CN107221927A - 一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法 - Google Patents
一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法 Download PDFInfo
- Publication number
- CN107221927A CN107221927A CN201710369834.3A CN201710369834A CN107221927A CN 107221927 A CN107221927 A CN 107221927A CN 201710369834 A CN201710369834 A CN 201710369834A CN 107221927 A CN107221927 A CN 107221927A
- Authority
- CN
- China
- Prior art keywords
- user
- stealing
- suspicion
- month
- electricity
- 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
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法,其特征在于,包括以下步骤:S1、基础数据收集;S2、基础数据状态估计;S3、台区线损计算;S4、采用量化评估模型窃电嫌疑分析算法,计算该台区下各用户本月的窃电嫌疑度水平;S5、嫌疑窃电用户锁定,本发明的有益效果为:提高了低压供电台区窃电用户的锁定精度,降低了营销管理线损水平,从而提高了稽查部门的工作效率。
Description
技术领域
本发明涉及电网反窃电技术领域,尤其涉及一种基于量化评估模型窃电嫌 疑分析算法的反窃电分析方法。
背景技术
随着地区经济的持续增长,居民生活水平不断提高,电力需求增长的同时, 窃电现象却越发严重。从线损统计和用电环境来看,低压台区,特别是稽查环境 比较复杂的低压台区,是窃电的重灾区。目前,国内现有厂家提供的反窃电技术 手段,有的只针对一种或者部分窃电方式能够有效监控,还有的技术存在逻辑上 的错误,为了防范用户在计量回路窃电,强行加装第二套计量回路,用户照样可 以对第二套计量回路进行窃电,最终会出现防窃电设备反被窃电的结局;还有的 技术不考虑现有营销自动化系统发展的现状,在用户窃电行为发生时,需要加装 专用通信信道,才能将相关信息通知用电检查人员,增加了系统投资和运行的费 用。若仅靠人工技术或是经验性分析手段,效率比较缓慢,效果不太可观。因而, 需要较为精确的反窃电技术手段,从而降低不必要的管理性电能损失,以提高公司的营销效益水平。在不增加额外设备投资的情况下,从现有营销系统、用电采 集系统等海量数据分析出发,进行低压供电台区的窃电嫌疑用户数据挖掘分析, 比通过现场安装复杂的反窃电设施更经济、更高效。本发明旨在给出一种用于评 估低压台区用户用电嫌疑情况的分析方法,力求较为准确地定量分析出低压台区 各用户的窃电嫌疑水平,以提高窃电嫌疑用户锁定精度。
发明内容
本发明提供了一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法, 提高了低压供电台区窃电用户的锁定精度,降低了营销管理线损水平,从而提高 了稽查部门的工作效率。
为解决上述技术问题,本发明所采用的技术方案为:一种基于量化评估模型 窃电嫌疑分析算法的反窃电分析方法,包括以下步骤:
S1、基础数据收集:收集该低压台区本月T关口总计电量EAo及前M个月关 口总计电量EAj(表示台区本年度第T-M+j月的关口计量电量)、该台区下各用 户本月及历史月的计量电量数据euijk(表示第i个用户第k年第T-M+j月的计 量电量)、户的合同容量信息作为基础数据;
S2、基础数据状态估计:引入专家经验分析模块对基础数据序列做预处理, 剔除掉错误量测数据;对时间点计量电量数据缺失过多(同比缺失1/3以上)的 用户,跳过该用户的嫌疑分析,并输出数据取样失败的警告信息;
S3、台区线损计算:根据《DL686-1999T规范》计算出台区本月及前M个月 的理论线损水平;根据台区关口用电量及用户用电量信息,计算出台区本月及前 M个月的统计线损;
S4、采用量化评估模型窃电嫌疑分析算法,计算该台区下各用户本月的窃电 嫌疑度水平;
首先,根据步骤S3得出的线损数据,计算出台区本月及前M个月的台区线 损异常指标TEI;
其次,划分比较尺度(0,N-1),根据各用户的MxN用电量取样样本,计算 出各用户的用电量异常指标UEI;
