基于历史数据的台区用户异常用电分析方法

技术领域

本发明属于异常用电分析技术领域，具体涉及一种基于历史数据的台区用户异常用电分析方法。

背景技术

现有获取电量方法有用户通过计量自动化系统、电能量平台或者营销系统，计算出来的用户电量，通过查询统计功能显示到界面查看；误差数据通过抽检和现场检测，将抽检结果导入营销系统，其他系统如生产调度平台通过接口获取抽检结果数据；现场检测由现场运维人员带仪器到现场进行检测后的结果录入系统。

在电力系统中，用户用电量的异常值带来的不良影响是巨大的，需要额外重视异常值这一数据，因而现有的数据分析中，着重需要对用户用电量的异常情况进行统计。

现有的用户异常用电分析采用的是单个电表的用电量分析，得到该电表的状态数据，然而该数据存在一定的随机性，不能反应该台区用户的整体用电水平，也无法做出准确的用电异常判断。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提出一种基于历史数据的台区用户异常用电分析方法。

为了达到上述目的，本发明采用以下技术方案：

基于历史数据的台区用户异常用电分析方法，包括以下步骤：

S1、建立正常用电数据集、异常用电数据集以及待分析数据集；

S2、以台区为单位，将台区内用户的用电数据存储至正常用电数据集和异常用电数据集；

S3、在正常用电数据集和异常用电数据集中，预测其下一个检测周期内的正常用电数据和异常用电数据；

S4、获取台区内一组用户当期用电数据，分析该组用户当期用电数据是否属于预测的正常用电数据情况，如属于则将该组用户用电数据添加至正常用电数据集中，若不属于，进入步骤S5；

S5、分析该组用电数据是否属于预测的异常用电数据情况，如属于，则将该组用户用电数据添加至异常用电数据集中，若不属于，将该组用户用电数据存储至待分析数据集，进入步骤S6；

S6、安排专项人员进行专项分析或现场分析，分析该用电情况是否异常，并根据分析结果将其数据添加至正常用电数据集或异常用电数据集，至此完成一组用户的用电情况分析，跳转至步骤S3，进行下一组用户的分析。

进一步的，正常用电数据集存储台区内用户正常用电数据的情况，包括存储周期、单位用电周期以及单位用电周期内的用电量；

用电数据的存储周期包括多个单位用电周期，当后续检测过程中当期用电数据存储进来时，剔除最前一个单位用电周期的数据。

进一步的，异常用电数据集存储台区内用户异常用电数据的情况，包括异常用电发生的时间和异常事件的具体分类；

异常用电数据集中存储有M个异常用电事件及对应的异常用电事件，当一个新的异常用电事件存储进来时，剔除最前一个异常用电事件。

进一步的，待分析数据集，用于临时存储不确定的用户用电数据，即判断当期用电数据既不属于正常用电数据集也不属于异常用电数据集时，则将该当期数据临时存储于待分析数据集，当后续人为干预并判断得到最终的分析结果后存储与对应的数据集内，并在待分析数据集中删除。

进一步的，步骤S3具体为：

根据正常用电数据集中存储的用户正常用电数据，建立用户正常用电数据的分析模型，并将用户的历史数据通过积分计算，预测其下一个检测周期内的正常用电数据：

E＝∫P(t)·S(t)·dt

其中，E为该台区用户一个检测周期内总的用电量，P(t)为该台区用户某时刻的用电量，S(t)为用电周期；

根据异常用电数据集中存储的用户异常用电数据，根据不同异常事件发生频率与事件，预测下一检测周期内不同异常用电类型发生的概率，当异常用电事件发生的概率大于75％，则推定该异常用电时间发生。

