價(jià)執(zhí)行異常嫌疑用戶。

優(yōu)選的，還包括：

存儲(chǔ)所述目標(biāo)負(fù)荷軌跡曲線，構(gòu)建電價(jià)數(shù)據(jù)庫(kù)。

優(yōu)選的，還包括：

確定所述電價(jià)數(shù)據(jù)庫(kù)中，與所述實(shí)時(shí)用電負(fù)荷數(shù)據(jù)的相似度最大值對(duì)應(yīng)的用電類型為所述電價(jià)執(zhí)行異常用戶的用電類型。

進(jìn)一步明確電價(jià)執(zhí)行異常嫌疑用戶實(shí)際執(zhí)行的電價(jià)類別可以為供電企業(yè)挽回經(jīng)濟(jì)損失。首先，把各個(gè)行業(yè)的典型用電行為軌跡放在一起形成典型用電行為軌跡庫(kù)；然后計(jì)算嫌疑用戶與其他行業(yè)典型軌跡庫(kù)每種典型負(fù)荷曲線的偏離系數(shù)ε，然后比較其最大允許偏離系數(shù)閾值，把偏離系數(shù)小于最大偏離系數(shù)閾值的典型負(fù)荷軌跡所在行業(yè)作為該嫌疑用戶可能實(shí)際執(zhí)行的電價(jià)類別。

優(yōu)選的，在所述獲取各用電類型用戶的歷史用電負(fù)荷數(shù)據(jù)之后，還包括：

根據(jù)箱線圖對(duì)所述歷史用電負(fù)荷數(shù)據(jù)進(jìn)行數(shù)據(jù)處理。

針對(duì)計(jì)量系統(tǒng)檢測(cè)到的負(fù)荷數(shù)據(jù)在硬軟件故障、通信中斷或者信號(hào)干擾下出現(xiàn)失真的問題，采用箱線圖(box-plot)方法進(jìn)行異常值檢測(cè)。

箱線圖是一種用圖形相似并標(biāo)記出現(xiàn)的異常值的方法，它對(duì)單變量大樣本比較有效，方便直觀。分為輕度異常值和極端異常值兩種。定義：

如果則x可以標(biāo)記為異常值(outlier)，其中IQR＝Q₃-Q₁。

在樣本中剔除日負(fù)荷軌跡數(shù)據(jù)存在多個(gè)異常值的用戶，當(dāng)某負(fù)荷曲線的數(shù)據(jù)異常量達(dá)到采集量的10％或以上，認(rèn)為該曲線無(wú)效，記剔除的無(wú)效曲線總數(shù)為λ，再采用高斯平滑濾波技術(shù)對(duì)異常量低于10％的負(fù)荷曲線進(jìn)行去除噪聲處理。經(jīng)過數(shù)據(jù)清理后，記X為(n-λ)條有效日負(fù)荷軌跡構(gòu)成的矩陣。

可見，采用本方案，能夠判斷出電價(jià)異常用戶，進(jìn)而保證用電系統(tǒng)的穩(wěn)定性。

除此，本實(shí)施例還提供了一種電價(jià)執(zhí)行異常判斷方法裝置，如圖2所示，包括：

第一獲取模塊100，用于獲取各用電類型用戶的歷史用電負(fù)荷數(shù)據(jù)；

聚類模塊200，用于對(duì)所述歷史用電負(fù)荷數(shù)據(jù)進(jìn)行聚類，生成多個(gè)目標(biāo)負(fù)荷軌跡曲線；

第二獲取模塊300，用于獲取待檢測(cè)用戶的實(shí)時(shí)用電負(fù)荷數(shù)據(jù)；

計(jì)算模塊400，用于計(jì)算所述實(shí)時(shí)用電負(fù)荷數(shù)據(jù)與每個(gè)所述目標(biāo)負(fù)荷軌跡曲線的相似度；