再次,查询各用户的历史窃电记录及疑似窃电记录情况,计算出用户本月及 前M个月的用电信用水平指标UCI;
接着,采用AHP层次分析法、熵权法、变异离差法分别确定指标序列 {TEI,UEI,UCI}的权重分配,得到权重分配矩阵:
然后采用CRITIC组合权重分配方法,确定各用户的最终的权重分配关系 ωi=(ωi1 ωi2 ωi3);
最后,计算各用户在本月的窃电嫌疑度;
S5、嫌疑窃电用户锁定:统计截止本月前M个月时间窗口内,各用户的窃电 嫌疑度超阀值次数P,根据锁定规则,锁定嫌疑用户;最后按嫌疑度超阀值次数 P从高到低进行排序,输出稽查名单列表。
其中,在本实施例中,所述的台区线损异常指标TEI的计算方法是管理线损 占统计线损的比率与考核线损率的比值:
其中,Asloss为台区统计线损电量,Atloss为台区理论线损电量,ξcons为考核 线损率。
其中,在本实施例中,所述的用户用电异常指标UEI是指用户历史同比及环 比序列用电量,按约定比较规则进行比较,用于评价用电量偏离正常水平的程度; UEI指标作为用户窃电嫌疑的核心评价指标,由用电量同比变异度和用电量环比 增量变异度指标构成。
其中,在本实施例中,所述的约定比较规则是指按比较时间点序列划分比较 尺度,按时间递增方向依次增加比较尺度,从计算时间点开始,逆向比较用电量 大小,出现的首个用电量不小于比计算点用电量的时间点作为观察点j,该观察 点对应的比较尺度作为计算组的变异尺度,取值范围[0,NUM(时间序列个数)]; 若历史序列组用电量均小于计算组的用电量,则此次变异尺度取值0。
其中,在本实施例中,所述的用电量同比变异度是指:历史同期用电量序列(Ai,T-N+1 Ai,T-N+2 … Ai,T)(i为第i个用户),按约定比较规则比较,发现观 察点为j,得到的变异尺度取值Ri,j,按式(2)可计算得同比变异度取值:
上述环比增量变异度是指:计算点的历史同期用电量序列 (Ai,T-N+1 Ai,T-N+2 …Ai,T)减区前一个时间点的历史同期用电量序列 (Ai,T-1(d)-N+1 Ai,T-1(d)-N+2 … Ai,T-1(d))
得到的增量序列(ΔAi,T-N+1 ΔAi,T-N+2 … ΔAi,T),按约定比较规则比较,发 现观察点为j,得到的变异尺度取值Ri,j,按式(3)可计算得环比增量变异度取 值:
其中,在本实施例中,所述的用户用电异常指标UEI的计算方法是:用户计 算时间点的同比变异度与环比增量变异度的线性耦合值:
UEI=f(Vi,T,ΔVi,T)=a·Vi,T+(1-a)·ΔVi,T (4)
其中,0<a<1。
其中,在本实施例中,所述的用户用电信用水平指标UCI是指用户日常用电 行为中,用户正常用电的信用水平,由用户已查实的窃电记录情况以及用户历史 疑似窃电记录情况共同决定;
上述用户用电信用水平指标UCI的计算方法是用户历史已查实的窃电记录 水平与用户历史疑似窃电记录水平的线性耦合值:
其中,u为查实窃电记录个数,U为累计稽查次数;v为用户疑似窃电记录 个数,V为用户疑似窃电评估次数;b为分配系数,0<b<1。
其中,在本实施例中,所述的用户窃电嫌疑度,定义为:通过权重评价方法, 确定各项嫌疑指标权重分配关系,用户各项嫌疑指标在该权重分配关系下的加权 结果作为用户的窃电嫌疑度水平,如式(6)所示;
SUSi=ωi1×TEI+ωi2×UEIi+ωi3×(100-UCIi) (6)
其中,ωi1,ωi2,ωi3为权重分配系数。
其中,在本实施例中,所述的用户的窃电嫌疑度的计算过程为:以月嫌疑度 计算为例,取用户计算月及前M(M>3)个月计量用电量、历史同期N(N>3)个 月份的计量电量,构成M×N抽样样本;计算用户所在台区本月及前M个月的 统计线损及理论线损,得出本月的线损异常指标TEI及前M个月的线损异常指标 {TEI}序列;根据抽样样本计算用户本月的用电异常指标UEI及前M个月的用电 异常指标{UEI}序列;计算用户的本月用电信用水平指标UCI及前M个月的用电 信用水平{UCI}序列;由{TEI}、{UEI}、{UCI}构成前M个月的指标矩阵,采用权 重分配方法,得出权重分配系数ωTEI,ωUEI,ωUCI;根据式(6)计算出用户本月窃电嫌疑度。
其中,在本实施例中,所述的嫌疑用户锁定规则包括:(1)对于中小容量低 压用户,观察周期内,其嫌疑度超过半数(含)以上,则被锁定;(2)对于大容 量的用户,其嫌疑度超过阀值次数累计超过1次(含),则被锁定。
本申请实施例中提供的一个或多个技术方案,至少具有如下技术效果或优 点:
