CN106156269A - 一种反窃电精准定位在线监测方法 - Google Patents
一种反窃电精准定位在线监测方法 Download PDFInfo
- Publication number
- CN106156269A CN106156269A CN201610381256.0A CN201610381256A CN106156269A CN 106156269 A CN106156269 A CN 106156269A CN 201610381256 A CN201610381256 A CN 201610381256A CN 106156269 A CN106156269 A CN 106156269A
- Authority
- CN
- China
- Prior art keywords
- electricity
- stealing
- index
- user
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000005611 electricity Effects 0.000 claims abstract description 102
- 238000012216 screening Methods 0.000 claims abstract description 86
- 230000005856 abnormality Effects 0.000 claims abstract description 22
- 230000002159 abnormal effect Effects 0.000 claims abstract description 20
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 10
- 230000007423 decrease Effects 0.000 claims description 10
- 241000208340 Araliaceae Species 0.000 claims description 6
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 6
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 6
- 230000002354 daily effect Effects 0.000 claims description 6
- 235000008434 ginseng Nutrition 0.000 claims description 6
- 230000003203 everyday effect Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 3
- 238000011038 discontinuous diafiltration by volume reduction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000011835 investigation Methods 0.000 abstract description 5
- 238000007689 inspection Methods 0.000 description 9
- 238000007405 data analysis Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000007873 sieving Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Computational Linguistics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种反窃电精准定位在线监测方法,其利用已知窃电用户用电数据规律,建立关于线损异常指标、用电异常指标、计量装置故障及异常告警指标、用户历史业务办理情况指标、用户历史用电服务指标和电价执行指标的模型及异常筛选规则,以营销业务应用系统、电能量采集系统、95598服务投诉、客户基础档案信息作为客户数据来源,对窃电疑似用户进行实时监测;本发明通过反窃电在线监测平台排查用电异常客户,实时跟踪客户负荷、电量等异动情况,从根本上解决查窃难、取证难问题,有效提高反窃电工作效率,保障企业利益。
Description
技术领域
本发明属于电力营销稽查领域,涉及一种反窃电精准定位在线监测方法。
背景技术
