CN108256559B - 一种基于局部离群点因子的低压窃电用户定位方法 - Google Patents

Abstract

本发明涉及低压台区防窃电技术领域，提出了一种基于局部离群点因子的低压窃电用户定位方法。首先，基于影响台区线损的特征属性搜寻与监测台区最相似的k个台区，即k个最近邻台区；接着，基于k个最近邻台区的线损率分析监测台区线损率是否异常；如果监测台区某段时间线损率异常则计算该监测台区所有用户该段时间负荷曲线之间的离散Fréchet距离；最后，基于用户负荷曲线之间Fréchet距离计算该监测台区每个用户负荷曲线的局部离群点因子，局部离群点因子越大的用户窃电概率越大。该方法输出线损率异常的监测台区所有用户窃电概率的排序，只需要检测排序靠前的用户即可检测出大部分窃电用户，大大提高了反窃电工作效率。

Description

一种基于局部离群点因子的低压窃电用户定位方法

技术领域

本发明涉及低压台区防窃电技术领域，尤其涉及一种基于局部离 群点因子的低压窃电用户定位方法。

技术背景

随着社会经济发展和居民生活水平提高，用户用电需求不断增强， 用电开支越来越高，窃电现象时有发生，屡查不绝。窃电行为不仅破 坏了电力市场的经济秩序和公平性，还会影响电网安全稳定运行。近 年来，随着智能电表和用电信息采集系统的全面推广应用，积累了海 量的用户用电数据，如何利用这些数据进行更加高效地窃电检测，具 有重要的现实意义。

专利公开号为CN201410041012.9的发明专利，公开了基于负荷 曲线的防窃电及用电监察方法，所述方法包括：首先划分电能表的若 干种工作状态，再利用电子式电能表所记载的负荷曲线，对这些负荷 曲线进行工作状态异常种类的标识，形成负荷曲线标识表，通过对该 负荷曲线标识表中存在用电异常的各种状态的分布分析，判定多种窃 电方式。该方法不足之处在于电能表电压、电流异常阀值比较敏感， 通常情况很难设定。

专利公开号为CN201511010522.0的发明专利，公开了一种用于 中低压混合配电网的窃电检测的控制方法及系统，所述方法包括：在 选定的中低压混合配电网络中设置一包括n个待检节点的集合M并 选择待检节点M_i，量测并获取中低压混合配电网络的电力指标值， 设定量测值的权重，对中低压混合配电网络进行状态估计计算，得到 M_i的有功负荷估计值；将M_i的有功负荷估计值与实际量测值进行比 较，判断若有功负荷估计值减去实际量测值的绝对值大于等于预设检 测阈值，则判定M_i存在窃电行为；在集合M中选择另一个M_j，重 复以上操作过程，直至完成对集合M中所有M_j判定是否存在窃电行 为后停止流程。该方法不足之处在于对台区拓扑结构和设备阻抗参数 准确性要求较高，现阶段低压台区的管理状况参差不齐、线路分布复 杂多样，很难推广应用。

发明内容

为了解决上述技术问题，本发明提出了一种基于局部离群点因子 的低压窃电用户定位方法，可有效提高反窃电工作效率，从而有效解 决了低压台区反窃电工作效率低下、成本高等技术问题。