提高了低压供电台区窃电用户的锁定精度,降低了营销管理线损水平,从而 提高了稽查部门的工作效率。
附图说明
为了更清楚地说明发明实施例或现有技术中的技术方案,下面将对实施例或 现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附 图仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳 动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例的流程图。
图2是本申请实施例的量化评估模型指标体系构成图;
图3是本申请实施例的比较约定规则示意图。
具体实施方式
本发明提供了一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法, 提高了低压供电台区窃电用户的锁定精度,降低了营销管理线损水平,从而提高 了稽查部门的工作效率。
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式 对上述技术方案进行详细的说明。
如图1、图2所示,本申请实施例所述的一种量化评估模型窃电嫌疑分析方 法,以及基于这种方法的量化评估模型窃电嫌疑分析算法的低压供电台区窃电嫌 疑用户的锁定方法。
上述量化评估模型窃电嫌疑分析方法为:提出一套能够直接或间接反映用户 窃电特征和窃电倾向的指标体系,对体系内的各项指标加以量化计算,结合现有 成熟的权重评价方法,对各指标样本进行加权求和,最终得到用户的窃电嫌疑度 指标,该指标能够综合反映用户在一定时期内的窃电嫌疑水平;
上述指标体系包括:反映台区线损水平的台区线损异常指标TEI、反映用户 用电量异常水平的用户用电异常指标UEI、反映用户用电行为信用记录的用户用 电信用水平指标UCI;各指标按月、天或者自定义周期计算;
上述台区线损异常指标TEI是指:某一低压台区日常用电中,其管理线损水 平相对于考核线损水平的偏差程度,台区线损水平越大,指标取值越大;TEI指 标作为评价台区线损严重程度的核心指标;
上述考核线损水平可以按正常台区实际线损水平的平均水平进行估算;正常 台区是指窃电查实率较低、统计线损处于正常水平的台区;
上述台区线损异常指标TEI的计算方法是:管理线损占统计线损的比率与考 核线损率的比值:
其中,Asloss为台区统计线损电量,Atloss为台区理论线损电量,ξcons为考核 线损率;
上述台区统计线损电量的计算方法是:由台区在指定时间内的关口计量电量 减去台区下所有用户的抄见计量电量的总和所得到的差值;
上述台区理论线损电量包括:台变线损电量(高计表需要)和低压供电网络 线损电量;低压台区台变线损电量一般采用基于配变容量或电量的等值电阻法来 计算(参见DL686-1999T规范);低压供电网络线损电量,可以采用基于用户用 电量或报装容量的等值电阻法或者竹节法(一种工程上线损电量近似计算方法) 进行计算;
上述用户用电异常指标UEI是指:用户历史同比及环比序列用电量,按约定 比较规则进行比较,用于评价用电量偏离正常水平的程度;UEI指标作为用户窃 电嫌疑的核心评价指标,由用电量同比变异度和用电量环比增量变异度指标构 成;
上述约定比较规则是指:按比较时间点序列划分比较尺度,按时间递增方向 依次增加比较尺度,从计算时间点开始,逆向比较用电量大小,出现的首个用电 量不小于比计算点用电量的时间点作为观察点j,该观察点对应的比较尺度作为 计算组的变异尺度,取值范围[0,NUM(时间序列个数)];约定规则如图3所示; 若历史序列组用电量均小于计算组的用电量,则此次变异尺度取值0;
上述用电量同比变异度是指:历史同期用电量序列 (Ai,T-N+1 Ai,T-N+2 … Ai,T)(i为第i个用户),按约定比较规则比较,发现观 察点为j,得到的变异尺度取值Ri,j,按式(2)可计算得同比变异度取值:
上述环比增量变异度是指:计算点的历史同期用电量序列 (Ai,T-N+1 Ai,T-N+2 …Ai,T)减区前一个时间点的历史同期用电量序列 (Ai,T-1(d)-N+1 Ai,T-1(d)-N+2 … Ai,T-1(d))得到的增量序列 (ΔAi,T-N+1ΔAi,T-N+2 … ΔAi,T),按约定比较规则比较,发现观察点为j,得到的变异尺度取值Ri,j,按式(3)可计算得环比增量变异度取值:
上述用户用电异常指标UEI的计算方法是:用户计算时间点的同比变异度与 环比增量变异度的线性耦合值:
UEI=f(Vi,T,ΔVi,T)=a·Vi,T+(1-a)·ΔVi,T (4)
其中,0<a<1;