第一確定模塊500，用于確定所述相似度小于預(yù)設(shè)相似度閾值的用戶為電價(jià)執(zhí)行異常用戶。

優(yōu)選的，還包括：

存儲(chǔ)模塊，用于存儲(chǔ)所述目標(biāo)負(fù)荷軌跡曲線，構(gòu)建電價(jià)數(shù)據(jù)庫(kù)；

第二確定模塊，用于確定所述電價(jià)數(shù)據(jù)庫(kù)中，與所述實(shí)時(shí)用電負(fù)荷數(shù)據(jù)的相似度最大值對(duì)應(yīng)的用電類型為所述電價(jià)執(zhí)行異常用戶的用電類型。

優(yōu)選的，還包括：

數(shù)據(jù)處理模塊，用于根據(jù)箱線圖對(duì)所述歷史用電負(fù)荷數(shù)據(jù)進(jìn)行數(shù)據(jù)處理。

優(yōu)選的，所述聚類模塊包括：

確定單元，用于根據(jù)余弦相似聚類中心選取規(guī)則，確定聚類中心；

聚類單元，用于將與所述聚類中心具有相同負(fù)荷波動(dòng)趨勢(shì)的負(fù)荷軌跡曲線定義為一類。

一種電價(jià)執(zhí)行異常判斷系統(tǒng)，包括任意一項(xiàng)上述的電價(jià)執(zhí)行異常判斷裝置。

由上述方案可知，本發(fā)明提供了一種電價(jià)執(zhí)行異常判斷方法通過獲取各用電類型用戶的歷史用電負(fù)荷數(shù)據(jù)，對(duì)所述歷史用電負(fù)荷數(shù)據(jù)進(jìn)行聚類，生成多個(gè)目標(biāo)負(fù)荷軌跡曲線，獲取待檢測(cè)用戶的實(shí)時(shí)用電負(fù)荷數(shù)據(jù)，計(jì)算所述實(shí)時(shí)用電負(fù)荷數(shù)據(jù)與每個(gè)所述目標(biāo)負(fù)荷軌跡曲線的相似度，確定所述相似度小于預(yù)設(shè)相似度閾值的用戶為電價(jià)執(zhí)行異常用戶?？梢姡捎帽痉桨?，能夠判斷出電價(jià)異常用戶，進(jìn)而保證用電系統(tǒng)的穩(wěn)定性。

本實(shí)施例方法所述的功能如果以軟件功能單元的形式實(shí)現(xiàn)并作為獨(dú)立的產(chǎn)品銷售或使用時(shí)，可以存儲(chǔ)在一個(gè)計(jì)算設(shè)備可讀取存儲(chǔ)介質(zhì)中?；谶@樣的理解，本發(fā)明實(shí)施例對(duì)現(xiàn)有技術(shù)做出貢獻(xiàn)的部分或者該技術(shù)方案的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來(lái)，該軟件產(chǎn)品存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，移動(dòng)計(jì)算設(shè)備或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的全部或部分步驟。而前述的存儲(chǔ)介質(zhì)包括：U盤、移動(dòng)硬盤、只讀存儲(chǔ)器(ROM，Read-Only Memory)、隨機(jī)存取存儲(chǔ)器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。

本說明書中各個(gè)實(shí)施例采用遞進(jìn)的方式描述，每個(gè)實(shí)施例重點(diǎn)說明的都是與其它實(shí)施例的不同之處，各個(gè)實(shí)施例之間相同或相似部分互相參見即可。

對(duì)所公開的實(shí)施例的上述說明，使本領(lǐng)域?qū)I(yè)技術(shù)人員能夠?qū)崿F(xiàn)或使用本發(fā)明。對(duì)這些實(shí)施例的多種修改對(duì)本領(lǐng)域的專業(yè)技術(shù)人員來(lái)說將是顯而易見的，本文中所定義的一般原理可以在不脫離本發(fā)明的精神或范圍的情況下，在其它實(shí)施例中實(shí)現(xiàn)。因此，本發(fā)明將不會(huì)被限制于本文所示的這些實(shí)施例，而是要符合與本文所公開的原理和新穎特點(diǎn)相一致的最寬的范圍。