本发明采用了以下技术方案：

一种基于局部离群点因子的低压窃电用户定位方法，包括如下步 骤：

步骤1：确定影响台区线损的属性特征；基于所述属性特征搜寻 与监测台区最相似的k个台区，即k个最近邻台区，其中，k为预设 值；

步骤2：对所述监测台区以及所述k个最近邻台区的线损率进行 实时监测，并基于所述k个最近邻台区的所述线损率判断所述监测台 区的所述线损率是否异常；

步骤3：当所述监测台区某段时间的线损率正常时，返回至所述 步骤2；

步骤4：当所述监测台区某段时间的线损率异常时，计算所述监 测台区内所有用户该段时间负荷曲线之间的离散Fréchet距离；

步骤5：基于所述用户负荷曲线之间的离散Fréchet距离计算所 述监测台区内所有用户负荷曲线的局部离群点因子；

步骤6：根据所述用户负荷曲线的局部离群点因子的大小对所述 监测台区所有用户作排序处理，进而判断所述用户窃电的概率；并返 回至所述步骤2。

优选的，在本发明中，在所述步骤1中，影响台区线损的属性特 征包括供电半径、低压线路总长度、负载率、居民用电比例、户均用 电量；

其中，所述供电半径X₁(m)，所述X₁为所述台区最远负荷点距离 供电变压器的线路距离；

所述低压线路总长度X₂(m)，所述X₂为所述台区中所有低压线路 长度之和；

所述负载率X₃(％)，所述X₃为所述台区供电量与供电变压器容量 的比率；

所述居民用电比例X₄(％)，所述X₄为所述台区居民用户的用电量 与台区供电量的比率；

所述户均用电量X₅(KW·H)，所述X₅为所述台区的所述用户的平 均用电量。

优选的，在本发明中，在所述步骤1中，基于所述属性特征搜寻 与监测台区最相似的k个台区，采用欧几里得距离度量，并对所述欧 几里得距离进行从小到大排序，从而确定所述k个最近邻台区；此时， 所述k个最近邻台区的影响线损的属性特征与所述监测台区的影响 线损的属性特征最接近。

优选的，在本发明中，所述欧几里得距离定义为：

其中，T_o＝(X_o1,X_o2,...,X_o5)为所述监测台区影响线损的属性特 征向量，T_j＝(X_j1,X_j2,...,X_j5)为所述监测台区所在地区的其它台区影 响线损的属性特征向量，j＝1,2,…,m，m为所述监测台区所在地区 的其它台区数量。

优选的，在本发明中，在计算所述欧几里得距离之前，需对每一 个所述影响线损的属性特征值v进行规范化，所述规范化计算公式为：

其中，v表示为所述影响线损的属性特征向量T中的每一项特征 属性值，v′表示为所述特征属性值v进行规范化后的特征属性值，v_min表示同一所述影响线损的特征属性值的最小值，v_max表示同一所述影 响线损的特征属性值的最大值。

优选的，在本发明中，在所述步骤2中，

所述监测台区以及它的k个最近邻台区的所述线损率计算公式 如下：

当所述监测台区的所述线损率超出所述k个最近邻台区的所述 线损率均值的10％时，判定所述监测台区所述线损率异常。

优选的，在本发明中，所述步骤6中，

根据所述用户负荷曲线的局部离群点因子的大小对所述监测台 区所有用户作降序处理，用户负荷曲线的局部离群点因子值大于1的 用户窃电概率大，而且局部离群点因子值越大的用户窃电的概率越大。

本发明的有益效果是：

本发明所提出的方法输出线损率异常台区所有用户窃电概率排 序，只需要检测排序靠前用户即可检测出大部分窃电用户，大大提高 了反窃电工作效率，从而有效解决了低压台区反窃电工作效率低下、 成本高等技术问题。

附图说明

图1为本发明一实施例的台区用户负荷曲线相似性分布；

图2为本发明一实施例的流程图；

图3为本发明一实施例的局部离群点因子示意图；

图4为本发明一具体实施例的监测台区及其最近邻台区线损率；

图5为本发明一具体实施例的监测台区部分用户负荷曲线

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结 合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整 地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全 部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所 获得的所有其他实施例，都属于本发明保护的范围。

同一台区下相同类型用户(例如城镇居民生活用电)负荷曲线波 动通常情况比较相似；不同类型用户(例如商业用电、城镇居民生活 用电)负荷曲线通常情况下差异比较明显。如何有效度量某个用户的 负荷曲线与同类型其它用户负荷曲线之间的差异，成为准确定位窃电 用户关键。某台区用户负荷曲线相似性分布如图1所示，其中各对象 之间距离代表它们负荷曲线相似性大小，距离越大两个用户负荷曲线 相似性越低。C₁和C₂是两种不同类型用户簇，U₁和U₂是两个窃电用 户。从图可以看出，C₁和C₂簇内用户负荷曲线差异较小，不同簇用 户负荷曲线差异明显；U₁、U₂两个用户负荷曲线与C₁、C₂两个簇用 户负荷曲线差异都比较大。该台区窃电用户定位问题，主要是从该台 区所有用户中准确地识别出U₁、U₂两个用户，本质上是一种局部离 群点检测问题。数据分析挖掘领域中基于距离(相似性)度量的局部 离群点检测技术可以很好地解决低压台区窃电用户定位问题。

