CN106600144A - 一种单一异常分析防窃电预警分析方法 - Google Patents

Abstract

一种单一异常分析防窃电预警分析方法。其包括对配电网中采集终端和电能表生成的事件进行无效事件筛选与过滤：采集终端和电能表事件筛选：对于采集终端和电能表生成的事件进行无效事件筛选与过滤，去除无效事件；采集数据筛选，采集终端和电能表采集数据筛选：单一异常分析等步骤。本发明效果：利用各类规则对异常信息进行综合判断、分析，并结合大数据挖掘技术实现海量数据准实时处理，对现场计量异常情况、窃电行为进行在线监测；根据用电信息采集系统中的各类异常事件和窃电行为以及窃电行为的种类存在关联关系，结合各类异常分析模型的权值、不同模型间关联关系以及关联分析算法进行综合判断及分析，判断用户窃电可能性的大小。

Description

一种单一异常分析防窃电预警分析方法

技术领域

本发明属于智能电网信息化领域，特别是涉及一种单一异常分析防窃电预警分析方法。

背景技术

大数据平台采用X86架构，整合公共数据组件和智能分析决策平台，构建公司级大数据平台，实现数据资源统一存储、数据统一对外服务，支撑大数据分析应用、专业分析应用及实时决策等分析类应用，支撑大数据量情况下的应用系统性能优化。为各类应用建设提供海量数据采集处理、存储处理、计算处理、分析挖掘等基础性支撑功能。同时作为公司级大数据平台，能同时提供在线生产数据存储能力，面向普通用户、开发人员、上层业务系统等几个层面，提供围绕数据开展的存储、处理、共享、分析计算、通用分析模型算法、可视化组件的相关服务。

营销管理系统是支撑电力营销业务的信息系统，电力营销业务通过各领域具体业务的分工协作，为客户提供各类服务，完成各类营销业务处理，为供电企业的管理、经营和决策提供支持。

随着窃电技术智能化的不断升级，窃电主体由原来的居民用户向企业、由生活向经营、由供电企业外部到内部的发展，使得窃电现象依然得不到有效遏制。这严重损害了供电企业的合法权益，扰乱了正常的供用电秩序，影响了电力事业的发展，而且给安全用电带来严重威胁。

发明内容

为了解决上述问题，本发明的目的在于提供一种单一异常分析防窃电预警分析方法。

为了达到上述目的，本发明提供的单一异常分析防窃电预警分析方法包括下列步骤：

步骤1)对配电网中采集终端和电能表生成的事件进行无效事件筛选与过滤：

步骤2)事件筛选，采集终端和电能表事件筛选：

对于采集终端和电能表生成的事件进行无效事件筛选与过滤，去除无效事件；

步骤3)采集数据筛选，采集终端和电能表采集数据筛选：

对于采集终端和电能表上报的用电数据进行异常数据过滤筛选，并将得到的数值结合业务支持灵活配置；

步骤4)单一异常分析，针对的采集终端和电能表的有效数据，建立单一异常情况分析模型，并利用这个模型对所有数据进行逐一分析。

在步骤2)中，所述的采集终端和电能表事件筛选包括下列步骤：

步骤2.1)剔除重复上报的事件：同1条事件重复上报，事件内容包括时间均完全相同，只按第1条进行主站智能诊断，其余事件不参与主站智能诊断；

步骤2.2)剔除不符合要求的事件：剔除内容不符合通信协议格式要求的事件，包括数据乱码及应填数据为空的情况；

步骤2.3)剔除明显有误的事件：剔除内容明显有误的事件，包括事件时间早于设备安装时间及事件时间晚于当前时间的情况。

在步骤3)中，所述的采集终端和电能表采集数据筛选包括下列步骤：

步骤3.1)剔除有功功率异常数据：正/反向有功总功率乘倍率的数值大于用户合同容量的K倍，属于有功总功率异常数据；

步骤3.2)剔除日最大用电量异常数据：日冻结正/反向电能示值计算得到的电量，大于用户日最大用电量(合同容量×24h)的K倍，属于日最大用电量异常数据；

步骤3.3)剔除月最大用电量异常数据：月冻结正/反向电能示值计算得到的电量，大于用户月最大用电量(合同容量×24h×30天)的K倍，属于月最大用电量异常数据；

步骤3.4)剔除用户合同容量异常数据：日/月冻结最大需量乘倍率的数值大于用户合同容量的K倍，属于用户合同容量异常数据；

步骤3.5)剔除二次侧电压异常数据：二次侧电压值大于二次侧额定电压值的K倍，属于二次侧电压异常数据。

本发明的效果：

1、利用各类规则对异常信息进行综合判断、分析，并结合大数据挖掘技术实现海量数据准实时处理，对现场计量异常情况、窃电行为进行在线监测；

2、根据用电信息采集系统中的各类异常事件和窃电行为以及窃电行为的种类存在关联关系，结合各类异常分析模型的权值、不同模型间关联关系以及关联分析算法进行综合判断及分析，判断用户窃电可能性的大小；