上述用户用电信用水平指标UCI是指:用户日常用电行为中,用户正常用电 的信用水平,由用户已查实的窃电记录情况以及用户历史疑似窃电记录情况共同 决定;
上述用户用电信用水平指标UCI的计算方法是:用户历史已查实的窃电记录 水平与用户历史疑似窃电记录水平的线性耦合值:
其中,u为查实窃电记录个数,U为累计稽查次数;v为用户疑似窃电记录 个数,V为用户疑似窃电评估次数;b为分配系数,0<b<1;
上述权重评价方法包括:主观赋权法、客观赋法和组合赋权法;主观赋权法 包括:AHP层次模型、二项式系数法,以及等等;客观赋权法包括:变异离差法、 熵权判别法等等;组合赋权法包括:灰色关联度法、CRITIC法等等;
上述用户窃电嫌疑度,定义为:通过权重评价方法,确定各项嫌疑指标权重 分配关系,用户各项嫌疑指标在该权重分配关系下的加权结果作为用户的窃电嫌 疑度水平,如式(6)所示;
SUSi=ωi1×TEI+ωi2×UEIi+ωi3×(100-UCIi) (6)
其中,ωi1,ωi2,ωi3为权重分配系数;
上述用户的窃电嫌疑度的计算过程为:以月嫌疑度计算为例,取用户计算月 及前M(M>3)个月计量用电量、历史同期N(N>3)个月份的计量电量,构成M×N 抽样样本;计算用户所在台区本月及前M个月的统计线损及理论线损,得出本月 的线损异常指标TEI及前M个月的线损异常指标{TEI}序列;根据抽样样本计算 用户本月的用电异常指标UEI及前M个月的用电异常指标{UEI}序列;计算用户 的本月用电信用水平指标UCI及前M个月的用电信用水平{UCI}序列;由{TEI}、 {UEI}、{UCI}构成前M个月的指标矩阵,采用权重分配方法,得出权重分配系数 ωTEI,ωUEI,ωUCI;根据式(6)计算出用户本月窃电嫌疑度;
上述基于量化评估模型窃电嫌疑分析算法的低压用户嫌疑锁定过程为:以月 度窃电嫌疑分析为例,按台区进行用户用电量样本取样,台区下各用户取M×N 个电量数据;各用户样本校验;计算台区本月及前M个月统计线损及理论线损; 计算各用户的嫌疑度水平;输入嫌疑用户锁定规则,输出本月内已锁定的窃电嫌 疑用户列表;
上述嫌疑用户锁定规则包括:(1)对于中小容量低压用户,观察周期内, 其嫌疑度超过半数(含)以上,则被锁定;(2)对于大容量的用户,其嫌疑度 超过阀值次数累计超过1次(含),则被锁定;
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本 创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意 欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明 的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等 同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法,其特征在于,包括以下步骤:
S1、基础数据收集:收集该低压台区本月T关口总计电量EAo及前M个月关口总计电量EAj(表示台区本年度第T-M+j月的关口计量电量)、该台区下各用户本月及历史月的计量电量数据euijk(表示第i个用户第k年第T-M+j月的计量电量)、户的合同容量信息作为基础数据;
S2、基础数据状态估计:引入专家经验分析模块对基础数据序列做预处理,剔除掉错误量测数据;对时间点计量电量数据缺失过多(同比缺失1/3以上)的用户,跳过该用户的嫌疑分析,并输出数据取样失败的警告信息;
S3、台区线损计算:根据《DL686-1999T规范》计算出台区本月及前M个月的理论线损水平;根据台区关口用电量及用户用电量信息,计算出台区本月及前M个月的统计线损;
S4、采用量化评估模型窃电嫌疑分析算法,计算该台区下各用户本月的窃电嫌疑度水平;
首先,根据步骤S3得出的线损数据,计算出台区本月及前M个月的台区线损异常指标TEI;
其次,划分比较尺度(0,N-1),根据各用户的MxN用电量取样样本,计算出各用户的用电量异常指标UEI;
再次,查询各用户的历史窃电记录及疑似窃电记录情况,计算出用户本月及前M个月的用电信用水平指标UCI;
接着,采用AHP层次分析法、熵权法、变异离差法分别确定指标序列{TEI,UEI,UCI}的权重分配,得到权重分配矩阵:
然后采用CRITIC组合权重分配方法,确定各用户的最终的权重分配关系ωi=(ωi1ωi2 ωi3);
最后,计算各用户在本月的窃电嫌疑度;
S5、嫌疑窃电用户锁定:统计截止本月前M个月时间窗口内,各用户的窃电嫌疑度超阀值次数P,根据锁定规则,锁定嫌疑用户;最后按嫌疑度超阀值次数P从高到低进行排序,输出稽查名单列表。