反窃电的常规工作模式是开展周期性巡视检查来查窃,一方面人员数量有限,力量不足,不能实现对用电客户全面的排查,即使是区域性排查也同样存在效率低,耗时长的弊端,就像大海捞针,效果却差强人意;另一方面用电检查队伍素质参差不齐,现场查窃成功率较低,对窃电手段掌握不足,反窃电工作开展没有规范的技术指导和数据支撑,只能凭经验;再者窃电手法越来越隐蔽、甚至利用电能计量原理窃电,窃电时间通常无法准确查明,窃电量、窃电金额也难以准确认定,故针对上述问题,研究应用了一种基于大数据分析基础的精准定位反窃电的手段,建立常态在线监控平台,制作反窃电监测数据模型,定期开展在线集中监测,精准定位窃电疑似户,再通过现场取证查处窃电,解决了大海捞针式检查的无序性,大大提高反窃电工作效率,同时持续在线监测手段也实现了反窃电工作“由查到防”模式转变的突破。
发明内容
本发明所要解决的技术问题是提供一种基于大数据分析基础的反窃电精准定位在线监测方法。
为解决上述技术问题所采用的技术方案是:一种反窃电精准定位在线监测方法,利用已知窃电用户用电数据规律,建立关于线损异常指标、用电异常指标、计量装置故障及异常告警指标、用户历史业务办理情况指标、用户历史用电服务指标和电价执行指标的模型及异常筛选规则,以营销业务应用系统、电能量采集系统、95598服务投诉、客户基础档案信息作为客户数据来源,对窃电疑似用户进行实时监测。
所述线损异常指标的模型及异常筛选规则包括线损突增指标的模型及异常筛选规则和线损连续6个月无波动指标的模型及异常筛选规则;所述线损突增指标的模型及异常筛选规则为线路或者台区当月线损率大于等于20%或小于-10%;所述线损连续6个月无波动指标的模型及异常筛选规则为线路或者台区连续6个月线损为恒定值或者数据波动率小于5%。
所述用电异常指标的模型及异常筛选规则包括零电量指标模型及异常筛选规则、日电量突变指标模型及异常筛选规则、月电量突变指标模型及异常筛选规则、合同容量比指标模型及异常筛选规则、典型行业用户指标模型及异常筛选规则、高价用电接在低价线路模型模型及异常筛选规则和用户增减容与电量增长的比例不符模型及异常筛选规则;
所述零电量指标模型及异常筛选规则为用户连续零电量天数大于等于6个月小于12个月;
所述日电量突变指标模型及异常筛选规则如下:设置用户每日理论用电量P;设置异常阀值比例R、异常连续天数N;如果用户用电量连续N天每日用电量<P*R,则判断为异常;电量曲线接近平行,连续电量误差不超过5%;
所述月电量突变指标模型及异常筛选规则为用户每月实际用电量超过理论最大用电量10%;
所述合同容量比指标模型及异常筛选规则为用户每月实际用电量低于理论最大用电量50%;
所述典型行业用户指标模型及异常筛选规则为对行业、地区、季节典型用户的日负荷、设备利用率、平均单价、峰谷比例进行标准管理;
所述高价用电接在低价线路模型模型及异常筛选规则为高价用电接在低价线路上的违约用电行为;
所述用户增减容与电量增长的比例不符模型及异常筛选规则为将用户的增、减容的比例与工作归档后的正常月的电量增减比例进行比较,筛选增容期间用电量偏低及全暂停减容期间产生电量的用户。
所述计量装置故障及异常告警指标为对于计量装置故障和用电异常事件告警,根据反窃电检测体系建立的需要进行过滤筛选,并通过复杂事件处理技术对事件间的关联性进行分析。
所述用户历史用电服务指标的模型及异常筛选规则为导致电能表故障或变压器反复增减容的用户,对其历史营销业务办理情况设定相应的指标并行进行管理。
所述用户历史用电服务指标模型及异常筛选规则为通过对用户历史的投诉记录,客户服务记录,停复电记录,设置相应的评定指标,作为预测模型的入参。
所述电价执行指标的模型及异常筛选规则为筛选变损执行错误,分时电价执行错误,力率执行错误,两部制电价执行错误的用户,作为预测模型的入参。
所述对窃电疑似用户进行实时监测方法为分析窃电高危客户数据,利用新的筛选规则对窃电疑似区域、台区进行模糊定位;按照客户行业类别、区域划分、负荷量大小等进行分类,重点关注数据的变化率,通过横向与纵向对比客户用电数据,对窃电疑似户进行进一步定位;利用电能量采集系统单户召测功能,确定客户是否存在窃电嫌疑,通过线上下发工单与线下现场稽查的形式对窃电嫌疑户进行最终核实,确定该户是否存在窃电情况,实现反窃电用户在线监测精准定位。
所述对窃电疑似用户进行实时监测方法利用统计界面、工作流程图和数据查询工具实施。
本发明的有益效果是:通过反窃电在线监测平台排查用电异常客户,实时跟踪客户负荷、电量等异动情况,从根本上解决查窃难、取证难问题,有效提高反窃电工作效率;降低了用电检查人员现场工作的安全风险,避免工作人员与客户之间不必要的摩擦,提升服务满意率;借助在线数据异常锁定,使得反窃电工作更具针对性,降低反窃电工作成本投入的同时能有效提高反窃电查处成功率;利用窃电高危客户数据库,采取“回头看”的原则对高危用户进行突击检查,确保反窃成果,保障企业利益。
附图说明
图1为反窃电在线监测模型图。
图2为反窃电智能分析库模型图。
图3为稽查监控平台筛选异常模式图。
图4为计量异常在线监测模式图。
图5为用电采集系统单户召测模式图。
具体实施方式
下面根据图1-5和实施例对本发明做详细说明。