图2为本发明一实施例的流程图，具体方法流程如下：

一种基于局部离群点因子的低压窃电用户定位方法，包括如下步 骤：

步骤1：确定影响台区线损的属性特征；基于所述属性特征搜寻 与监测台区最相似的k个台区，即k个最近邻台区，其中，k为预设 值；

所述影响台区线损的属性特征包括供电半径、低压线路总长度、 负载率、居民用电比例、户均用电量；

其中，所述供电半径X₁(m)，所述X₁为所述台区最远负荷点距离 供电变压器的线路距离；

所述低压线路总长度X₂(m)，所述X₂为所述台区中所有低压线路 长度之和；

所述负载率X₃(％)，所述X₃为所述台区供电量与供电变压器容量 的比率；

所述居民用电比例X₄(％)，所述X₄为所述台区居民用户的用电量 与台区供电量的比率；

所述户均用电量X₅(KW·H)，所述X₅为所述台区的所述用户的平 均用电量。

所述基于所述属性特征搜寻与监测台区最相似的k个台区，采用 欧几里得距离度量，并对所述欧几里得距离进行从小到大排序，从而 确定所述k个最近邻台区；此时，所述k个最近邻台区的影响线损的 属性特征与所述监测台区的影响线损的属性特征最接近。

所述欧几里得距离定义为：

其中，T_o＝(X_o1,X_o2,...,X_o5)为所述监测台区影响线损的属性特 征向量，T_j＝(X_j1,X_j2,...,X_j5)为所述监测台区所在地区的其它台区影 响线损的属性特征向量，j＝1,2,…,m，m为所述监测台区所在地区 的其它台区数量。

在计算所述欧几里得距离之前，需要对每一个所述影响线损的属 性特征值v进行规范化，所述规范化计算公式为：

其中，v表示为所述影响线损的属性特征向量T中的每一项特征 属性值，v′表示为所述特征属性值v进行规范化后的特征属性值，v_min表示同一所述影响线损的特征属性值的最小值，v_max表示同一所述影 响线损的特征属性值的最大值。

步骤2：对所述监测台区以及它的k个最近邻台区的线损率进行 实时监测，并基于所述k个最近邻台区的线损率判断所述监测台区的 线损率是否异常；

所述监测台区以及它的k个最近邻台区的所述线损率计算公式 如下：

当所述监测台区的所述线损率超出所述k个最近邻台区的所述 线损率均值的10％时，判定所述监测台区所述线损率异常。

步骤3：当所述监测台区某段时间的线损率正常时，返回至所述 步骤2；

步骤4：当所述监测台区某段时间的线损率异常时，计算所述监 测台区内所有用户该段时间负荷曲线之间的离散Fréchet距离；

所述离散Fréchet距离是一种曲线关键特征至高点相似性度量方 法，它的具体定义如下：

(1)给定一个有n个至高点的多边形链P＝＜p₁,p₂,...,p_n＞，一 个沿着P的k步(k-walk)，分割P的至高点成为k个不相交的非空子 集{P_i}_i＝₁,...,_k，使得

和0＝n₀＜n₁＜...＜n_k＝n。

(2)给定两个多边形链A＝＜a₁,...,a_m＞，B＝＜b₁,...,b_n＞，一个沿着A 和B的组合步(paired work)是一个沿着A的k步{A_i}_i＝1,...,k和一个沿着B 的k步{B_i}_i＝1,...,k组成，使得对于1≤i≤k，要么|A_i|＝1,要么|B_i|＝1(即A_i， B_i中有一个恰好包含一个至高点)。

(3)一个沿着链A和B的组合步W＝{(A_i,B_i)}的花费(cost)就是

则链A和B间的离散Fréchet距离为

这个组合步称为链A和B之间的Fréchet排列。

但是，离散Fréchet距离只反映了两条曲线至高点(波峰点)之 间距离，判别两条负荷曲线之间的相似性还不够全面，还需要考虑它 们至低点(波谷点)之间的距离。

设A＝＜a₁,a₂,...,a_m＞，B＝＜b₁,b₂,...,b_n＞为两条由离散点组成的负 荷曲线，

为它们波峰点之间的离散Fréchet距离，

为 它们波谷点之间的离散Fréchet距离，则定义两条负荷曲线之间的离 散Fréchet距离为

具体的在所述步骤4中，包括以下步骤：

步骤41：从用电信息采集系统中提取所述监测台区所有用户该 段时间的用电数据，并将所述每一个用户用电数据转化为{(i,p_i)}_i＝1,...,n， 其中p_i表示所述用户的第i个时间间隔的用电量，每个时间间隔相同， n为该段时间包含的时间间隔数量。

步骤42：找出每一个用户负荷曲线的至高点集合和至低点集合； 如果一个时间间隔的用电量比前一个时间间隔的用电量大同时还比 后一个时间间隔的用电量大，就称它为一个至高点；如果一个时间间 隔的用电量比前一个时间间隔的用电量小同时还比后一个时间间隔 的用电量小，就称它为一个至低点；

