基于异常告警事件簇触发的异常用电行为监测预警方法、装置、设备及介质与流程

本发明涉及电力系统异常监测领域，特别涉及基于异常告警事件簇触发的异常用电行为监测预警方法、装置、设备及介质。

背景技术：

1、随着智能电网的快速发展和高比例新能源接入，电力系统面临异常用电行为监测的严峻挑战，传统的异常用电监测已难以适应智能电力系统的要求。

2、然而，现有监测技术中基于电量线损数据的异常用电行为检测存在预警性能不佳、时效性差的问题。这主要是由于传统数据采集频率较低，无法捕捉异常用电行为的细微变化特征；同时其监测方式对异常用电行为的数据异动时序发生机制及计量失效机理研究不够深入，导致预警准确率有限。

3、目前常用的异常用电监测方案主要包括两类：一是基于规则的传统监测，虽然简单易实现，但对新型异常用电行为适应性差，误报率较高；二是基于机器学习的监测，虽然在一定程度上提高了识别准确率，但对于时序特征和异常事件关联性的挖掘不够深入，难以实现精准预警。

4、此外，现有异常用电监测系统大多侧重于事后分析，缺乏实时预警能力，无法在异常行为发生初期及时发出告警，导致查处时机延误，给电力企业造成经济损失。特别是在对外公证场景下，缺乏有效的电子数据提取与溯源手段，影响了违窃纠纷处理的效率和效果。

技术实现思路

1、有鉴于此，本发明的目的在于提供基于异常告警事件簇触发的异常用电行为监测预警方法、装置、设备及介质，能够解决现有相关方案中存在的问题，提高面向智能电力系统的异常用电行为监测预警的实时性、精确性以及适用性，并降低误报率和漏报率，进而提高了异常用电治理工作的自动化、规范化以及取证前置能力。其具体方案如下：

2、第一方面，本技术提供了一种基于异常告警事件簇触发的异常用电行为监测预警方法，应用于智能电力系统，包括：

3、基于目标供电片区内的供电用户数据进行用户负荷场景分类，并对得到的各负荷场景进行目标监测用户抽取，以确定抽取结果；其中，所述供电用户数据包括用户基本信息和历史用电数据；

4、利用所述抽取结果构建面向所述目标监测用户的动态变频量测架构，在正常采集模式下根据第一采集周期采集用户用电量测数据及运行告警事件数据；

5、基于预设异常告警事件簇识别规则、所述运行告警事件数据、预设时间窗口以及配电网络拓扑关系，对不同设备、不同类型的告警事件进行时空关联分析得到异常告警事件簇；

6、当所述异常告警事件簇满足预设触发条件时，向所述动态变频量测架构发送高频采集触发指令，以切换至高频采集模式并根据第二采集周期采集目标数据；所述目标数据为覆盖异常告警发生前、发生过程中以及恢复阶段的用电行为数据，所述用电行为数据包括所述用户用电量测数据；

7、基于所述目标数据构建异常用电行为监测模型，结合所述动态变频量测架构对所述目标监测用户的用电行为进行多类别异常识别与预警，以确定在线监测预警结果；

8、利用所述在线监测预警结果执行目标业务，并根据相应的业务执行结果更新所述异常用电行为监测模型；所述目标业务包括营销稽查业务和非技术线损分析业务。

9、可选的，所述基于目标供电片区内的供电用户数据进行用户负荷场景分类，并对得到的各负荷场景进行目标监测用户抽取，包括：

10、获取目标供电片区内供电用户的用户基本信息以及历史用电数据；所述用户基本信息包括用户行业类别、地理位置、接入电压等级、接线方式、装接电能表类型以及电能表容量信息；

11、基于所述用户基本信息和历史用电数据对所述供电用户的用电特征进行聚类分析，得到负荷场景分类结果；其中，所述负荷场景分类结果包括居民负荷场景、商业负荷场景、工业负荷场景以及新能源接入负荷场景；所述用电特征包括用电量时段分布特征、负荷波动特征、功率因数特征、谐波特征以及尖峰时段负荷利用率特征；

12、针对所述负荷场景分类结果中的各负荷场景，根据对应的历史用电特征进行用户群体划分，以确定划分结果；

13、采用分层抽样方式并根据所述划分结果确定各所述负荷场景的目标监测用户；

14、生成所述目标监测用户的标签信息，并利用所述标签信息标记所述目标监测用户；所述标签信息包括负荷场景标签和用户标识编号；

15、针对所述负荷场景分类结果中的各所述负荷场景，根据对应的所述历史用电特征确定目标台区。

16、可选的，所述利用所述抽取结果构建面向所述目标监测用户的动态变频量测架构，在正常采集模式下根据第一采集周期采集用户用电量测数据及运行告警事件数据，包括：

17、通过在各所述目标台区的集中器或边缘网关侧部署高频采集模块，得到动态变频量测架构；所述高频采集模块分别与智能电能表、配电设备监测装置以及新能源接入设备通信连接；