2.根据权利要求1所述的一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法,其特征在于,所述的台区线损异常指标TEI的计算方法是管理线损占统计线损的比率与考核线损率的比值:
其中,Asloss为台区统计线损电量,Atloss为台区理论线损电量,ξcons为考核线损率。
3.根据权利要求1所述的一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法,其特征在于,所述的用户用电异常指标UEI是指用户历史同比及环比序列用电量,按约定比较规则进行比较,用于评价用电量偏离正常水平的程度;UEI指标作为用户窃电嫌疑的核心评价指标,由用电量同比变异度和用电量环比增量变异度指标构成。
4.根据权利要求2所述的一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法,其特征在于,所述的约定比较规则是指按比较时间点序列划分比较尺度,按时间递增方向依次增加比较尺度,从计算时间点开始,逆向比较用电量大小,出现的首个用电量不小于比计算点用电量的时间点作为观察点j,该观察点对应的比较尺度作为计算组的变异尺度,取值范围[0,NUM(时间序列个数)];若历史序列组用电量均小于计算组的用电量,则此次变异尺度取值0。
5.根据权利要求2所述的一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法,其特征在于,所述的用电量同比变异度是指:历史同期用电量序列(Ai,T-N+1 Ai,T-N+2 …Ai,T)(i为第i个用户),按约定比较规则比较,发现观察点为j,得到的变异尺度取值Ri,j,按式(2)可计算得同比变异度取值:
上述环比增量变异度是指:计算点的历史同期用电量序列(Ai,T-N+1 Ai,T-N+2 … Ai,T)减区前一个时间点的历史同期用电量序列(Ai,T-1(d)-N+1 Ai,T-1(d)-N+2 … Ai,T-1(d))
得到的增量序列(ΔAi,T-N+1 ΔAi,T-N+2 … ΔAi,T),按约定比较规则比较,发现观察点为j,得到的变异尺度取值Ri,j,按式(3)可计算得环比增量变异度取值:
6.根据权利要求1所述的一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法,其特征在于,所述的用户用电异常指标UEI的计算方法是:用户计算时间点的同比变异度与环比增量变异度的线性耦合值:
UEI=f(Vi,T,ΔVi,T)=a·Vi,T+(1-a)·ΔVi,T (4)
其中,0<a<1。
7.根据权利要求1所述的一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法,其特征在于,所述的用户用电信用水平指标UCI是指用户日常用电行为中,用户正常用电的信用水平,由用户已查实的窃电记录情况以及用户历史疑似窃电记录情况共同决定;
上述用户用电信用水平指标UCI的计算方法是用户历史已查实的窃电记录水平与用户历史疑似窃电记录水平的线性耦合值:
其中,u为查实窃电记录个数,U为累计稽查次数;v为用户疑似窃电记录个数,V为用户疑似窃电评估次数;b为分配系数,0<b<1。
8.根据权利要求1所述的一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法,其特征在于,所述的用户窃电嫌疑度,定义为:通过权重评价方法,确定各项嫌疑指标权重分配关系,用户各项嫌疑指标在该权重分配关系下的加权结果作为用户的窃电嫌疑度水平,如式(6)所示;
SUSi=ωi1×TEI+ωi2×UEIi+ωi3×(100-UCIi) (6)
其中,ωi1,ωi2,ωi3为权重分配系数。
9.根据权利要求7所述的一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法,其特征在于,所述的用户的窃电嫌疑度的计算过程为:以月嫌疑度计算为例,取用户计算月及前M(M>3)个月计量用电量、历史同期N(N>3)个月份的计量电量,构成M×N抽样样本;计算用户所在台区本月及前M个月的统计线损及理论线损,得出本月的线损异常指标TEI及前M个月的线损异常指标{TEI}序列;根据抽样样本计算用户本月的用电异常指标UEI及前M个月的用电异常指标{UEI}序列;计算用户的本月用电信用水平指标UCI及前M个月的用电信用水平{UCI}序列;由{TEI}、{UEI}、{UCI}构成前M个月的指标矩阵,采用权重分配方法,得出权重分配系数ωTEI,ωUEI,ωUCI;根据式(6)计算出用户本月窃电嫌疑度。