本实施例一种反窃电精准定位在线监测方法,利用已知窃电用户用电数据规律,建立关于线损异常指标、用电异常指标、计量装置故障及异常告警指标、用户历史业务办理情况指标、用户历史用电服务指标和电价执行指标的模型及异常筛选规则,以营销业务应用系统、电能量采集系统、95598服务投诉、客户基础档案信息作为客户数据来源,对窃电疑似用户进行实时监测。
所述线损异常指标的模型及异常筛选规则包括线损突增指标的模型及异常筛选规则和线损连续6个月无波动指标的模型及异常筛选规则;所述线损突增指标的模型及异常筛选规则为线路或者台区当月线损率大于等于20%或小于-10%;所述线损连续6个月无波动指标的模型及异常筛选规则为线路或者台区连续6个月线损为恒定值或者数据波动率小于5%。
所述用电异常指标的模型及异常筛选规则包括零电量指标模型及异常筛选规则、日电量突变指标模型及异常筛选规则、月电量突变指标模型及异常筛选规则、合同容量比指标模型及异常筛选规则、典型行业用户指标模型及异常筛选规则、高价用电接在低价线路模型模型及异常筛选规则和用户增减容与电量增长的比例不符模型及异常筛选规则;
所述零电量指标模型及异常筛选规则为用户连续零电量天数大于等于6个月小于12个月;
所述日电量突变指标模型及异常筛选规则如下:设置用户每日理论用电量P;设置异常阀值比例R、异常连续天数N;如果用户用电量连续N天每日用电量<P*R,则判断为异常;电量曲线接近平行,连续电量误差不超过5%;
所述月电量突变指标模型及异常筛选规则为用户每月实际用电量超过理论最大用电量10%;
所述合同容量比指标模型及异常筛选规则为用户每月实际用电量低于理论最大用电量50%;
所述典型行业用户指标模型及异常筛选规则为对行业、地区、季节典型用户的日负荷、设备利用率、平均单价、峰谷比例进行标准管理;
所述高价用电接在低价线路模型模型及异常筛选规则为高价用电接在低价线路上的违约用电行为;
所述用户增减容与电量增长的比例不符模型及异常筛选规则为将用户的增、减容的比例与工作归档后的正常月的电量增减比例进行比较,筛选增容期间用电量偏低及全暂停减容期间产生电量的用户。
所述计量装置故障及异常告警指标为对于计量装置故障和用电异常事件告警,根据反窃电监测体系建立的需要进行过滤筛选,并通过复杂事件处理技术对事件间的关联性进行分析。
所述用户历史用电服务指标的模型及异常筛选规则为导致电能表故障或变压器反复增减容的用户,对其历史营销业务办理情况设定相应的指标并行进行管理。
所述用户历史用电服务指标模型及异常筛选规则为通过对用户历史的投诉记录,客户服务记录,停复电记录,设置相应的评定指标,作为预测模型的入参。
所述电价执行指标的模型及异常筛选规则为筛选变损执行错误,分时电价执行错误,力率执行错误,两部制电价执行错误的用户,作为预测模型的入参。
所述对窃电疑似用户进行实时监测方法为分析窃电高危客户数据,利用新的筛选规则对窃电疑似区域、台区进行模糊定位;按照客户行业类别、区域划分、负荷量大小等进行分类,重点关注数据的变化率,通过横向与纵向对比客户用电数据,对窃电疑似户进行进一步定位;利用电能量采集系统单户召测功能,确定客户是否存在窃电嫌疑,通过线上下发工单与线下现场稽查的形式对窃电嫌疑户进行最终核实,确定该户是否存在窃电情况,实现反窃电用户在线监测精准定位。
所述对窃电疑似用户进行实时监测方法利用统计界面、工作流程图和数据查询工具实施。
本发明利用已知窃电用户用电数据规律,梳理线损异常、用电异常、计量装置故障异常、用户历史业务办理情况、用户历史用电服务等6大类数据指标,建立涵盖13个主题域的统一指标模型,编写营销稽查监控平台和电能量采集系统新的异常筛选规则,以营销业务应用系统、电能量采集系统、95598服务投诉、客户基础档案信息等作为客户数据来源,开展客户用电大数据分析,建立反窃电嫌疑客户在线实时监测体系。
本发明通过对典型窃电方式的研究,对计量装置类型、参数、故障类型、接线方式、工作流程、异常状态处理流程等数据进行分析,对日电量、抄表数据、电压电流曲线等用电数据开展综合考虑,总结应用各类手段进行窃电的数据类型和用电规律,研究出一系列反窃电在线监测模型,建立反窃电智能分析模型库。
本发明通过营销稽查监控平台、95598投诉数据库、计量异常及用电异常在线监测平台及客户基础档案信息等数据作为线索,以存在窃电行为用户作为重点关注对象,以窃电对台区线损、发生多次投诉事件等指标作为重点研究区域,利用反窃电智能分析模型库的筛选模型,结合数据分析与单户召测精确定位窃电高危疑似用户,建立窃电高危客户数据库。
本发明基于在线监测模型,开展客户用电大数据分析,建立反窃电在线监测平台,定期针对窃电高危客户数据库中的异常数据开展反窃电实时在线监测,对窃电疑似情况进行全面、系统化筛查并精准定位。
本发明利用已知窃电用户用电数据规律,梳理线损异常、用电异常、计量装置故障异常、用户历史业务办理情况、用户历史用电服务等6大类数据指标,建立涵盖13个主题域的统一指标模型,编写营销稽查监控平台和电能量采集系统新的异常筛选规则,以营销业务应用系统、电能量采集系统、95598服务投诉、客户基础档案信息等作为客户数据来源,开展客户用电大数据分析,建立反窃电嫌疑客户在线监测体系。