18、在正常采集模式下，基于所述高频采集模块和第一采集周期采集用户用电量测数据；所述用户用电量测数据包括用户电压、电流、有功功率、无功功率、功率因数以及谐波分量数据；

19、基于所述高频采集模块和目标记录信息获取运行告警事件数据；所述目标记录信息包括智能电能表事件记录、集中器告警记录、配电自动化系统开关动作记录以及新能源逆变器运行事件记录；所述运行告警事件数据包括事件类型、发生时间、设备编码以及告警级别；

20、基于所述用户用电量测数据确定台区级和用户级的量测数据库，并对所述量测数据库中的数据进行基础质量校核。

21、可选的，所述基于预设异常告警事件簇识别规则、所述运行告警事件数据、预设时间窗口以及配电网络拓扑关系，对不同设备、不同类型的告警事件进行时空关联分析得到异常告警事件簇，包括：

22、根据所述运行告警事件数据中不同类型运行告警事件的异常影响程度，确定各类型运行告警事件的基础权重参数；

23、基于配电网络拓扑关系以及设备空间关联关系，将存在电气连接关系或供电关联关系的设备划分至同一关联区域；

24、在各所述关联区域内设置预设时间窗口，并对所述预设时间窗口内发生的多类所述运行告警事件进行聚类分析，以确定各所述关联区域的异常告警事件簇；

25、基于所述基础权重参数确定所述异常告警事件簇的综合权重。

26、可选的，所述当所述异常告警事件簇满足预设触发条件时，向所述动态变频量测架构发送高频采集触发指令，以切换至高频采集模式并根据第二采集周期采集目标数据，包括：

27、若存在任一所述综合权重大于预设阈值且满足预设异常事件组合模式，则将对应的所述关联区域确定为目标关联区域；

28、向所述动态变频量测架构中发送与所述目标关联区域对应的高频采集触发指令以切换至高频采集模式；

29、基于第二采集周期和所述目标关联区域对应的所述高频采集模块采集所述用户用电量测数据，并基于所述量测数据库进行数据回溯，以完成高频采样操作，得到目标数据；

30、在完成所述高频采样操作后，所述目标关联区域对应的所述高频采集模块自动恢复至所述正常采集模式。

31、可选的，所述基于所述目标数据构建异常用电行为监测模型，结合所述动态变频量测架构对所述目标监测用户的用电行为进行多类别异常识别与预警，包括：

32、基于所述目标数据构建时间序列特征集合；所述时间序列特征集合包括短时负荷变化率、功率因数变化轨迹、相电流不平衡度、谐波幅值变化特征以及日电量偏离特征；

33、通过建立多层神经网络模型与统计判别模型的组合模型得到初始监测模型；所述多层神经网络模型用于学习高频用电行为的非线性时序特征，所述统计判别模型用于对异常概率进行约束并生成异常类别概率向量；

34、基于所述量测数据库和所述时间序列特征集合确定历史异常用电行为样本数据；

35、利用所述历史异常用电行为样本数据对初始监测模型进行训练得到异常用电行为监测模型；所述历史异常用电行为样本数据包括不同异常用电行为类别的样本数据，所述异常用电行为类别包括窃电嫌疑类、计量装置异常类、接线异常类、新能源并网异常类以及负荷突变异常类；

36、在在线推理阶段，利用所述异常用电行为监测模型和所述动态变频量测架构对所述目标监测用户的用电行为进行多类别异常识别与预警，以得到在线推理结果；所述在线推理结果包括不同异常用电行为类别的异常概率；

37、基于所述在线推理结果和对应的目标异常告警事件簇进行时序推演，以确定异常发生时间段和目标异常用电行为类别；

38、根据所述异常发生时间段和所述目标异常用电行为类别确定在线监测预警结果。

39、可选的，所述基于所述在线推理结果和对应的目标异常告警事件簇进行时序推演，以确定异常发生时间段和目标异常用电行为类别，包括：

40、基于所述在线推理结果和对应的目标异常告警事件簇的目标综合权重进行异常发生起止时间及持续时长分析，以确定异常发生时间段；

41、当存在任一异常用电行为类别的所述异常概率大于预设概率阈值时，将当前异常用电行为类别确定为目标异常用电行为类别；

42、基于所述目标异常用电行为类别对应的预设异常定位规则确定异常预警记录；所述异常预警记录包括台区标识、用户标识、异常告警事件簇标识、疑似异常设备位置以及异常级别。

