本發(fā)明涉及反竊電領(lǐng)域，具體涉及一種反竊電識(shí)別方法及系統(tǒng)。

背景技術(shù)：

1、電能在傳輸和分配過(guò)程中存在無(wú)法避免的損耗，有電能在輸變配過(guò)程中的技術(shù)線(xiàn)損，也有鋌而走險(xiǎn)的偷電和竊電。竊電行為不僅會(huì)增加電力系統(tǒng)的用電負(fù)荷，還容易引發(fā)火災(zāi)，造成線(xiàn)路故障，嚴(yán)重威脅公共財(cái)產(chǎn)安全。

2、現(xiàn)有的反竊電識(shí)別技術(shù)主要還在竊電檢測(cè)識(shí)別方向做工作，具體是通過(guò)與竊電相關(guān)的特征分析用戶(hù)存在竊電行為的概率，根據(jù)分析結(jié)果進(jìn)行及時(shí)預(yù)警。然而現(xiàn)有技術(shù)僅僅能夠?yàn)榕袛嗍欠翊嬖诟`電行為提供輔助，對(duì)于竊電行為的稽查工作無(wú)法提供有效幫助，導(dǎo)致反竊電識(shí)別中的稽查工作效率低。

3、公布號(hào)為cn109858679a的現(xiàn)有發(fā)明專(zhuān)利申請(qǐng)文獻(xiàn)《一種結(jié)合人機(jī)物的反竊電稽查監(jiān)控系統(tǒng)及其工作方法》，該現(xiàn)有系統(tǒng)包括：數(shù)據(jù)獲取處理模塊；反竊電算法模型庫(kù)管理模塊；反竊電預(yù)警模型定制模塊；疑似竊電判斷模塊；疑似竊電用戶(hù)判別結(jié)果存儲(chǔ)模塊；工單生成模塊；工單處理模塊；數(shù)據(jù)采集模塊；工單歸檔存儲(chǔ)模塊；數(shù)據(jù)反饋模。以及公布號(hào)為cn110824270a的現(xiàn)有發(fā)明專(zhuān)利申請(qǐng)文獻(xiàn)《結(jié)合臺(tái)區(qū)線(xiàn)損和異常事件的竊電用戶(hù)辨識(shí)方法及裝置》，該現(xiàn)有方法包括：獲取至少一個(gè)待稽查臺(tái)區(qū)的臺(tái)區(qū)及用戶(hù)數(shù)據(jù)，所述臺(tái)區(qū)及用戶(hù)數(shù)據(jù)包括臺(tái)區(qū)線(xiàn)損數(shù)據(jù)和臺(tái)區(qū)內(nèi)各用電用戶(hù)的基礎(chǔ)數(shù)據(jù)；應(yīng)用臺(tái)區(qū)線(xiàn)損異常檢測(cè)方法和所述至少一個(gè)待稽查臺(tái)區(qū)的臺(tái)區(qū)線(xiàn)損數(shù)據(jù)，確定在指定的用電時(shí)段內(nèi)存在竊電嫌疑用戶(hù)的異常線(xiàn)損臺(tái)區(qū)；針對(duì)任一存在竊電嫌疑用戶(hù)的異常線(xiàn)損臺(tái)區(qū)，確定出k-means聚類(lèi)竊電嫌疑用戶(hù)集、支持向量機(jī)竊電嫌疑用戶(hù)集和貝葉斯算法竊電嫌疑用戶(hù)集；并綜合評(píng)估后確定所述異常線(xiàn)損臺(tái)區(qū)內(nèi)的竊電嫌疑用戶(hù)清單。以及現(xiàn)有公開(kāi)文獻(xiàn)《基于優(yōu)化神經(jīng)網(wǎng)絡(luò)算法的反竊電檢測(cè)系統(tǒng)》，在該文獻(xiàn)中，針對(duì)于bp神經(jīng)網(wǎng)絡(luò)算法在竊電問(wèn)題檢測(cè)中存在的不足,提出一種遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)算法的反竊電檢測(cè)方法。通過(guò)遺傳算法來(lái)確定種群范圍并進(jìn)行編碼，引入自適應(yīng)函數(shù)和選擇函數(shù)計(jì)算適應(yīng)度值篩選出存活率最高的個(gè)體并進(jìn)行解碼，從而確定前向傳播過(guò)程中的初始值參數(shù)，通過(guò)梯度下降法和反向傳播法更新神經(jīng)網(wǎng)絡(luò)前向傳播參數(shù)，減少模型訓(xùn)練過(guò)程中迭代次數(shù)。結(jié)合采集系統(tǒng)的測(cè)試集數(shù)據(jù)通過(guò)matlab進(jìn)行仿真實(shí)驗(yàn)，仿真結(jié)果表明此方法提高了反竊電檢測(cè)模型檢測(cè)的準(zhǔn)確率，縮短了模型訓(xùn)練時(shí)間，在竊電問(wèn)題的檢測(cè)上具有可靠性。設(shè)計(jì)并搭建可視化檢測(cè)平臺(tái)gu進(jìn)行可視化分析，使用工具為matlabr2020b,通過(guò)反竊電檢測(cè)系統(tǒng)對(duì)用電信息數(shù)據(jù)進(jìn)行測(cè)試。然而，前述現(xiàn)有技術(shù)并未基于數(shù)據(jù)變化曲線(xiàn)充分識(shí)別原始用戶(hù)是否存在竊電行為；也無(wú)法確定存在竊電行為的原始用戶(hù)中的目標(biāo)用戶(hù)，前述現(xiàn)有技術(shù)未對(duì)存在竊電行為的用戶(hù)進(jìn)一步挖掘分析，無(wú)法最佳的稽查時(shí)間段，前述傳統(tǒng)方案的稽查效率有待提高。