10.根据权利要求1所述的一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法,其特征在于,所述的嫌疑用户锁定规则包括:(1)对于中小容量低压用户,观察周期内,其嫌疑度超过半数(含)以上,则被锁定;(2)对于大容量的用户,其嫌疑度超过阀值次数累计超过1次(含),则被锁定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710369834.3A CN107221927A (zh) | 2017-05-23 | 2017-05-23 | 一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710369834.3A CN107221927A (zh) | 2017-05-23 | 2017-05-23 | 一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107221927A true CN107221927A (zh) | 2017-09-29 |
Family
ID=59945386
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710369834.3A Pending CN107221927A (zh) | 2017-05-23 | 2017-05-23 | 一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107221927A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN109213787A (zh) * | 2018-11-07 | 2019-01-15 | 闫福录 | 一种集成特征库的防窃电算法芯片及防窃电方法 |
CN109270372A (zh) * | 2018-09-14 | 2019-01-25 | 美林数据技术股份有限公司 | 一种基于线损和用户用电量变化关系的窃电识别系统及方法 |
CN109737308A (zh) * | 2018-12-26 | 2019-05-10 | 成都熊谷油气科技有限公司 | 基于lbs和大数据的油气管道打孔盗油监视分析方法 |
CN109917184A (zh) * | 2019-02-22 | 2019-06-21 | 国电南瑞南京控制系统有限公司 | 一种窃电检测方法及系统 |
CN110045165A (zh) * | 2018-01-15 | 2019-07-23 | 国网江苏省电力公司常州供电公司 | 反专变用户连续型窃电方法 |
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 |
CN110045196A (zh) * | 2018-01-15 | 2019-07-23 | 国网江苏省电力公司常州供电公司 | 高压供电线路管理线损排查方法 |
CN111062620A (zh) * | 2019-12-19 | 2020-04-24 | 烟台海颐软件股份有限公司 | 基于混合计费数据的电力计费公平性智能分析系统及方法 |
CN111141950A (zh) * | 2019-12-03 | 2020-05-12 | 深圳供电局有限公司 | 一种计量自动化系统电表分时表码异常判断与修复方法 |
CN111915189A (zh) * | 2020-08-01 | 2020-11-10 | 青岛鼎信通讯股份有限公司 | 一种基于四分位方法的窃电行为检测方法 |
CN112816774A (zh) * | 2020-12-15 | 2021-05-18 | 国网宁夏电力有限公司营销服务中心(国网宁夏电力有限公司计量中心) | 一种基于大数据的窃电排查方法 |
CN113642641A (zh) * | 2021-08-13 | 2021-11-12 | 北京中电普华信息技术有限公司 | 应用于电费追缴工单的数据处理方法及装置 |
CN113919853A (zh) * | 2021-10-18 | 2022-01-11 | 浙江大学 | 一种基于边端融合的低压用户窃电识别方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106066423A (zh) * | 2016-05-25 | 2016-11-02 | 上海博英信息科技有限公司 | 一种基于损耗分配嫌疑分析的反窃电分析方法 |
