引言

在供電網(wǎng)絡中,竊電行為頻頻發(fā)生,對電力企業(yè)用電管理工作造成了嚴重影響。竊電行為不僅對供電企業(yè)造成嚴重的經(jīng)濟損失,還可能會對供電網(wǎng)絡埋下諸多安全隱患,威脅人們的生命、財產(chǎn)安全,電力企業(yè)應當對此問題予以高度重視,不斷完善竊電行為識別技術(shù),提高供電效率以及供電質(zhì)量。鑒于此,本文提出了一種基于用電信息采集特征的竊電行為識別方法。

1基于用電信息采集特征的竊電行為識別方法設計

1.1用電信息采集特征數(shù)據(jù)提取

通過對已知竊電用戶信息的采集,對電壓、電流等數(shù)據(jù)進行反向分析,并結(jié)合云KEY技術(shù),構(gòu)建本文設計的竊電行為識別方法的模型指標體系。其主要內(nèi)容包括兩大部分,分別是對竊電特征數(shù)據(jù)的篩選和對用電異常特征信息數(shù)據(jù)的識別。

首先要對獲取到的樣本信息進行特征數(shù)據(jù)提取,并將其規(guī)范化處理,設置特征數(shù)據(jù)取值范圍為-1～1。利用過濾式算法對樣本數(shù)據(jù)信息進行篩選,針對每個不同的初始化特點,運用特征相關(guān)性,權(quán)衡特征對分類結(jié)果的重要程度。

假設竊電行為的類型可分為A1種,非竊電的類別可分為A2種,設置竊電行為的樣本集為1(n1,A1）,(n2,A1）,(n3,A1）,…,(nk,A1）],再依據(jù)竊電行為的樣本集,將得到的非竊電行為的數(shù)據(jù)建立為正常用電行為特征的數(shù)據(jù)樣本集1(n'1,A2）,(n'2,A2）,(n'3,A2）,…,(n'k,A2）],在集合中的每一個樣本表示為nk,其中k∈11,2,3,…,K],nk包含g∈11,2,3,…,0]個特征屬性,首先nk在跟它類型一樣的樣本中找到最近的相鄰樣本nk·nb,并把此樣本當作猜對的鄰近樣本,再由與其不相同的異類樣本中選擇一個nk.nm作為猜錯的近鄰樣本。重復以上操作步

驟找到K個樣本中所有的猜中和猜錯近鄰樣本,然后針對特征g計算出與之相關(guān)的統(tǒng)計量s,計算公式為:

通過公式可以得出,若nk跟猜中的鄰近樣本間的距離愈小,那么跟它猜錯的鄰近樣本間的距離則愈大,所以有關(guān)統(tǒng)計量的值也跟著增大,這表明利用用電信息特征的屬性可對竊電和非竊電行為進行區(qū)分,能夠通過把數(shù)值s降序排列,設置閾值,并把統(tǒng)計量遠遠超出閾值的特征樣本進行篩選,從而獲取到竊電行為的用電信息特征數(shù)據(jù)。

1.2竊電嫌疑用戶識別模型構(gòu)建

竊電嫌疑用戶識別模型是本文設計的基于用電信息采集特征的竊電行為識別方法的核心部分,根據(jù)數(shù)據(jù)處理的原理,結(jié)合云KEY技術(shù),模型構(gòu)建主要分為兩部分,分別為模型訓練及模型測試,具體建構(gòu)流程如圖1所示。

構(gòu)建流程具體可分為+個步驟:

第1步:根據(jù)上文提取到的用電信息采集特征數(shù)據(jù),選擇比例相等的竊電行為的樣本數(shù)據(jù)跟未竊取的正常行為樣本數(shù)據(jù)當作此模型的樣本集,在模型樣本集里隨機選取閾值對應的比例數(shù)據(jù),構(gòu)建模型的訓練數(shù)據(jù)集和測試數(shù)據(jù)集:

第2步:在訓練數(shù)據(jù)集當中對用戶的樣本集進行重新定義y=1y1,y2,y3,…],設置特征權(quán)重向量為a=(a1,a2,a3,…）,則可得出相應的目標函數(shù)為/(a）=a×y,將迭代次數(shù)初始化,根據(jù)一定的范圍對a進行隨機賦值:

第3步:進行迭代計算,得出相應的結(jié)果:

第8步:對目標函數(shù)進行最優(yōu)求解,并計算出目標函數(shù)的梯度:

第5步:將特征權(quán)重向量a帶入到設置的目標函數(shù)當中,并判斷誤差是否符合要求,若通過計算得出的結(jié)果符合則返回到第3步中,重復進行迭代求解:若結(jié)果不符合相關(guān)要求,則將本次計算求得的最優(yōu)化目標函數(shù)帶入到第6步當中進行下一步操作:

第6步:根據(jù)上一步中獲取到的最優(yōu)函數(shù)建立竊電嫌疑用戶識別模型,通過對該模型進行測試,從而獲取到相應的測試數(shù)據(jù)結(jié)果:

第7步:對上一步中的測試數(shù)據(jù)結(jié)果進行檢測,并且判別是不是滿足有竊電嫌疑的用戶識別需求,如果不滿足,那么返至第2步中對特征權(quán)重向量a更新隨機賦值:若滿足,則進行下一步操作:

第8步:完成對竊電嫌疑用戶識別模型的構(gòu)建,并將本次更新模型的結(jié)果輸出。

2對比實驗

為了驗證本文設計的基于用電信息采集特征的竊電行為識別方法的可行性和有效性,將該方法與傳統(tǒng)識別方法進行對比實驗。

2.1實驗準備

本文基于廣東電網(wǎng)有限責任公司信息中心課題"云KEY技術(shù)在電力行業(yè)移動互聯(lián)網(wǎng)的應用"作為背景,建立實驗對比平臺,并把它當作數(shù)據(jù)的基礎來源。設定識別竊電嫌疑用戶包括連接外界系統(tǒng)的輸入/輸出信息,存儲單元包括3個類型的數(shù)據(jù)庫,分別是信息預定與存儲輸入信息:測試結(jié)果及存儲解決方案:數(shù)據(jù)庫存儲樣本特征。

2.2實驗結(jié)果及分析

為了保證對比實驗的客觀性,在保證兩種識別方法除涉及的內(nèi)部條件因素不同外,其他影響因素均相同的情況下完成實驗,記錄實驗過程中產(chǎn)生的相關(guān)數(shù)據(jù)信息,通過相應計算得出實驗組與對照組識別結(jié)果的精確度,如表1所示。

通過實驗對本文方法中的模型進行不斷訓練和優(yōu)化,可以有效提高本文識別方法的識別能力。本文在構(gòu)建竊電嫌疑用戶識別模型時,提高了模型的精準度和泛化能力,提高了對竊電行為用戶識別的精準度。因此,通過對比實驗證明,本文設計的識別方法更加高效、可行。

3結(jié)語

本文通過實驗證明了所設計的識別方法具有更強的反竊電監(jiān)控預警能力,有利于電力企業(yè)查處整治竊電行為,維護用電秩序。但該方法仍存在一定的漏洞和不足,在實際應用中,相關(guān)人員還需根據(jù)具體問題進行相應處理,提高電力企業(yè)的供、用電質(zhì)量。