4、綜上，現(xiàn)有技術(shù)存在僅根據(jù)用電數(shù)據(jù)識(shí)別竊電行為，但無(wú)法對(duì)竊電行為進(jìn)行有效稽查，導(dǎo)致反竊電識(shí)別中的稽查工作效率低的技術(shù)問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問(wèn)題在于：如何解決現(xiàn)有技術(shù)中僅根據(jù)用電數(shù)據(jù)識(shí)別竊電行為，但無(wú)法對(duì)竊電行為進(jìn)行有效稽查，導(dǎo)致反竊電識(shí)別中的稽查工作效率低的技術(shù)問(wèn)題。

2、本發(fā)明是采用以下技術(shù)方案解決上述技術(shù)問(wèn)題的：一種反竊電識(shí)別方法包括：

3、s1、從待稽查臺(tái)區(qū)中，采集各原始用戶(hù)的用電數(shù)據(jù)，據(jù)以獲取用電特征；

4、s2、分析用電特征，得到各原始用戶(hù)的用電特征數(shù)據(jù)變化曲線(xiàn)；

5、s3、構(gòu)建并利用竊電識(shí)別模型，基于用電特征數(shù)據(jù)變化曲線(xiàn)，識(shí)別原始用戶(hù)是否存在竊電行為，得到竊電識(shí)別結(jié)果；

6、s4、根據(jù)竊電識(shí)別結(jié)果，將被識(shí)別出竊電行為的原始用戶(hù)標(biāo)記為目標(biāo)用戶(hù)，基于目標(biāo)用戶(hù)的用電特征數(shù)據(jù)變化曲線(xiàn)，建立各時(shí)間段的竊電概率曲線(xiàn)；

7、s5、根據(jù)竊電概率曲線(xiàn)構(gòu)建目標(biāo)用戶(hù)的竊電用戶(hù)畫(huà)像，供反竊電識(shí)別。

8、本技術(shù)通過(guò)對(duì)存在竊電行為的用戶(hù)進(jìn)一步挖掘分析，可確定最佳的稽查時(shí)間段，有助于提高稽查效率。解決了現(xiàn)有技術(shù)僅僅根據(jù)用電數(shù)據(jù)識(shí)別竊電行為，但無(wú)法對(duì)竊電行為進(jìn)行有效稽查的技術(shù)問(wèn)題。

9、在更具體的技術(shù)方案中，s1中，用電特征包括：原始用戶(hù)的實(shí)際用電量、表顯用電量以及線(xiàn)損率以及用戶(hù)竊電歷史數(shù)據(jù)，獲取實(shí)際用電量與表顯用電量的用電差值。