进一步的，步骤S4中，获取一组用户当期用电数据具体包括：

获取待分析误差的台区编号或台区名称；

将台区内的用户数据分组形成多个用户组，并分析该用户组的综合用电信息；

通过接口从计量自动化系统或电能量平台获取用户组的用户信息和电表信息。

进一步的，获取待分析误差的台区编号或台区名称，具体为：

根据需要监控台区来确定待分析台区，通过接口从电能量平台获取台区信息，保存到数据表中；

将同一台区内的用户数据分组形成多个用户组，并分析该用户组的综合用电信息，具体为：

在同一个台区自定义用户组，该用户组以单位、台区、厂商、批次及地理位置因素进行指定；完成用户组的定义后，将获取到的档案信息和电表信息进行归类，其中档案信息包括电表读数、位置信息。

进一步的，通过接口从计量自动化系统或电能量平台通过接口获取用户组的用户信息和电表信息，具体为：

根据台区编号或台区名称访问计量自动化系统或电能量平台，查询出台区的档案信息、台区总表信息和电表信息；

在获取用户信息和电表信息后，对一组用户中的电量进行统计，并将各个用户的用电时段明细进行标注，从而对每个用户的每天每个时段的用电量进行细分；

统计各个时段中，用户用电量以及在每日用电中的占比，从而得出不同用户的用电状态。

进一步的，步骤S4中，分析该组用户当期用电数据是否属于预测的正常用电数据情况具体为：

判断该当期用电数据是否属于步骤S3得到的下一检测周期内的正常用电数据的范围内：

若属于，则判定该当期用电数据为正常用电数据，并将该当期用电数据更新添加至正常用电数据集中；

若不属于，则判断该当期用电数据是否为异常用电数据，即进入步骤S5。

进一步的，步骤S5具体为：

分析该用电数据是否属于预测得到的异常用电数据情况：

若属于，则将该用电数据更新至异常用电数据集中；

若不属于，则将该用电数据更新至待分析数据集中，进入步骤S6。

本发明与现有技术相比，具有如下优点和有益效果：

本发明方法通过对用户以往的用电数据进行分析，得到其后续用电数据的推测，再对当期数据进行对比，可判断用户用电的异常情况，针对性强，准确性高；通过历史用电数据对后续用电数据的异常分析做指导，可以避免后期分析过程中随机因素的影响，判断的结果更接近真实结果，可以准确反应整个台区的用电水平。

附图说明

图1是本发明方法的总体流程图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例

如图1所示，本发明，基于历史数据的台区用户异常用电分析方法，包括以下步骤：

S1、建立正常用电数据集、异常用电数据集以及待分析数据集；其中，正常用电数据集具体为：

存储该台区内用户正常用电数据的情况，包括存储周期、单位用电周期以及单位用电周期内的用电量。数据的存储周期包括多个单位用电周期(例如N 个单位用电周期)，当后续检测过程中当期用电数据存储进来后，删除最前一个单位用电周期的数据，整体遵循先进先出的原则，也就是保证该正常用电数据集中一直存储有N个单位用电周期的数据。

异常用电数据集具体为：

存储该台区内用户异常用电数据的情况，包括异常用电发生的时间、异常事件的具体分类(可以分别对不同的异常事件赋予不同的编号或定义)。异常用电数据集中存储有M个异常用电事件及对应的异常用电事件，当后一个异常用电事件存储进来后，删除最前的一个异常用电事件，即遵循先进先出的原则。

待分析数据集具体为：

用于临时存储不确定的用户用电数据(即判断当期用电数据既不属于正常用电数据集也不属于异常用电数据集时，则将该当期数据临时存储于待分析数据集)，当后续认为干预并判断得到最终的结果后存储与对应的数据集内，并在待分析数据集中删除。

S2、以台区为单位，将台区内用户的用电数据存储至正常用电数据集和异常用电数据集；在本实施例中以台区为单位，实际实施中，也可以以一组用户或单个用户为单位。

S3、在正常用电数据集和异常用电数据集中，分析预测其下一个检测周期内的正常用电数据和异常用电数据；具体包括：

S31、根据正常用电数据集中存储的用户正常用电数据，建立用户正常用电数据的分析模型，并将用户的历史数据通过积分计算，预测其下一检测周期内的正常用电数据：

E＝∫P(t)·S(t)·dt

其中，E为该台区用户一个检测周期内总的用电量，P(t)为该台区用户某时刻的用电量，S(t)为用电周期。

当预测该台区内用户在下一检测周期内的正常用电数据后，需要在该用电数据的基础上加/减一偏差值，该偏差值可以由该台区用户在正常用电数据集中存储的用电数据的标准差得到。