支持动态产生异常事件告警，实现对现场窃电行为的在线诊断及窃电行为分析的全过程管理，辅助提高对窃电行为分析判断的准确率。

附图说明

图1为本发明提供的单一异常分析防窃电预警分析方法的流程图。

具体实施方式

下面结合附图和具体实施例对本发明提供的单一异常分析防窃电预警分析方法进行详细说明。

如图1所示，本发明提供的单一异常分析防窃电预警分析方法包括下列步骤：

步骤1)对配电网中采集终端和电能表生成的事件进行无效事件筛选与过滤：

步骤2)事件筛选，采集终端和电能表事件筛选：

对于采集终端和电能表生成的事件进行无效事件筛选与过滤，去除无效事件；

步骤3)采集数据筛选，采集终端和电能表采集数据筛选：

对于采集终端和电能表上报的用电数据进行异常数据过滤筛选，并将得到的数值结合业务支持灵活配置；

步骤4)单一异常分析，针对的采集终端和电能表的有效数据，建立单一异常情况分析模型，并利用这个模型对所有数据进行逐一分析。

在步骤2)中，所述的采集终端和电能表事件筛选包括下列步骤：

步骤2.1)剔除重复上报的事件：同1条事件重复上报，事件内容包括时间均完全相同，只按第1条进行主站智能诊断，其余事件不参与主站智能诊断；

步骤2.2)剔除不符合要求的事件：剔除内容不符合通信协议格式要求的事件，包括数据乱码及应填数据为空的情况；

步骤2.3)剔除明显有误的事件：剔除内容明显有误的事件，包括事件时间早于设备安装时间及事件时间晚于当前时间的情况。

在步骤3)中，所述的采集终端和电能表采集数据筛选包括下列步骤：

步骤3.1)剔除有功功率异常数据：正/反向有功总功率乘倍率的数值大于用户合同容量的K倍，属于有功总功率异常数据；

步骤3.2)剔除日最大用电量异常数据：日冻结正/反向电能示值计算得到的电量，大于用户日最大用电量(合同容量×24h)的K倍，属于日最大用电量异常数据；

步骤3.3)剔除月最大用电量异常数据：月冻结正/反向电能示值计算得到的电量，大于用户月最大用电量(合同容量×24h×30天)的K倍，属于月最大用电量异常数据；

步骤3.4)剔除用户合同容量异常数据：日/月冻结最大需量乘倍率的数值大于用户合同容量的K倍，属于用户合同容量异常数据；

步骤3.5)剔除二次侧电压异常数据：二次侧电压值大于二次侧额定电压值的K倍，属于二次侧电压异常数据。

本发明能够对用户报装点和受电设备报装点在地图中进行定位，并综合使用电网GIS中的设备信息、图形信息和拓扑信息，结合营销系统业务要求，快速分析出合理的报装方案，供方案制定人员和现场勘查人员参考，并可进行报装方案的保存和打印，实现了供电方案的辅助编制和可视化展示。

Claims (3)

1.一种单一异常分析防窃电预警分析方法，其特征在于：所述的单一异常分析防窃电预警分析方法包括下列步骤：

步骤1)对配电网中采集终端和电能表生成的事件进行无效事件筛选与过滤：

步骤2)事件筛选，采集终端和电能表事件筛选：

对于采集终端和电能表生成的事件进行无效事件筛选与过滤，去除无效事件；

步骤3)采集数据筛选，采集终端和电能表采集数据筛选：

对于采集终端和电能表上报的用电数据进行异常数据过滤筛选，并将得到的数值结合业务支持灵活配置；

步骤4)单一异常分析，针对的采集终端和电能表的有效数据，建立单一异常情况分析模型，并利用这个模型对所有数据进行逐一分析。

2.根据权利要求1所述的单一异常分析防窃电预警分析方法，其特征在于：在步骤2)中，所述的采集终端和电能表事件筛选包括下列步骤：

步骤2.1)剔除重复上报的事件：同1条事件重复上报，事件内容包括时间均完全相同，只按第1条进行主站智能诊断，其余事件不参与主站智能诊断；

步骤2.2)剔除不符合要求的事件：剔除内容不符合通信协议格式要求的事件，包括数据乱码及应填数据为空的情况；

步骤2.3)剔除明显有误的事件：剔除内容明显有误的事件，包括事件时间早于设备安装时间及事件时间晚于当前时间的情况。

3.根据权利要求1所述的单一异常分析防窃电预警分析方法，其特征在于：在步骤3)中，所述的采集终端和电能表采集数据筛选包括下列步骤：

步骤3.1)剔除有功功率异常数据：正/反向有功总功率乘倍率的数值大于用户合同容量的K倍，属于有功总功率异常数据；

步骤3.2)剔除日最大用电量异常数据：日冻结正/反向电能示值计算得到的电量，大于用户日最大用电量(合同容量×24h)的K倍，属于日最大用电量异常数据；

步骤3.3)剔除月最大用电量异常数据：月冻结正/反向电能示值计算得到的电量，大于用户月最大用电量(合同容量×24h×30天)的K倍，属于月最大用电量异常数据；

步骤3.4)剔除用户合同容量异常数据：日/月冻结最大需量乘倍率的数值大于用户合同容量的K倍，属于用户合同容量异常数据；

步骤3.5)剔除二次侧电压异常数据：二次侧电压值大于二次侧额定电压值的K倍，属于二次侧电压异常数据。