(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211317863.2 (22)申请日 2022.10.26 (71)申请人 国网山东省电力公司营销服 务中心 （计量中心） 地址 250001 山东省济南市 市中区大观园 经二路15 0号 申请人 国家电网有限公司 (72)发明人 吕炳霖　刘勇超　李文芳　田晓　 张帝　赵冠　程婷婷　张涛　 张亚萍　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 任欢 (51)Int.Cl. G06F 16/21(2019.01)G06F 16/28(2019.01) G06N 20/00(2019.01) G06Q 50/06(2012.01) (54)发明名称 一种反窃电检测识别方法及系统 (57)摘要 本发明属于电力窃电检测技术领域， 尤其涉 及一种反窃电检测识别方法及系统， 所述的方法 包括： 获取待检测电力用户的历史用电数据， 建 立历史用电数据库； 基于所建立的历史用电数据 库对预设的检测识别模型进行优化处理， 得到最 优检测识别模 型； 将电力用户的实时用电数据输 入至最优检测识别模型中， 输出实时数据的检测 识别结果， 其中， 预设的检测识别模型采用K ‑最 近邻算法。 本发明通过对用电数据的识别分析， 快速锁定窃电用户， 提高反窃电的识别效率； 通 过改进的K ‑最近邻算法构建反窃电检测识别模 型， 提高反窃电识别的正确率。 权利要求书2页 说明书6页 附图3页 CN 115495441 A 2022.12.20 CN 115495441 A 1.一种反窃电检测识别方法， 其特 征在于， 包括： 获取待检测电力用户的历史用电数据， 建立历史用电数据库； 基于所建立的历史用电数据库对预设的检测 识别模型进行优化处理， 得到最优检测 识 别模型； 将电力用户的实时用电数据输入至最优检测 识别模型中， 输出实时数据的检测 识别结 果； 其中， 预设的检测识别模型采用K ‑最近邻算法。 2.如权利要求1中所述的一种反窃电检测识别方法， 其特征在于,所建立的历史用电数 据库包括历史月用电量峰谷差率、 历史用电量季不平衡率和历史典型用电量比例； 所获取 待检测电力用户的实时用电数据为实时月用电量峰谷 差率。 3.如权利要求2中所述的一种反窃电检测识别方法， 其特征在于， 所述的月用电量峰谷 差率为每年月用电月用电量峰谷差与最大月月用电量之比； 所述的用电量季不平衡率为每 年12个月的平均电量与当年最大月用电量之比； 所述的典型用电量比例为 冬夏两季用电量 总和占全年用电量总和的比例。 4.如权利要求1中所述的一种反窃电检测识别方法， 其特征在于， 所述基于所建立的历 史用电数据库对预设的检测识别模型进行优化处理， 得到最优检测识别模型， 具体步骤包 括： 将所建立的历史用电数据库分成训练样本和测试样本， 得到所有样本的分类属性和目 标属性； 确定训练过程中所需要的参数； 基于所确定的参数， 结合训练样本和测试样本， 基于预设的K ‑最近邻算法进行训练， 完 成模型的优化处 理， 得到最优检测识别模型。 5.如权利要求4中所述的一种反窃电检测识别方法， 其特征在于， 对于一个待分类的测 试样本进行分类， K ‑最近邻算法先寻找到训练样本中离待分类的测试样本最近的K个样本 点， 再根据K个 类别信息投票判定测试样本的具体 类别。 6.如权利要求4中所述的一种反窃电检测识别方法， 其特征在于， 所述K ‑最近邻算法采 用欧氏距离或余弦距离； 所述欧氏距离公式为： 余弦距离公式为： 其中， xi， xj分别代表训练样本跟测试样本， m表示xi， xj的维数。 7.如权利要求5中所述的一种反窃电检测识别方法， 其特征在于， 基于测试样本， 对K ‑ 最近邻算法进行改进的过程 为：权　利　要　求　书 1/2 页 2 CN 115495441 A 2(1)根据经验规则确定K的大略取值范围： K1≤K≤K2， 其中K1为K最小值， K2为K最大值； (2)取K＝K2， 计算K值取 K最大值时的KN N网络， 得到网络的测试样本识别率Ac curacy2； (3)取K＝(K1+K2)/2， K的取值 为整数； 再次计算KN N网络的测试样本识别率Ac curacy1； (4)若Accuracy1>Accuracy2， 则令K2＝K， Accuracy2＝Accuracy1； 反之， 令K1＝K； (5)若K1<K2， 则返回(2)， 以此循环； 否则， 得到最优的K值参数， 实现K ‑最近邻算法的改 进。 8.一种反窃电检测识别系统， 其特 征在于， 包括： 获取模块， 被 配置为获取待检测电力用户的历史用电数据， 建立历史用电数据库； 优化模块， 被配置为基于所建立的历史用电数据库对预设的检测 识别模型进行优化处 理， 得到最优检测识别模型； 其中， 预设的检测识别模型采用改进的K ‑最近邻算法； 检测识别模块， 被配置为将电力用户的实时用电数据输入至最优检测识别模型中， 输 出实时数据的检测识别结果。 9.计算机可读存储介质， 其上存储有程序， 其特征在于， 该程序被处理器执行时实现如 权利要求1 ‑7任一项所述的一种反窃电检测识别方法中的步骤。 10.电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的程序， 其 特征在于， 所述处理器执行所述程序时实现如权利要求1 ‑7任一项所述的一种反窃电检测 识别方法中的步骤。权　利　要　求　书 2/2 页 3 CN 115495441 A 3