通过建立反窃电在线监测平台,对疑似窃电客户进行实时监控。首先利用新的筛选规则对窃电疑似区域、台区进行模糊定位;其次按照客户行业类别、区域划分、负荷量大小等进行分类,重点关注数据的变化率,通过横向与纵向对比客户用电数据,对窃电疑似户进行进一步定位;最后利用电能量采集系统单户召测功能,确定客户是否存在窃电嫌疑,通过线上下发工单与线下现场稽查的形式对窃电嫌疑户进行最终核实,确定该户是否存在窃电情况。
借助在线监测对窃电行为进行精准定位,从根本上解决查窃难、取证难、留死角的问题,有效提高了反窃电工作效率,降低工作成本,提高查处成功率,提升服务满意度,维护了良好的用电秩序。
2015年6月18日,管理创新项目小组成员在对采集系统监控时发现某电磁线有限公司存在A相电压失压的现象,疑似有窃电行为。
首先通过营销业务应用系统核实用户基本信息及往月用电量;查看用电信息采集系统中用户的计量方式及当月用电量,对该户异常情况和窃电时间精心进一步确认;然后对其进行现场检查,确定现场存在窃电行为,窃电方式为故意损坏高压用电计量装置用电。
根据供电营业规则第一百零三条规定,“在供电企业的供电设施上,擅自接线用电的,所窃电量按私接设备额定容量乘以实际使用时间计算确定。窃电时间无法查明时,窃电日数至少以一百八十天计算,每日窃电时间:电力用户按12小时计算;照明用户按6小时计算”。
窃电时间:按窃电设备实际使用时间无法确定,根据供电营业规则按180天,每天12小时计算。
窃电电价:该用户为高压用户,应执行河北省电力公司“大工业非优待1-10千伏”0.6011元。
窃电设备容量:用户的用电设备主要为生产机械及照明,现场测量为1.98kVA
应追补电量:1.98kVA*12小时/天*180天=4277kWH
应追补电量电费:4277kWH*0.6011元/kWH=2570.9元
追补违约使用电费:2570.9元*3=7712.7元
共计2570.9+7712.7=10283.6元。
以上所述实施方式仅为本发明的优选实施例,而并非本发明可行实施例的穷举。对于本领域一般技术人员而言,在不背离本发明原理和精神的前提下对其所作出的任何显而易见的改动,都应当被认为包含在本发明的权利要求保护范围之内。
Claims (9)
1.一种反窃电精准定位在线监测方法,其特征在于:利用已知窃电用户用电数据规律,建立关于线损异常指标、用电异常指标、计量装置故障及异常告警指标、用户历史业务办理情况指标、用户历史用电服务指标和电价执行指标的模型及异常筛选规则,以营销业务应用系统、电能量采集系统、95598服务投诉、客户基础档案信息作为客户数据来源,对窃电疑似用户进行实时监测。
2.根据权利要求1所述的一种反窃电精准定位在线监测方法,其特征在于:所述线损异常指标的模型及异常筛选规则包括线损突增指标的模型及异常筛选规则和线损连续6个月无波动指标的模型及异常筛选规则;所述线损突增指标的模型及异常筛选规则为线路或者台区当月线损率大于等于20%或小于-10%;所述线损连续6个月无波动指标的模型及异常筛选规则为线路或者台区连续6个月线损为恒定值或者数据波动率小于5%。
3.根据权利要求1所述的一种反窃电精准定位在线监测方法,其特征在于:所述用电异常指标的模型及异常筛选规则包括零电量指标模型及异常筛选规则、日电量突变指标模型及异常筛选规则、月电量突变指标模型及异常筛选规则、合同容量比指标模型及异常筛选规则、典型行业用户指标模型及异常筛选规则、高价用电接在低价线路模型模型及异常筛选规则和用户增减容与电量增长的比例不符模型及异常筛选规则;
所述零电量指标模型及异常筛选规则为用户连续零电量天数大于等于6个月小于12个月;
所述日电量突变指标模型及异常筛选规则如下:设置用户每日理论用电量P;设置异常阀值比例R、异常连续天数N;如果用户用电量连续N天每日用电量<P*R,则判断为异常;电量曲线接近平行,连续电量误差不超过5%;
所述月电量突变指标模型及异常筛选规则为用户每月实际用电量超过理论最大用电量10%;
所述合同容量比指标模型及异常筛选规则为用户每月实际用电量低于理论最大用电量50%;
所述典型行业用户指标模型及异常筛选规则为对行业、地区、季节典型用户的日负荷、设备利用率、平均单价、峰谷比例进行标准管理;
所述高价用电接在低价线路模型模型及异常筛选规则为高价用电接在低价线路上的违约用电行为;
所述用户增减容与电量增长的比例不符模型及异常筛选规则为将用户的增、减容的比例与工作归档后的正常月的电量增减比例进行比较,筛选增容期间用电量偏低及全暂停减容期间产生电量的用户。
4.根据权利要求1所述的一种反窃电精准定位在线监测方法,其特征在于:所述计量装置故障及异常告警指标为对于计量装置故障和用电异常事件告警,根据反窃电监测体系建立的需要进行过滤筛选,并通过复杂事件处理技术对事件间的关联性进行分析。