-
2017
- 2017-05-23 CN CN201710369834.3A patent/CN107221927A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106066423A (zh) * | 2016-05-25 | 2016-11-02 | 上海博英信息科技有限公司 | 一种基于损耗分配嫌疑分析的反窃电分析方法 |
Non-Patent Citations (1)
Title |
---|
TSE19: "一种基于量化评估模型窃电嫌疑分析方法的反窃电分析方法", 《百度文库》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108198408B (zh) * | 2017-12-08 | 2020-06-26 | 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 |
CN110045165A (zh) * | 2018-01-15 | 2019-07-23 | 国网江苏省电力公司常州供电公司 | 反专变用户连续型窃电方法 |
CN110045196B (zh) * | 2018-01-15 | 2020-12-22 | 国网江苏省电力公司常州供电公司 | 高压供电线路管理线损排查方法 |
CN110045165B (zh) * | 2018-01-15 | 2021-03-30 | 国网江苏省电力公司常州供电公司 | 反专变用户连续型窃电方法 |
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 |
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 |
CN110045196A (zh) * | 2018-01-15 | 2019-07-23 | 国网江苏省电力公司常州供电公司 | 高压供电线路管理线损排查方法 |
CN109270372A (zh) * | 2018-09-14 | 2019-01-25 | 美林数据技术股份有限公司 | 一种基于线损和用户用电量变化关系的窃电识别系统及方法 |
CN109213787A (zh) * | 2018-11-07 | 2019-01-15 | 闫福录 | 一种集成特征库的防窃电算法芯片及防窃电方法 |
CN109213787B (zh) * | 2018-11-07 | 2022-03-08 | 闫福录 | 一种集成特征库的防窃电算法芯片及防窃电方法 |
CN109737308A (zh) * | 2018-12-26 | 2019-05-10 | 成都熊谷油气科技有限公司 | 基于lbs和大数据的油气管道打孔盗油监视分析方法 |
CN109917184A (zh) * | 2019-02-22 | 2019-06-21 | 国电南瑞南京控制系统有限公司 | 一种窃电检测方法及系统 |
CN111141950A (zh) * | 2019-12-03 | 2020-05-12 | 深圳供电局有限公司 | 一种计量自动化系统电表分时表码异常判断与修复方法 |
CN111062620A (zh) * | 2019-12-19 | 2020-04-24 | 烟台海颐软件股份有限公司 | 基于混合计费数据的电力计费公平性智能分析系统及方法 |
CN111062620B (zh) * | 2019-12-19 | 2022-07-29 | 烟台海颐软件股份有限公司 | 基于混合计费数据的电力计费公平性智能分析系统及方法 |
CN111915189A (zh) * | 2020-08-01 | 2020-11-10 | 青岛鼎信通讯股份有限公司 | 一种基于四分位方法的窃电行为检测方法 |
CN112816774A (zh) * | 2020-12-15 | 2021-05-18 | 国网宁夏电力有限公司营销服务中心(国网宁夏电力有限公司计量中心) | 一种基于大数据的窃电排查方法 |
CN113642641A (zh) * | 2021-08-13 | 2021-11-12 | 北京中电普华信息技术有限公司 | 应用于电费追缴工单的数据处理方法及装置 |
CN113642641B (zh) * | 2021-08-13 | 2024-03-05 | 北京中电普华信息技术有限公司 | 应用于电费追缴工单的数据处理方法及装置 |