10、在更具體的技術(shù)方案中，s1包括：

11、s11、基于原始用戶(hù)的用電數(shù)據(jù)，計(jì)算用電差值；

12、s12、從用電特征中的線(xiàn)損率，計(jì)算線(xiàn)損增長(zhǎng)率；

13、s13、以時(shí)間為自變量，根據(jù)用電差值、線(xiàn)損增長(zhǎng)率，分別構(gòu)建用電變化曲線(xiàn)、線(xiàn)損變化曲線(xiàn)。

14、在更具體的技術(shù)方案中，s3包括：

15、s31、對(duì)對(duì)數(shù)據(jù)變化曲線(xiàn)中的用電變化曲線(xiàn)、時(shí)間變化曲線(xiàn)進(jìn)行時(shí)間配準(zhǔn)；

16、s32、按照預(yù)置時(shí)間段提取特征組；

17、s33、基于預(yù)置人工智能模型，構(gòu)建竊電識(shí)別模型；

18、s34、預(yù)處理特征組，得到并輸入預(yù)處理特征至竊電識(shí)別模型，得到竊電識(shí)別結(jié)果。

19、具體地，電識(shí)別模型基于人工智能模型構(gòu)建過(guò)程，還包括：

20、獲取標(biāo)準(zhǔn)訓(xùn)練數(shù)據(jù)；其中，標(biāo)準(zhǔn)訓(xùn)練數(shù)據(jù)包括與特征組內(nèi)容屬性一致的標(biāo)準(zhǔn)輸入數(shù)據(jù)，以及與標(biāo)準(zhǔn)輸入數(shù)據(jù)對(duì)應(yīng)且用于表示是否存在竊電行為的標(biāo)注輸出數(shù)據(jù)；

21、構(gòu)建人工智能模型；通過(guò)標(biāo)準(zhǔn)訓(xùn)練數(shù)據(jù)訓(xùn)練人工智能模型，將訓(xùn)練好的人工智能模型標(biāo)記為竊電識(shí)別模型；其中，人工智能模型包括bp神經(jīng)網(wǎng)絡(luò)模型或者rbf神經(jīng)網(wǎng)絡(luò)模型。

22、在更具體的技術(shù)方案中，特征組包括：用電差值均值、線(xiàn)損變化均值。

23、在更具體的技術(shù)方案中，s33還包括：

24、s331、獲取標(biāo)準(zhǔn)訓(xùn)練數(shù)據(jù)，根據(jù)用電數(shù)據(jù)更新標(biāo)準(zhǔn)訓(xùn)練數(shù)據(jù)；其中，標(biāo)準(zhǔn)訓(xùn)練數(shù)據(jù)包括：特征組屬性一致標(biāo)準(zhǔn)輸入數(shù)據(jù)、竊電行為標(biāo)注輸出數(shù)據(jù)；

25、s332、利用標(biāo)準(zhǔn)訓(xùn)練數(shù)據(jù)訓(xùn)練人工智能模型，以獲取并標(biāo)記人工智能模型，確定竊電識(shí)別模型。

26、本發(fā)明中的標(biāo)準(zhǔn)訓(xùn)練數(shù)據(jù)會(huì)隨著采集的數(shù)據(jù)不斷更新擴(kuò)展，也會(huì)通過(guò)標(biāo)準(zhǔn)訓(xùn)練數(shù)據(jù)不斷對(duì)竊電識(shí)別模型進(jìn)行更新訓(xùn)練，以提高竊電識(shí)別模型的可用性和可靠性。

27、在更具體的技術(shù)方案中，s34包括：

28、s341、對(duì)預(yù)置時(shí)間段，獲取對(duì)應(yīng)的用電差值均值，線(xiàn)損增長(zhǎng)率均值；

29、s342、整合處理用電差值均值、線(xiàn)損增長(zhǎng)率均值，得到整合數(shù)組；

30、s343、將整合數(shù)組輸入至竊電識(shí)別模型，以進(jìn)行識(shí)別分析，得到竊電識(shí)別結(jié)果。

31、具體地，將幾個(gè)特征數(shù)據(jù)整合成一個(gè)數(shù)據(jù)序列，該數(shù)據(jù)序列可被模型識(shí)別。

32、在更具體的技術(shù)方案中，s4包括：

33、s41、按預(yù)置單位時(shí)間，將目標(biāo)用戶(hù)對(duì)應(yīng)的數(shù)據(jù)變化曲線(xiàn)劃分成不少于2個(gè)數(shù)據(jù)段，按照數(shù)據(jù)變化曲線(xiàn)，將數(shù)據(jù)段劃分為不少于2個(gè)數(shù)據(jù)組；

