CN103488867A - 一种用电异常用户自动筛选方法 - Google Patents

Abstract

本发明属于智能电能表技术领域，提供了一种用电异常用户自动筛选方法；该方法包括计算线损并根据线损获得重点关注台区；所述重点关注台区是指线损大于设定阈值的台区；通过对重点关注台区的用户当前用电量数据和历史用电量数据进行处理获得疑似窃电用户。本发明利用正态分布将用户数据进行分类并根据分类用户分别计算，辅以特殊事件、节假日和季节因子等能够快速准确的发现疑似窃电用户；该方法通过对用电数据进行数据挖掘，能及早发现用电异常用户，减少用电纠纷，有效的发现窃电行为，维护正常的用电秩序。计算过程中用户分类和计算后再将用户分类的系数以及季节因子等参数可以根据实际运行效果进行微调，从而达到准确的分析效果。

Description

一种用电异常用户自动筛选方法

技术领域

本发明属于智能电能表技术领域，尤其涉及一种用电异常用户自动筛选方法。

背景技术

国家电网和南方电网公司正在进行大规模的更换智能电表工作，同时也在大力推进电能信息采集系统的建立工作。

现在大量的电能信息的抄收还停留在人工抄表阶段，所以现有用电异常用户几乎都是靠人工分析和人工现场检查来发现。

人工抄表的特点是效率低，无法做到对所有的电能表统一抄收，无法用抄收的电能数据准确进行线损计算和其它分析，对用电异常用户更无从知晓。单靠抄表员抄表时检查电表异常发现窃电行为机会渺茫，也无法满足现有电力部门对高效率工作的要求。

发明内容

本发明实施例的目的在于提供一种用电异常用户自动筛选方法，该方法通过对用电数据进行数据挖掘，能及早发现用电异常用户，减少用电纠纷，有效的发现窃电行为，维护正常的用电秩序。

本发明提供了一种用电异常用户自动筛选方法，包括下述步骤：

S1：计算线损并根据线损获得重点关注台区；所述重点关注台区是指线损大于设定阈值的台区；

S2：通过对重点关注台区的用户当前用电量数据和历史用电量数据进行处理获得疑似窃电用户。

更进一步地，所述步骤S2具体包括：

S21：选择本月用电量等于0的用户和本月用电量小于0的用户；

S22：采用正态分布并根据用户本月用电量数据将用户分为A类用户、B类用户和C类用户；所述A类用户的用电量多，占5%-10%；所述B类用户的用电量适中，占80%-85%；所述C类用户的用电量少，占10%-15%；

S23：对A类用户、B类用户和C类用户的用电量数据分别进行计算并获得本月重点嫌疑用户数据；

S24：根据本月用电量小于等于0的用户数据、上月重点嫌疑用户数据、已确认窃电用户数据和本月重点嫌疑用户数据获得本月最终疑似窃电目标用户数据。

更进一步地，所述步骤S2还包括下述步骤：

根据现场核查数据将窃电用户加入到已确认的窃电用户表，并将剩余用户添加为本月重点嫌疑用户。

更进一步地，在步骤S23中分别对A类用户、B类用户和C类用户进行如下计算：

（1）计算该类用户的本月平均用电量；

（2）根据该类用户的本月用电量、本月该类用户的平均用电量、上月用电量、去年同期用电量和最近6-12个月的平均电量获得该类用户的本月用电变化率；

（3）根据用电变化率将用户分为正常用户、嫌疑用户和重点嫌疑用户，所述正常用户的用电变化率为5%-30%，所述嫌疑用户的用电变化率为30%-60%或小于5%，重点嫌疑用户的用电变化率为大于60%。

更进一步地，所述用电变化率根据公式y = y₁*r₁ + y₂*r₂ +y₃*r₃+y₄*r₄计算，其中y₁=((E_i-E_i-1）/E_i-1)*100% [s,h,e]，y₂=((E_i-E_平)/E_平)*100%，y₃=((E_i-E_Li)/E_Li)*100%，y₄=((E_i-E_i平)/E_i平)*100%；s为季节因子，h为节假日因子，e为特殊事件因子，E_i为当月用电量，E_i-1为上月用电量，E_平为当月该类用户平均用电量，E_Li为去年同期用电量，E_i平为该用户最近6-12月平均用电量；权重r₁、权重r₂、权重r₃和权重r₄之和等于1。