43、第二方面，本技术提供了一种基于异常告警事件簇触发的异常用电行为监测预警装置，应用于智能电力系统，包括：

44、用户数据处理模块，用于基于目标供电片区内的供电用户数据进行用户负荷场景分类，并对得到的各负荷场景进行目标监测用户抽取，以确定抽取结果；其中，所述供电用户数据包括用户基本信息和历史用电数据；

45、数据采集模块，用于利用所述抽取结果构建面向所述目标监测用户的动态变频量测架构，在正常采集模式下根据第一采集周期采集用户用电量测数据及运行告警事件数据；

46、事件簇确定模块，用于基于预设异常告警事件簇识别规则、所述运行告警事件数据、预设时间窗口以及配电网络拓扑关系，对不同设备、不同类型的告警事件进行时空关联分析得到异常告警事件簇；

47、数据高频采集模块，用于当所述异常告警事件簇满足预设触发条件时，向所述动态变频量测架构发送高频采集触发指令，以切换至高频采集模式并根据第二采集周期采集目标数据；所述目标数据为覆盖异常告警发生前、发生过程中以及恢复阶段的用电行为数据，所述用电行为数据包括所述用户用电量测数据；

48、在线监测预警模块，用于基于所述目标数据构建异常用电行为监测模型，结合所述动态变频量测架构对所述目标监测用户的用电行为进行多类别异常识别与预警，以确定在线监测预警结果；

49、模型更新模块，用于利用所述在线监测预警结果执行目标业务，并根据相应的业务执行结果更新所述异常用电行为监测模型；所述目标业务包括营销稽查业务和非技术线损分析业务。

50、第三方面，本技术提供了一种电子设备，包括：

51、存储器，用于保存计算机程序；

52、处理器，用于执行所述计算机程序，以实现前述的基于异常告警事件簇触发的异常用电行为监测预警方法的步骤。

53、第四方面，本技术提供了一种计算机可读存储介质，用于保存计算机程序，所述计算机程序被处理器执行时实现前述的基于异常告警事件簇触发的异常用电行为监测预警方法的步骤。

54、可见，本技术中，应用于智能电力系统，基于目标供电片区内的供电用户数据进行用户负荷场景分类，并对得到的各负荷场景进行目标监测用户抽取，以确定抽取结果；其中，所述供电用户数据包括用户基本信息和历史用电数据；利用所述抽取结果构建面向所述目标监测用户的动态变频量测架构，在正常采集模式下根据第一采集周期采集用户用电量测数据及运行告警事件数据；基于预设异常告警事件簇识别规则、所述运行告警事件数据、预设时间窗口以及配电网络拓扑关系，对不同设备、不同类型的告警事件进行时空关联分析得到异常告警事件簇；当所述异常告警事件簇满足预设触发条件时，向所述动态变频量测架构发送高频采集触发指令，以切换至高频采集模式并根据第二采集周期采集目标数据；所述目标数据为覆盖异常告警发生前、发生过程中以及恢复阶段的用电行为数据，所述用电行为数据包括所述用户用电量测数据；基于所述目标数据构建异常用电行为监测模型，结合所述动态变频量测架构对所述目标监测用户的用电行为进行多类别异常识别与预警，以确定在线监测预警结果；利用所述在线监测预警结果执行目标业务，并根据相应的业务执行结果更新所述异常用电行为监测模型；所述目标业务包括营销稽查业务和非技术线损分析业务。

55、也就是说，本技术先利用目标供电片区内的供电用户数据进行用户负荷场景分类，分别针对各负荷场景抽取目标监测用户；之后，利用抽取结果构建动态变频量测架构，在正常采集模式下根据第一采集周期采集用户用电量测数据及运行告警事件数据；并利用运行告警事件数据、预设时间窗口及配电网络拓扑关系进行时空关联分析以识别异常告警事件簇；之后，当异常告警事件簇满足预设触发条件时，向动态变频量测架构发送高频采集触发指令，以切换至高频采集模式并根据第二采集周期采集目标数据；然后，基于目标数据构建异常用电行为监测模型，结合动态变频量测架构对目标监测用户进行在线监测预警，利用在线监测预警结果执行目标业务，并根据业务执行结果更新异常用电行为监测模型。这样一来，能够解决现有相关方案中存在的问题，提高面向智能电力系统的异常用电行为监测预警的实时性、精确性以及适用性，并降低误报率和漏报率，进而提高了异常用电治理工作的自动化、规范化以及取证前置能力。