CN113919853A (zh) * | 2021-10-18 | 2022-01-11 | 浙江大学 | 一种基于边端融合的低压用户窃电识别方法 |
CN113919853B (zh) * | 2021-10-18 | 2022-07-15 | 浙江大学 | 一种基于边端融合的低压用户窃电识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107221927A (zh) | 一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法 | |
Amjady | Short-term bus load forecasting of power systems by a new hybrid method | |
CN102866321B (zh) | 一种自适应的防窃漏电诊断方法 | |
CN105847598B (zh) | 呼叫中心多因子话务预测方法 | |
CN110222991B (zh) | 基于rf-gbdt的计量装置故障诊断方法 | |
CN103678766B (zh) | 一种基于pso算法的异常用电客户检测方法 | |
Rashid | AMI smart meter big data analytics for time series of electricity consumption | |
EP1309062A2 (en) | Apparatus and method for determining days of the week with similar utility consumption profiles | |
CN106651169A (zh) | 基于模糊综合评价的配电自动化终端状态评价方法及系统 | |
CN110322371A (zh) | 基于多元线性回归分析的高损台区用电异常用户检测定位方法 | |
Gerbec et al. | An approach to customers daily load profile determination | |
CN106066423A (zh) | 一种基于损耗分配嫌疑分析的反窃电分析方法 | |
CN110555624A (zh) | 一种考虑指标关联的电网调度运行综合评估方法 | |
CN114862139A (zh) | 一种基于数据驱动的台区线损率异常诊断方法 | |
CN107153985A (zh) | 一种用户侧能源数据的挖掘与分析方法 | |
CN106600146A (zh) | 一种电费回收风险评价方法和装置 | |
CN110533291B (zh) | 一种基于风险评估的中压配电网薄弱环节辨识方法 | |
Rathod et al. | Design of electricity tariff plans using gap statistic for K-means clustering based on consumers monthly electricity consumption data | |
CN113466520A (zh) | 一种在线识别失准电能表的方法 | |
CN110070256B (zh) | 基于critic方法的零电量用户排查优先度权重计算方法 | |
CN117277435A (zh) | 一种光伏逆变器的健康评估方法、系统及装置 | |
Zhang et al. | Forecasting Residential Energy Consumption Using Support Vector Regressions | |
Priolkar et al. | Analysis of consumer baseline for demand response implementation: A case study | |
Wu et al. | Survey on negative line loss rate of transformer region: rectification measures and challenges | |
CN114779154A (zh) | 一种基于时态分析的智能电表数据时标校准方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170929 |
|
WD01 | Invention patent application deemed withdrawn after publication |