34、s42、將數(shù)據(jù)組中的數(shù)據(jù)段，按照預(yù)設(shè)周期進(jìn)行劃分，以得到數(shù)據(jù)子段，按照預(yù)置時(shí)間，關(guān)聯(lián)處理數(shù)據(jù)子段，以生成子段組；

35、具體地，目標(biāo)用戶(hù)對(duì)應(yīng)若干天數(shù)據(jù)變化曲線(xiàn)按照天分成若干數(shù)據(jù)段，每個(gè)數(shù)據(jù)段均包括目標(biāo)用戶(hù)一天的用電差值曲線(xiàn)和線(xiàn)損變化曲線(xiàn)，則可以得到目標(biāo)用戶(hù)對(duì)應(yīng)的兩個(gè)數(shù)據(jù)組，即兩條曲線(xiàn)。

36、其中，按小時(shí)對(duì)目標(biāo)用戶(hù)一天的用電差值曲線(xiàn)和線(xiàn)損變化曲線(xiàn)劃分成若干數(shù)據(jù)子段，將時(shí)間一致的兩個(gè)數(shù)據(jù)子段關(guān)聯(lián)生成子段組。將各子段組中的數(shù)據(jù)預(yù)處理后輸入至竊電識(shí)別模型，判斷其對(duì)應(yīng)時(shí)間段是否存在竊電行為。

37、s43、利用竊電識(shí)別模型，識(shí)別各子段組是否存在竊電行為，得到子段識(shí)別結(jié)果，根據(jù)子段識(shí)別結(jié)果設(shè)置子段標(biāo)簽；

38、s44、基于各預(yù)設(shè)周期對(duì)應(yīng)的子段標(biāo)簽，確定目標(biāo)用戶(hù)在各子段的竊電概率，根據(jù)竊電概率構(gòu)建竊電概率曲線(xiàn)。

39、具體地，得到目標(biāo)用戶(hù)在任一天中每個(gè)小時(shí)段是否存在竊電行為，將所有天中同一小時(shí)段的識(shí)別結(jié)果綜合分析可得到該小時(shí)段的竊電概率，如100天中有50天在某小時(shí)段存在竊電行為，則竊電概率標(biāo)記為0.5。

40、具體地，通過(guò)上述計(jì)算可以得到目標(biāo)用戶(hù)在一天中各小時(shí)段的竊電概率，進(jìn)而可以擬合構(gòu)建竊電概率曲線(xiàn)。

41、在更具體的技術(shù)方案中，s5包括：

42、s51、設(shè)定概率閾值；

43、s52、獲取概率閾值與竊電概率曲線(xiàn)的交點(diǎn)；

44、s53、判斷相鄰的交點(diǎn)之間的概率值，是否大于預(yù)設(shè)概率閾值，且時(shí)間差大于設(shè)定時(shí)間；

45、s54、若是，則將當(dāng)前相鄰的交點(diǎn)對(duì)應(yīng)的設(shè)定時(shí)間，作為稽查時(shí)間；

46、s55、根據(jù)稽查時(shí)間構(gòu)建目標(biāo)用戶(hù)的竊電用戶(hù)畫(huà)像，根據(jù)竊電用戶(hù)畫(huà)像安排稽查工作。

47、具體地，該用戶(hù)畫(huà)像就是用戶(hù)在各時(shí)段竊電的概率，便于稽查工作的進(jìn)行。

48、本發(fā)明通過(guò)判斷目標(biāo)用戶(hù)的竊電時(shí)長(zhǎng)是否足夠，一旦時(shí)長(zhǎng)足夠則作為稽查時(shí)間。在稽查時(shí)間內(nèi)執(zhí)行稽查任務(wù)，可大大提高稽查效率。