5.根据权利要求1所述的一种反窃电精准定位在线监测方法,其特征在于:所述用户历史用电服务指标的模型及异常筛选规则为导致电能表故障或变压器反复增减容的用户,对其历史营销业务办理情况设定相应的指标并行进行管理。
6.根据权利要求1所述的一种反窃电精准定位在线监测方法,其特征在于:所述用户历史用电服务指标模型及异常筛选规则为通过对用户历史的投诉记录,客户服务记录,停复电记录,设置相应的评定指标,作为预测模型的入参。
7.根据权利要求1所述的一种反窃电精准定位在线监测方法,其特征在于:所述电价执行指标的模型及异常筛选规则为筛选变损执行错误,分时电价执行错误,力率执行错误,两部制电价执行错误的用户,作为预测模型的入参。
8.根据权利要求1所述的一种反窃电精准定位在线监测方法,其特征在于:所述对窃电疑似用户进行实时监测方法为分析窃电高危客户数据,利用新的筛选规则对窃电疑似区域、台区进行模糊定位;按照客户行业类别、区域划分、负荷量大小等进行分类,重点关注数据的变化率,通过横向与纵向对比客户用电数据,对窃电疑似户进行进一步定位;利用电能量采集系统单户召测功能,确定客户是否存在窃电嫌疑,通过线上下发工单与线下现场稽查的形式对窃电嫌疑户进行最终核实,确定该户是否存在窃电情况,实现反窃电用户在线监测精准定位。
9.根据权利要求1所述的一种反窃电精准定位在线监测方法,其特征在于:所述对窃电疑似用户进行实时监测方法利用统计界面、工作流程图和数据查询工具实施。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610381256.0A CN106156269A (zh) | 2016-06-01 | 2016-06-01 | 一种反窃电精准定位在线监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610381256.0A CN106156269A (zh) | 2016-06-01 | 2016-06-01 | 一种反窃电精准定位在线监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106156269A true CN106156269A (zh) | 2016-11-23 |
Family
ID=57353294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610381256.0A Pending CN106156269A (zh) | 2016-06-01 | 2016-06-01 | 一种反窃电精准定位在线监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106156269A (zh) |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067155A (zh) * | 2017-02-23 | 2017-08-18 | 武汉烽火技术服务有限公司 | 基于运维工单的防盗电管理系统及方法 |
CN107730395A (zh) * | 2017-09-13 | 2018-02-23 | 国网天津市电力公司电力科学研究院 | 一种针对低压用户的基于用电量偏差率的用电异常检测方法 |
CN108198408A (zh) * | 2017-12-08 | 2018-06-22 | 囯网河北省电力有限公司电力科学研究院 | 一种基于用电信息采集系统的自适应反窃电监控方法及系统 |
CN108303576A (zh) * | 2018-01-30 | 2018-07-20 | 国家电网公司 | 快速自动甄别与定位窃电和电能表错接线的方法 |
CN109888665A (zh) * | 2019-03-16 | 2019-06-14 | 国网山东省电力公司青州市供电公司 | 线路检查标记辅助装置 |
CN110047013A (zh) * | 2018-01-15 | 2019-07-23 | 国网江苏省电力公司常州供电公司 | 反专变用户间断型窃电方法 |
CN110045194A (zh) * | 2018-01-15 | 2019-07-23 | 国网江苏省电力公司常州供电公司 | 高压供电线路反窃电方法 |
CN110046792A (zh) * | 2019-02-28 | 2019-07-23 | 国网浙江省电力有限公司 | 基于雷达图综合评价法的零电量用户排查方法 |
CN110070337A (zh) * | 2019-04-12 | 2019-07-30 | 国网浙江省电力有限公司舟山供电公司 | 一种基于互联网地图的违约窃电查处方法 |
CN110083986A (zh) * | 2019-05-21 | 2019-08-02 | 国网湖南省电力有限公司 | 再电气化能源消费装置反窃电模拟监测方法、系统、设备及介质 |