本发明利用正态分布将用户分类，然后根据分类用户分别计算，辅以特殊事件、节假日和季节因子等能够快速准确的发现疑似窃电用户；该方法通过对用电数据进行数据挖掘，能及早发现用电异常用户，减少用电纠纷，有效的发现窃电行为，维护正常的用电秩序。该方法基于电能信息采集系统的应用，数据越完整计算分析效果越明显。计算过程中用户分类和计算后再将用户分类的系数以及季节因子等参数可以根据实际运行效果进行微调，从而达到准确的分析效果。

附图说明

图1是本发明实施例提供的用电异常用户自动筛选方法的流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例提供的用电异常用户自动筛选方法通过对采集的电能信息数据进行数据挖掘，从而能高效的发现用电异常用户。该方法主要依托于电能信息采集系统的建立，在收集大量数据的基础上，对数据进行建模和数据分析，通过各种算法和特殊处理方法能及时准确发现用电异常用户。一方面可以提高电力部门的工作效率，同时也能对各类型的用户进行分析，对重点用户进行重点关注，从而为电力部门减少损失，建立和谐的用电秩序。

本发明实施例通过对数据建模和数据分析，通过各种算法和特殊处理方法，能及时准确发现疑似窃电用户。本方法具有严谨的分析方法和算法，同时辅以特殊事件、节假日和季节因子，保证能最大可能准确发现疑似窃电用户。

图1示出了本发明实施例提供的用电异常用户自动筛选方法的流程，具体包括：

（1） 计算线损，发现重点关注台区

（a）线路线损分析，通过同比、环比等方法比较本月线损情况，若本月线损率过高应重点关注。

（b）台区线损分析，通过同比、环比等方法比较本月线损情况，结合线路线损情况，对线损率高的台区重点关注。

其中，线路线损计算方法：Σ_线路总=(Σ_{台区1总表}+Σ_{台区2总表}+…+Σ_{台区n总表})；如果线路有单独总表计量可直接取该总表。Σ_{线路分表总}=(Σ_{台区1分表}+Σ_{台区2分表}+…+Σ_{台区n分表})；R_线路线损=((Σ_线路总-Σ_{线路分表总})/Σ_线路总)*100%。

台区线损计算方法：R_台区线损=((Σ_台区总表-Σ_台区分表)/Σ_台区总表)*100%

同比、环比计算方法(线路和台区公式一致):Y_同比=((R _N月线损- R_{上一年N月线损})/R_{上一年N月线损})*100%；Y_环比=((R _N月线损- R_N-1月线损)/R _N-1月线损)*100%；Y_同比大于0:表示与去年同期比较线损率增加；小于0表示与去年同期比较线损率下降。Y_环比大于0:表示与上月比较线损率增加；小于0表示与上月比较线损率下降。其中，同比和环比线损率增加范围阈值由使用者设定。

由于电传输的特性，电流在线路传输过程中本身有损耗，所以每个电力局对各个线路都会有合理的线损阈值，阈值范围内则认为线损在合理范围内，若超过设定的阈值，则表示线路线损率偏高，值得重点关注。

台区线损：就是一个台区内的线损。线路线损：一条线路可能包含多个台区。

（2）台区用户用电分析

低压住宅用电用户每月用电量变化是相对稳定的，而且全年用电量曲线均有很强的规律可循，可以通过对用户当前和历史数据分析可以有效的发现疑似窃电用户。以下分析均以台区为单位。

（a）首先选出以下两种情况用户：本月用电量等于0和本月用电量小于0的用户。

（b）利用正态分布，根据用户本月用电量将用户分为3类：A类用户（用电量多），5% -- 10%；B类用户（用电量适中），80% -- 85%；C类用户（用电量少），10% -- 15%

（c）按A、B、C三类分别进行计算

（c1）首先计算该类用户的本月平均用电量，

（c2）然后逐一用该类用户的本月用电量和本月该类用户的平均用电量，上月用电量，去年同期，和最近6-12个月的平均电量进行计算，得到用户的本月用电变化率。

具体的计算方法：y₁=((E_i-E_i-1）/E_i-1)*100% [s,h,e]（本月用电量和上月用电量比值，考虑季节因子，节假日因子和特殊事件因子）；y₂=((E_i-E_平)/E_平)*100%（本月用电量和同类型用户平均用电量比值）；y₃=((E_i-E_Li)/E_Li)*100%(本月用电量和去年同期用电量比值)；y₄=((E_i-E_i平)/E_i平)*100%(本月用电量和最近6-12个月平均用电量比值)；y = y₁*r₁ + y₂*r₂ +y₃*r₃+y₄*r₄。s为季节因子，h为节假日因子，e为特殊事件因子，E_i为当月用电量，E_i-1为上月用电量，E_平为当月该类用户平均用电量，E_Li为去年同期用电量，E_i平为该用户最近6-12月平均用电量。权重：r₁ + r₂ + r₃ + r₄ =1(系数可调整)；