S32、根据异常用电数据集中存储的用户异常用电数据，根据不同异常事件发生频率与事件，预测下一检测周期内不同异常用电类型发生的概率，当异常用电事件发生的概率大于75％，则推定该异常用电时间发生。

S4、获取一组用户当期用电数据，分析该组用户当期用电数据是否满足预测的正常用电数据情况，如满足则将该组用户用电数据添加至正常用电数据集中，若不满足，进入步骤S5；

本实施例中以一组用户的当期用电数据为单位，实际实施中，也可以以台区为单位或单个用户为单位。

步骤S4具体包括：

S41、获取待分析误差的台区编号或台区名称；具体为：

待分析台区根据需要监控台区来确定；台区信息从电能量平台通过接口获取，保存到数据表。

S42、将同一台区内的用户数据分组形成多个用户组，并分析该用户组的综合用电信息；具体为：

在同一个台区自定义用户组，该用户组可以以单位、台区、厂商、批次、地理位置等因素进行指定。完成用户组的定义后，将获取到的档案信息、电表信息进行归类，其中档案信息包括电表读数、位置信息。

S43、通过接口从计量自动化系统或电能量平台通过接口获取用户组的用户信息、电表信息等；具体包括：

根据台区编号或台区名称访问计量自动化系统或电能量平台，查询出台区的档案信息、台区总表信息和电表信息。在获取用户信息和电表信息后，对一组用户中的电量进行统计，并将各个用户的用电时段明细进行标注，从而对每个用户的每天每个时段的用电量进行细分。

统计各个时段中，用户用电量以及在每日用电中的占比，从而可以得出不同用户的用电状态；在对不同时段的用户进行取样时，便可挑选日常在该时段普遍进行用电的用户进行数据抽调，避免发生数据为空的状态，同时可以统计出某时段普遍不会出现用电的状态，在抽调取样时，避免抽取该时段的用户数据，在数据普遍为零时，无法进行数据的对比。

S44、分析该组用户的当期用电数据是否属于预测的正常用电数据情况。

判断该当期用电数据是否属于步骤S3得到的下一检测周期内的正常用电数据(包括浮动值)的范围内：

若属于，则判定该当期用电数据为正常用电数据，并将该用电数据更新添加至正常用电数据集中。通过对数据的循环更新，可以依据用户的用电习惯进行调整，数据真实性更高。

若不属于，则判断该组当期用电数据是否属于异常用电数据情况，进入步骤S5。

S5、分析该组用电数据是否属于预测的异常用电数据情况，如属于，则将该组用户用电数据添加至异常用电数据集中，若不属于进入步骤S6；具体为：

分析该组用电数据是否属于预测得到的异常用电数据情况：

若属于，则将该用电数据更新至异常用电数据集中。通过对数据的循环更新，可以依据用户的用电习惯进行调整，用户异常数据得统计分析更加合理，数据真实性更高。

若不属于，将该组用户用电数据存储至待分析数据集，进入步骤S6。

S6、安排专项人员进行专项分析或现场分析，分析该用电情况是否异常，并根据分析结果将其数据添加至正常用电数据集或异常用电数据集，至此完成一组用户的用电情况分析，跳转至步骤S3，进行下一组用户的分析。

由于用户用电存在一定的偶然性，其并非是异常数据，然而系统识别可能无法直接判定为正常用电数据。对于此类数据，需要先暂存，待专业人士分析后，确定是异常数据还是正常数据，再添加至对应的正常用电数据集或异常用电数据集中。

还需要说明的是，在本说明书中，诸如术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。