CN110245880A (zh) * | 2019-07-02 | 2019-09-17 | 浙江成功软件开发有限公司 | 一种污染源在线监控数据作弊识别方法 |
CN110264015A (zh) * | 2019-06-28 | 2019-09-20 | 国网河南省电力公司电力科学研究院 | 反窃电稽查监控方法及平台 |
CN110503136A (zh) * | 2019-07-31 | 2019-11-26 | 国家电网有限公司 | 台区线损异常分析方法、计算机可读存储介质及终端设备 |
CN110543499A (zh) * | 2019-08-22 | 2019-12-06 | 云南电网有限责任公司 | 一种基于多源数据融合的反窃电定位跟踪设备 |
CN110609249A (zh) * | 2019-09-10 | 2019-12-24 | 中国电力科学研究院有限公司 | 一种基于电能表采集信息的计量异常分析处理系统 |
CN110649606A (zh) * | 2019-10-10 | 2020-01-03 | 国网河北省电力有限公司衡水市桃城区供电分公司 | Hplc宽带载波基于泛在物联网降损节能的方法 |
CN111008193A (zh) * | 2019-12-03 | 2020-04-14 | 国网天津市电力公司电力科学研究院 | 一种数据清洗与质量评价方法及系统 |
CN111046250A (zh) * | 2018-10-11 | 2020-04-21 | 内蒙古科电数据服务有限公司 | 一种基于大数据分析的窃电对象筛查方法 |
CN111080476A (zh) * | 2019-12-06 | 2020-04-28 | 江苏瑞中数据股份有限公司 | 一种基于数据中台的用户窃电行为分析预警方法 |
CN112362962A (zh) * | 2020-11-09 | 2021-02-12 | 张子惠 | 一种电网中漏电窃电位置的检测方法、装置及电子设备 |
CN112396275A (zh) * | 2019-08-19 | 2021-02-23 | 中移物联网有限公司 | 用电监控方法、系统以及计算机可读存储介质 |
CN112436606A (zh) * | 2020-11-26 | 2021-03-02 | 国网天津市电力公司营销服务中心 | 一种用于反窃电的监控系统 |
CN113128024A (zh) * | 2021-03-17 | 2021-07-16 | 国网山东省电力公司济南供电公司 | 一种基于大数据分析的低压窃电客户及窃电手段确定方法 |
CN113271440A (zh) * | 2021-05-20 | 2021-08-17 | 浙江宇视科技有限公司 | 移动目标的行动轨迹获得方法、装置、设备及存储介质 |
CN113506190A (zh) * | 2021-07-29 | 2021-10-15 | 广东电网有限责任公司 | 一种异常用电行为辨识方法、装置、设备及存储介质 |
CN115375192A (zh) * | 2022-10-24 | 2022-11-22 | 国网天津市电力公司营销服务中心 | 一种基于用户用电行为的违约用电研判方法及系统 |
CN116070162A (zh) * | 2023-03-06 | 2023-05-05 | 国网浙江省电力有限公司宁波供电公司 | 一种反窃电监测方法及系统 |
CN117132025A (zh) * | 2023-10-26 | 2023-11-28 | 国网山东省电力公司泰安供电公司 | 一种基于多源数据融合的用电监测预警系统 |
-
2016
- 2016-06-01 CN CN201610381256.0A patent/CN106156269A/zh active Pending
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067155A (zh) * | 2017-02-23 | 2017-08-18 | 武汉烽火技术服务有限公司 | 基于运维工单的防盗电管理系统及方法 |
CN107730395B (zh) * | 2017-09-13 | 2021-05-18 | 国网天津市电力公司电力科学研究院 | 一种针对低压用户的基于用电量偏差率的用电异常检测方法 |
CN107730395A (zh) * | 2017-09-13 | 2018-02-23 | 国网天津市电力公司电力科学研究院 | 一种针对低压用户的基于用电量偏差率的用电异常检测方法 |
CN108198408A (zh) * | 2017-12-08 | 2018-06-22 | 囯网河北省电力有限公司电力科学研究院 | 一种基于用电信息采集系统的自适应反窃电监控方法及系统 |