（c3）然后根据用电变化率再将用户进行分类：正常用户：y变化率在 5% -- 30%；嫌疑用户：y变化率在 30% -- 60%，<5%；重点嫌疑用户(U_本月重点)：y变化率大于 60% 。U_本月重点表示本月重点嫌疑用户集合；U_≤0表示本月用电量小于等于0用户集合；U_上月重点表示上月重点嫌疑用户集合；U_窃电表示已证实窃电用户集合。

（d）对A、B、C类用户进行计算之前已有如下几类数据存在：本月用电小于等于0用户(U_≤0)、上月重点嫌疑用户(U_上月重点)和已确认窃电用户（累加）(U_窃电)，再结合本月重点嫌疑用户(U_本月重点)分析得到本月的最终疑似窃电目标用户。

选择条件顺序：U_本月重点，U_窃电，U_≤0，U_上月重点。

U_本月重点条件必须满足，其它几个集合中出现次数越多，该用户窃电几率越大。

（e）电力部门根据本月疑似窃电目标用户名单进行现场核查确定用户是否窃电，若用户窃电则将用户加入到已确认窃电用户表，剩余用户成为本月重点嫌疑用户（供下月计算使用）。

本发明利用正态分布将用户分类，然后根据分类用户分别计算，辅以特殊事件、节假日和季节因子等能够快速准确的发现疑似窃电用户。

本发明基于电能信息采集系统的应用，数据越完整计算分析效果越明显。计算过程中用户分类和计算后再将用户分类的系数以及季节因子等参数可以根据实际运行效果进行微调，从而达到准确的分析效果。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种用电异常用户自动筛选方法，其特征在于，包括下述步骤：

S1：计算线损并根据线损获得重点关注台区；所述重点关注台区是指线损大于设定阈值的台区；

S2：通过对重点关注台区的用户当前用电量数据和历史用电量数据进行处理获得疑似窃电用户。

2.如权利要求1所述的方法，其特征在于，所述步骤S2具体包括：

S21：选择本月用电量等于0的用户和本月用电量小于0的用户；

S22：采用正态分布并根据用户本月用电量数据将用户分为A类用户、B类用户和C类用户；所述A类用户的用电量多，占5%-10%；所述B类用户的用电量适中，占80%-85%；所述C类用户的用电量少，占10%-15%；

S23：对A类用户、B类用户和C类用户的用电量数据分别进行计算并获得本月重点嫌疑用户数据；

S24：根据本月用电量小于等于0的用户数据、上月重点嫌疑用户数据、已确认窃电用户数据和本月重点嫌疑用户数据获得本月最终疑似窃电目标用户数据。

3.如权利要求2所述的方法，其特征在于，所述步骤S2还包括下述步骤：

根据现场核查数据将窃电用户加入到已确认的窃电用户表，并将剩余用户添加为本月重点嫌疑用户。

4.如权利要求2所述的方法，其特征在于，在步骤S23中分别对A类用户、B类用户和C类用户进行如下计算：

（1）计算该类用户的本月平均用电量；

（2）根据该类用户的本月用电量、本月该类用户的平均用电量、上月用电量、去年同期用电量和最近6-12个月的平均电量获得该类用户的本月用电变化率；

（3）根据用电变化率将用户分为正常用户、嫌疑用户和重点嫌疑用户，所述正常用户的用电变化率为5%-30%，所述嫌疑用户的用电变化率为30%-60%或小于5%，重点嫌疑用户的用电变化率为大于60%。

5.如权利要求4所述的方法，其特征在于，所述用电变化率根据公式y = y₁*r₁ + y₂*r₂ +y₃*r₃+y₄*r₄计算，其中y₁=((E_i-E_i-1）/E_i-1)*100% [s,h,e]，y₂=((E_i-E_平)/E_平)*100%，y₃=((E_i-E_Li)/E_Li)*100%，y₄=((E_i-E_i平)/E_i平)*100%；s为季节因子，h为节假日因子，e为特殊事件因子，E_i为当月用电量，E_i-1为上月用电量，E_平为当月该类用户平均用电量，E_Li为去年同期用电量，E_i平为该用户最近6-12月平均用电量；权重r₁、权重r₂、权重r₃和权重r₄之和等于1。

Images