步骤43：根据所述负荷曲线离散Fréchet距离的定义计算所述用 户负荷曲线之间的所述离散Fréchet距离。

步骤5：基于所述用户负荷曲线之间离散Fréchet距离计算所述 监测台区的所述用户负荷曲线的局部离群点因子。

所述局部离群点因子定义如下：

定义1：对象o的k-距离dist_k(o):在给定对象集D中，对象o与 另一个对象p∈D之间的距离dist(o,p)，满足：

(1)至少存在k个对象o′∈D-{o}，满足dist(o,o′)≤dist(o,p)；

(2)至少存在k-1个对象o′∈D-{o}，满足dist(o,o′)＜dist(o,p)。

即dist_k(o)是o与其第k个最近邻之间的距离；

定义2：对象o的k-距离邻域N_k(o)：在给定对象集D中，到对 象o的距离不超过dist_k(o)的所有对象集合： N_k(o)＝{o′|o′∈D，dist(o，o′)≤dist_k(o)}，其中N_k(o)中的对象可能 超过k个；

定义3：从对象o到对象o′的可达距离reachdist_k(o′←o)： reachdist_k(o′←o)＝max{dist_k(o′),dist(o,o′)}，且 reachdist_k(o′←o)≠reachdist_k(o←o′)。

定义4：对象o的局部可达密度lrd_k(o)：对象o与它的N_k(o)对象 的平均可达距离的倒数：

其中，|N_k(o)|为N_k(o)对象的数量；

定义5：对象o的局部离群点因子LOF_k(o)：

可得出，对象o局部离群点因子是它的k-距离邻域对象的局部可 达密度与它本身的局部可达密度之比的平均值。如图3所示，如果对 象o的离群程度较高，并且o的k-距离邻域对象离群程度较低，则对 象o的相对密度较低。对象o的离群程度越高，它的局部可达密度越 低；对象o的k-距离邻域对象离群度越低，他们的局部可达密度越高， 对象o的局部离群点因子越大。换言之，对象o的相对密度较低， LOF_k(o)越高。局部离群点因子恰好捕获了对象o与其k-距离邻域对 象的相对密度，局部离群点的相对密度较低。

局部离群点因子具有很好的性质。首先，对于一个深藏在一致簇 内部对象，如图簇中心的那些点，局部离群点因子接近于1。这一性 质确保，无论簇是稠密的还是稀疏的，簇内的对象永远不会标记为离 群点。

具体的在所述步骤5中，采用所述用户负荷曲线之间的所述离散 Fréchet距离作为用户负荷曲线之间的距离(相似性)度量，根据所 述局部离群点因子的定义计算所述监测台区每个用户负荷曲线的局 部离群点因子。

步骤6：根据所述用户负荷曲线的局部离群点因子的大小对所述 监测台区所有用户作排序处理，进而判断所述用户窃电的概率；并返 回至所述步骤2。

根据所述用户负荷曲线的局部离群点因子的大小对所述监测台 区所有用户作降序处理，用户负荷曲线的局部离群点因子值大于1的 用户窃电概率较大，而且局部离群点因子值越大的用户窃电的概率越 大。

本发明一具体实施例

步骤S1：从电网公司生产管理系统、营销业务系统提取影响台 区线损的属性特征，包括供电半径、低压线路总长度、负载率、居民 用电比例、户均用电量。基于所述影响台区线损的属性特征，采用欧 几里得距离搜寻所述监测台区的k个最近邻台区，此处k＝7。

步骤S2：基于k个最近邻台区的线损率，分析监测台区某段时 间线损率是否异常。按照线损率计算公式，某监测台区及其7个最近 邻台区2017年上半年线损率如图4所示。图4为本发明一具体实施 例中的监测台区及其最近邻台区线损率。

监测台区该段时间线损率超过其7个最近邻台区线损率均值的 60％，判定该监测台区该段时间线损率存在异常，可能存在窃电用户。

步骤S3：从用电信息采集系统提取该监测台区2017年上半年所 有用户用电数据，采样间隔为天，部分用户负荷曲线如图5所示。按 照用户负荷曲线离散Fréchet距离定义计算各用户负荷曲线之间的离 散Fréchet距离。部分用户负荷曲线之间离散Fréchet距离如表1所示。 可以看出，用户负荷曲线之间波动规律越相似，二者之间离散Fréchet 距离越小。图5为本发明一具体实施例中的监测台区部分用户负荷曲 线。

表1

步骤S4、基于用户负荷曲线之间离散Fréchet距离，按照局部离 群点因子计算公式，计算该台区该段时间段内用户负荷曲线的局部离 群点因子。按照从大到小顺序对用户负荷曲线的局部离群点因子排序， 局部离群点因子越大的用户窃电概率越大。部分用户负荷曲线局部离 群点因子排序如表2所示。