CN110045194A (zh) * | 2018-01-15 | 2019-07-23 | 国网江苏省电力公司常州供电公司 | 高压供电线路反窃电方法 |
CN110047013A (zh) * | 2018-01-15 | 2019-07-23 | 国网江苏省电力公司常州供电公司 | 反专变用户间断型窃电方法 |
CN110045194B (zh) * | 2018-01-15 | 2021-01-01 | 国网江苏省电力公司常州供电公司 | 高压供电线路反窃电方法 |
CN110047013B (zh) * | 2018-01-15 | 2023-06-13 | 国网江苏省电力公司常州供电公司 | 反专变用户间断型窃电方法 |
CN108303576A (zh) * | 2018-01-30 | 2018-07-20 | 国家电网公司 | 快速自动甄别与定位窃电和电能表错接线的方法 |
CN108303576B (zh) * | 2018-01-30 | 2019-11-29 | 国家电网有限公司 | 快速自动甄别与定位窃电和电能表错接线的方法 |
CN111046250A (zh) * | 2018-10-11 | 2020-04-21 | 内蒙古科电数据服务有限公司 | 一种基于大数据分析的窃电对象筛查方法 |
CN111046250B (zh) * | 2018-10-11 | 2023-09-29 | 内蒙古科电数据服务有限公司 | 一种基于大数据分析的窃电对象筛查方法 |
CN110046792A (zh) * | 2019-02-28 | 2019-07-23 | 国网浙江省电力有限公司 | 基于雷达图综合评价法的零电量用户排查方法 |
CN110046792B (zh) * | 2019-02-28 | 2023-06-27 | 国网浙江省电力有限公司 | 基于雷达图综合评价法的零电量用户排查方法 |
CN109888665A (zh) * | 2019-03-16 | 2019-06-14 | 国网山东省电力公司青州市供电公司 | 线路检查标记辅助装置 |
CN110070337B (zh) * | 2019-04-12 | 2022-08-23 | 国网浙江省电力有限公司舟山供电公司 | 一种基于互联网地图的违约窃电查处方法 |
CN110070337A (zh) * | 2019-04-12 | 2019-07-30 | 国网浙江省电力有限公司舟山供电公司 | 一种基于互联网地图的违约窃电查处方法 |
CN110083986A (zh) * | 2019-05-21 | 2019-08-02 | 国网湖南省电力有限公司 | 再电气化能源消费装置反窃电模拟监测方法、系统、设备及介质 |
CN110264015A (zh) * | 2019-06-28 | 2019-09-20 | 国网河南省电力公司电力科学研究院 | 反窃电稽查监控方法及平台 |
CN110245880A (zh) * | 2019-07-02 | 2019-09-17 | 浙江成功软件开发有限公司 | 一种污染源在线监控数据作弊识别方法 |
CN110503136A (zh) * | 2019-07-31 | 2019-11-26 | 国家电网有限公司 | 台区线损异常分析方法、计算机可读存储介质及终端设备 |
CN112396275A (zh) * | 2019-08-19 | 2021-02-23 | 中移物联网有限公司 | 用电监控方法、系统以及计算机可读存储介质 |
CN110543499A (zh) * | 2019-08-22 | 2019-12-06 | 云南电网有限责任公司 | 一种基于多源数据融合的反窃电定位跟踪设备 |
CN110609249A (zh) * | 2019-09-10 | 2019-12-24 | 中国电力科学研究院有限公司 | 一种基于电能表采集信息的计量异常分析处理系统 |
CN110649606A (zh) * | 2019-10-10 | 2020-01-03 | 国网河北省电力有限公司衡水市桃城区供电分公司 | Hplc宽带载波基于泛在物联网降损节能的方法 |
CN111008193A (zh) * | 2019-12-03 | 2020-04-14 | 国网天津市电力公司电力科学研究院 | 一种数据清洗与质量评价方法及系统 |
CN111008193B (zh) * | 2019-12-03 | 2023-10-31 | 国网天津市电力公司电力科学研究院 | 一种数据清洗与质量评价方法及系统 |
CN111080476A (zh) * | 2019-12-06 | 2020-04-28 | 江苏瑞中数据股份有限公司 | 一种基于数据中台的用户窃电行为分析预警方法 |
CN112362962A (zh) * | 2020-11-09 | 2021-02-12 | 张子惠 | 一种电网中漏电窃电位置的检测方法、装置及电子设备 |
