2020.10.16 志翔科技异常用电诊断平台支持中压和低压场景的疑似异常用电行为分析，实现智能化窃电诊断、疑似异常用电工单生成、用户档案信息推送、快速取证的闭环处理流程。
异常用电诊断平台对用电特征的提取，构建用电特征集，运用有监督与无监督的聚类算法、基于时间序列的统计算法等，建立多种异常识别模型和专家指标库。同时，通过对用采和营销数据的预处理和治理，提升数据质量，保障模型算法精度，与业务逻辑和事件信息做关联分析，快速自动识别疑似异常用电行为。
图1 异常用电诊断平台总体架构
中压反窃查违主要模型与功能：
1) 构建用电特征集：按照用户类别、电能表电流规格进行用户分类，分析各类用户的电量、负荷等体现用电特征的数据，构建用电特征数据集。
2) 建立专家指标库：总结归纳历史窃电用户的用电数据，提取窃电相关的特征向量，提高中压反窃查违模块和低压反窃查违模块对用电异常中窃电用户的识别准确率。
3) 构建用户异常用电诊断模型：对用电表计的电流、电压、事件等数据，应用用户负荷区间识别、过负荷异常识别、示值增量异常识别、分相有功异常识别、爬坡异常识别等不同类型窃电分析法，进行窃电特征分析，输出高度疑似窃电用户，实现窃电准确定位。
低压反窃查违主要模型与功能：
1) 电量与线损关联异常识别：建立电量与线损率关联分析模型，关联性分析用户用电变化量与台区线损变化量，识别疑似用电异常。
1) 群体异常用电识别：建立多户电量与线损率关联分析模型，识别群体用户疑似用电异常。
2) 零火线一致性分析识别：基于HPLC的高频电压、电流数据，或者透抄电能表零火线的电压、电流数据，分析正常电压状态下电能表的零火线电流一致性，判定疑似异常用电。
3) 异常事件关联分析识别：提取有效异常事件如开盖等，将异常事件与异常分析模型关联分析。
4) 跳点检测异常识别：分析电量曲线和线损曲线的跳变情况，建立跳点检测异常分析模型，使用时间序列位图方法识别跳点，分析跳点前后线损和总表均值、方差等变化情况，识别疑似异常用电。
5) 分段异常识别：分析电量曲线波动情况，识别用户生产用电和生活用电区间段，对电量曲线做分段处理，提高异常用电识别诊断速度。
典型案例：
已应用在国网浙江公司、四川公司、安徽公司、湖南公司等。
