CN120262702A 基于数据分析的智能电表异常用电检测方法及系统 （安极能新能源发展有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN120262702A(43)申请公布日2025.07.04

(21)申请号202510749530.4

(22)申请日2025.06.06

(71)申请人安极能新能源发展有限公司

地址215000江苏省苏州市吴中区长桥街

道龙西路160号龙西大厦1901室

(72)发明人虞海

(74)专利代理机构南京权盟知识产权代理事务所(普通合伙)32722

专利代理师王晓东

(51)Int.CI.

H02J13/00(2006.01)

G01R35/04(2006.01)

H02J3/00(2006.01)

GO6F18/23213(2023.01)

GO6F18/21(2023.01)

权利要求书3页说明书9页附图2页

(54)发明名称

基于数据分析的智能电表异常用电检测方法及系统

(57)摘要

CN120262702A本发明公开了基于数据分析的智能电表异常用电检测方法及系统，属于用电异常检测技术领域，其方法具体包括：根据智能电表获取用户的历史用电数据，并对获取的用户历史用电数据进行预处理，提取预处理后的用户历史用电数据的特征，对提取的特征进行三层聚类分析，分析用户的历史用电行为，根据用户的历史用电行为，识别显著偏离正常用电模式的异常行为，通过反馈机制自适应调整模型参数，对智能电表的异常用电进行实时监测，本发明能够自适应用户的用电模式变化，动态阈值调整可以根据用户的

CN120262702A

根据智能电表获取用户的历史用电数据，并对获取的用户

根据智能电表获取用户的历史用电数据，并对获取的用户历史用电数据进行预处理

提取预处理后的用户历史用电数据的特征，包括时间序列特征、外部环境特征和复合特征

对提取的特征进行三层聚类分析，分析用户的历史用电行为

根据用户的历史用电行为，识别显著偏离正常用电模式的异常行为

通过反馈机制自适应调整模型参数，对智能电表的异常用电进行实时监测

CN120262702A权利要求书1/3页

2

1.基于数据分析的智能电表异常用电检测方法，其特征在于，包括以下具体步骤：

根据智能电表获取用户的历史用电数据，并对获取的用户历史用电数据进行预处理；

提取预处理后的用户历史用电数据的特征，包括时间序列特征、外部环境特征和复合

特征；

对提取的特征进行三层聚类分析，分析用户的历史用电行为；

根据用户的历史用电行为，识别显著偏离正常用电模式的异常行为；

通过反馈机制自适应调整模型参数，对智能电表的异常用电进行实时监测。

2.如权利要求1所述的基于数据分析的智能电表异常用电检测方法，其特征在于，所述提取预处理后的用户历史用电数据的特征，包括：

将预处理后的用户历史用电数据进行归一化处理，并构建t时刻特征向量X(t),X(t)={x?(t),x?(t)…,x(t)},x(t)表示t时刻的第m个用电特征，通过设置滑动窗口，构建

时间序列特征矩阵T1,,其中，xm(t)表示第n个时刻的第m个用电特

征；

结合外部环境特征和复合特征，构建特征矩阵T,所述外部环境特征包括：日温度、湿度和节假日标志，所述复合特征包括：温度敏感度，为高温时段或低温时段，用电量与基准时段的比值。

3.如权利要求2所述的基于数据分析的智能电表异常用电检测方法，其特征在于，所述对提取的特征进行三层聚类分析，分析用户的历史用电行为，包括：

对构建的特征矩阵T进行三层聚类分析，包括第一层聚类分析、第二层聚类分析和第三层聚类分析，在第一层聚类中，通过最大化似然函数迭代优化聚类参数，对特征矩阵T进行分组和概率划分，得到特征矩阵T的分组p(X(t));

在第二层聚类中，对特征矩阵T的分组p(X(t))进行层次聚类，构建分层模型，计算特征矩阵T的分组中第i类聚类和第j类聚类之间的距离d;;

在第三层聚类中，使用时间衰减因子，优化第一层聚类和第二层聚类的结果，设定优化的目标函数；

根据三层聚类分析结果，得到用户的用电行为。

4.如权利要求1所述的基于数据分析的智能电表异常用电检测方法，其特征在于，所述根据用户的历史用电行为，识别显著偏离正常用电模式的异常行为，包括：

获取用户的智能电表实时数据，设定对用户的智能电表实时数据预处理后的实时数据特征向量为X;

计算用户的智能电表实时数据预处理后的实