49、在更具體的技術(shù)方案中一種反竊電識(shí)別系統(tǒng)包括：

50、用電特征采集模塊，用以從待稽查臺(tái)區(qū)中，采集各原始用戶(hù)的用電數(shù)據(jù)，據(jù)以獲取用電特征；

51、特征分析模塊，用以分析用電特征，得到各原始用戶(hù)的用電特征數(shù)據(jù)變化曲線(xiàn)，特征分析模塊與用電特征采集模塊連接；

52、模型構(gòu)建及竊電識(shí)別模塊，用以構(gòu)建并利用竊電識(shí)別模型，基于用電特征數(shù)據(jù)變化曲線(xiàn)，識(shí)別原始用戶(hù)是否存在竊電行為，得到竊電識(shí)別結(jié)果，模型構(gòu)建及竊電識(shí)別模塊與特征分析模塊連接；

53、竊電概率曲線(xiàn)構(gòu)建模塊，用以根據(jù)竊電識(shí)別結(jié)果，將被識(shí)別出竊電行為的原始用戶(hù)標(biāo)記為目標(biāo)用戶(hù)，基于目標(biāo)用戶(hù)的用電特征數(shù)據(jù)變化曲線(xiàn)，建立各時(shí)間段的竊電概率曲線(xiàn)，竊電概率曲線(xiàn)構(gòu)建模塊與模型構(gòu)建及竊電識(shí)別模塊連接；

54、用戶(hù)畫(huà)像獲取模塊，用以根據(jù)竊電概率曲線(xiàn)構(gòu)建目標(biāo)用戶(hù)的竊電用戶(hù)畫(huà)像，供反竊電識(shí)別，用戶(hù)畫(huà)像獲取模塊與竊電概率曲線(xiàn)構(gòu)建模塊連接。

55、本發(fā)明相比現(xiàn)有技術(shù)具有以下優(yōu)點(diǎn)：

56、本技術(shù)通過(guò)對(duì)存在竊電行為的用戶(hù)進(jìn)一步挖掘分析，可確定最佳的稽查時(shí)間段，有助于提高稽查效率。解決了現(xiàn)有技術(shù)僅僅根據(jù)用電數(shù)據(jù)識(shí)別竊電行為，但無(wú)法對(duì)竊電行為進(jìn)行有效稽查的技術(shù)問(wèn)題。

57、本發(fā)明中的標(biāo)準(zhǔn)訓(xùn)練數(shù)據(jù)會(huì)隨著采集的數(shù)據(jù)不斷更新擴(kuò)展，也會(huì)通過(guò)標(biāo)準(zhǔn)訓(xùn)練數(shù)據(jù)不斷對(duì)竊電識(shí)別模型進(jìn)行更新訓(xùn)練，以提高竊電識(shí)別模型的可用性和可靠性。

58、本發(fā)明通過(guò)判斷目標(biāo)用戶(hù)的竊電時(shí)長(zhǎng)是否足夠，一旦時(shí)長(zhǎng)足夠則作為稽查時(shí)間。在稽查時(shí)間內(nèi)執(zhí)行稽查任務(wù)，可大大提高稽查效率。

59、本發(fā)明基于數(shù)據(jù)變化曲線(xiàn)識(shí)別原始用戶(hù)是否存在竊電行為；將存在竊電行為的原始用戶(hù)標(biāo)記為目標(biāo)用戶(hù)，基于目標(biāo)用戶(hù)的數(shù)據(jù)變化曲線(xiàn)建立各時(shí)間段的竊電概率曲線(xiàn)；根據(jù)竊電概率曲線(xiàn)構(gòu)建目標(biāo)用戶(hù)的竊電用戶(hù)畫(huà)像；本技術(shù)通過(guò)對(duì)存在竊電行為的用戶(hù)進(jìn)一步挖掘分析，可確定最佳的稽查時(shí)間段，有助于提高稽查效率。

60、本發(fā)明解決了現(xiàn)有技術(shù)中存在的僅根據(jù)用電數(shù)據(jù)識(shí)別竊電行為，但無(wú)法對(duì)竊電行為進(jìn)行有效稽查，導(dǎo)致反竊電識(shí)別中的稽查工作效率低的技術(shù)問(wèn)題。