CN112436606A (zh) * | 2020-11-26 | 2021-03-02 | 国网天津市电力公司营销服务中心 | 一种用于反窃电的监控系统 |
CN113128024B (zh) * | 2021-03-17 | 2023-02-07 | 国网山东省电力公司济南供电公司 | 一种基于大数据分析的低压窃电客户及窃电手段确定方法 |
CN113128024A (zh) * | 2021-03-17 | 2021-07-16 | 国网山东省电力公司济南供电公司 | 一种基于大数据分析的低压窃电客户及窃电手段确定方法 |
CN113271440B (zh) * | 2021-05-20 | 2023-06-20 | 浙江宇视科技有限公司 | 移动目标的行动轨迹获得方法、装置、设备及存储介质 |
CN113271440A (zh) * | 2021-05-20 | 2021-08-17 | 浙江宇视科技有限公司 | 移动目标的行动轨迹获得方法、装置、设备及存储介质 |
CN113506190A (zh) * | 2021-07-29 | 2021-10-15 | 广东电网有限责任公司 | 一种异常用电行为辨识方法、装置、设备及存储介质 |
CN115375192A (zh) * | 2022-10-24 | 2022-11-22 | 国网天津市电力公司营销服务中心 | 一种基于用户用电行为的违约用电研判方法及系统 |
CN116070162A (zh) * | 2023-03-06 | 2023-05-05 | 国网浙江省电力有限公司宁波供电公司 | 一种反窃电监测方法及系统 |
CN116070162B (zh) * | 2023-03-06 | 2023-08-29 | 国网浙江省电力有限公司宁波供电公司 | 一种反窃电监测方法及系统 |
CN117132025A (zh) * | 2023-10-26 | 2023-11-28 | 国网山东省电力公司泰安供电公司 | 一种基于多源数据融合的用电监测预警系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106156269A (zh) | 一种反窃电精准定位在线监测方法 | |
CN110264015A (zh) | 反窃电稽查监控方法及平台 | |
CN104407268A (zh) | 基于电量、电压和电流异常分析的异常用电判断方法 | |
CN101789628A (zh) | 企业电能节能管理系统 | |
CN104391202A (zh) | 基于电量异常分析的异常用电判断方法 | |
CN107862467A (zh) | 一种基于大数据平台的电网综合数据指标监测方法及系统 | |
CN107039970A (zh) | 公变台区线损率异常原因检测方法和系统 | |
JP2017536604A (ja) | ノンテクニカルロスを同定するための機械学習の利用 | |
CN108964269A (zh) | 配电网运维与综合管理系统 | |
CN109800998A (zh) | 一种台区线损管理系统和方法 | |
CN110045194B (zh) | 高压供电线路反窃电方法 | |
CN111310854A (zh) | 基于用电负荷指纹的低误报率窃电检测二次筛选方法 | |
KR100681538B1 (ko) | 실시간 전력소비량 모니터링 시스템 | |
CN108985963A (zh) | 一种供用电一体化监测装置 | |
CN113392910A (zh) | 一种判断违约用电与窃电的多维度智能分析经验算法和分类算法 | |
CN110675018B (zh) | 一种基于专家规则的线损异常分析与闭环管理的方法 | |
CN106771734A (zh) | 电力监测方法和装置 | |
Zhang et al. | Research on comprehensive diagnosis model of anti-stealing electricity based on big data technology | |
CN104459249A (zh) | 基于电流异常分析的异常用电判断方法 | |
CN109245109A (zh) | 一种供电低电压预警系统及方法 | |
CN105989446A (zh) | 一种数据识别方法及系统 | |
CN114839462A (zh) | 一种智能反窃电监察方法和系统 | |
CN114814402A (zh) | 基于一体化电量及线损系统大数据的异常用电分析方法 | |
CN204204051U (zh) | 变电所远程巡检装置 | |
CN114295880A (zh) | 一种电力窃电精准定位及异常用电行为检测分析模型 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161123 |