表2

该供电公司用电检查人员按照局部离群点因子排序重点对局部 离群点因子大于1的用户进行现场检查，发现用户3擅自在公共线路 上接线，绕过计量表用电；发现用户6私自打开铅封，改变计量表内 部结构，致使电量不计量或少计量；用户5没有发现窃电行为。只需 要检测排序靠前用户即可检测出大部分窃电用户，大大提高了反窃电 工作效率和准确性。

最后说明的是，以上实施例仅用以说明本发明的技术方案而非限 制，本领域普通技术人员对本发明的技术方案所做的其他修改或者等 同替换，只要不脱离本发明技术方案的精神和范围，均应涵盖在本发 明的权利要求范围当中。

Claims (7)

1.一种基于局部离群点因子的低压窃电用户定位方法，包括如下步骤：

步骤1：确定影响台区线损的属性特征；基于所述属性特征搜寻与监测台区最相似的k个台区，即k个最近邻台区，其中k为预设值；

步骤2：对所述监测台区以及所述k个最近邻台区的线损率进行实时监测，并基于所述k个最近邻台区的所述线损率判断所述监测台区的所述线损率是否异常；

步骤3：在某段时间内，当所述监测台区的所述线损率正常时，返回至所述步骤2；

步骤4：在某段时间内，当所述监测台区的所述线损率异常时，计算所述监测台区内所有用户该段时间负荷曲线之间的离散Fréchet距离；

步骤5：基于所述用户负荷曲线之间的离散Fréchet距离计算所述监测台区内所有用户负荷曲线的局部离群点因子；

步骤6：根据所述用户负荷曲线的局部离群点因子的大小对所述监测台区所有用户作排序处理，进而判断所述用户窃电的概率；并返回至所述步骤2。

2.根据权利要求1所述一种基于局部离群点因子的低压窃电用户定位方法，其特征在于：在所述步骤1中，影响台区线损的属性特征包括供电半径、低压线路总长度、负载率、居民用电比例、户均用电量；

其中，所述供电半径X₁(m)，所述X₁为所述台区最远负荷点距离供电变压器的线路距离；

所述低压线路总长度X₂(m)，所述X₂为所述台区中所有低压线路长度之和；

所述负载率X₃(％)，所述X₃为所述台区供电量与供电变压器容量的比率；

所述居民用电比例X₄(％)，所述X₄为所述台区居民用户的用电量与台区供电量的比率；

所述户均用电量X₅(KW·H)，所述X₅为所述台区的所述用户的平均用电量。

3.根据权利要求1所述一种基于局部离群点因子的低压窃电用户定位方法，其特征在于：在所述步骤1中，基于所述属性特征搜寻与监测台区最相似的k个台区，采用欧几里得距离度量，并对所述欧几里得距离进行从小到大排序，从而确定所述k个最近邻台区；此时，所述k个最近邻台区的影响线损的属性特征与所述监测台区的影响线损的属性特征最接近。

4.根据权利要求3所述一种基于局部离群点因子的低压窃电用户定位方法，其特征在于：所述欧几里得距离定义为：

其中，T_o＝(X_o1,X_o2,...,X_o5)为所述监测台区影响线损的属性特征向量，T_j＝(X_j1,X_j2,...,X_j5)为所述监测台区所在地区的其它台区影响线损的属性特征向量，j＝1,2,…,m，m为所述监测台区所在地区的其它台区数量。

5.根据权利要求4所述一种基于局部离群点因子的低压窃电用户定位方法，其特征在于：

在计算所述欧几里得距离之前，需对每一个所述影响线损的属性特征值v进行规范化，所述规范化计算公式具体为：

其中，v表示为所述影响线损的属性特征向量T中的每一项特征属性值，v′表示为所述特征属性值v进行规范化后的特征属性值，v_min表示同一所述影响线损的特征属性值的最小值，v_max表示同一所述影响线损的特征属性值的最大值。

6.根据权利要求1所述一种基于局部离群点因子的低压窃电用户定位方法，其特征在于：在所述步骤2中，

所述监测台区以及它的k个最近邻台区的所述线损率计算公式如下：

当所述监测台区的所述线损率超出所述k个最近邻台区的所述线损率均值的10％时，判定所述监测台区所述线损率异常。

7.根据权利要求1所述一种基于局部离群点因子的低压窃电用户定位方法，其特征在于：所述步骤6中，

根据所述用户负荷曲线的局部离群点因子的大小对所述监测台区所有用户作降序处理，用户负荷曲线的局部离群点因子值大于1的用户窃电概率大，而且局部离群点因子数值越大的用户窃电的概率越大。

Images