CN109633321A - 一种台区户变关系区分系统、方法及台区高损监测方法 - Google Patents
一种台区户变关系区分系统、方法及台区高损监测方法 Download PDFInfo
- Publication number
- CN109633321A CN109633321A CN201811582948.7A CN201811582948A CN109633321A CN 109633321 A CN109633321 A CN 109633321A CN 201811582948 A CN201811582948 A CN 201811582948A CN 109633321 A CN109633321 A CN 109633321A
- Authority
- CN
- China
- Prior art keywords
- electric energy
- family
- relationship
- energy meter
- unit
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000012544 monitoring process Methods 0.000 title claims abstract description 23
- 230000005611 electricity Effects 0.000 claims abstract description 39
- 238000004891 communication Methods 0.000 claims abstract description 34
- 238000004321 preservation Methods 0.000 claims abstract description 9
- 238000004458 analytical method Methods 0.000 claims description 48
- 230000009466 transformation Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 230000006837 decompression Effects 0.000 claims description 3
- 230000007935 neutral effect Effects 0.000 claims description 3
- 230000003111 delayed effect Effects 0.000 claims 1
- 238000007726 management method Methods 0.000 description 39
- 230000006872 improvement Effects 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013499 data model Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 235000007688 Lycopersicon esculentum Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 240000003768 Solanum lycopersicum Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及电网管理技术领域,提供一种台区户变关系区分系统、方法及台区高损监测系统、方法,台区户变关系区分系统包括台区管理单元、载波主节点、I型采集器以及II型集中器,I型采集器接收通信信号,进行缓存并安排优先级以及计算超时时间,同时将载波主节点发送的电能表搜表信号以及II型集中器的抄表信号发给若干个电能表;载波主节点将台区管理单元生成的电能表搜表信号发送给I型采集器,同时将I型采集器反馈的搜表结果信息和抄表数据参数发送给台区管理单元;台区管理单元对抄表数据进行整理保存,同时对户变关系进行区分,从而实现对户变关系的准确定位,为后高损台区的窃电行为的分析定位奠定基础。
Description
技术领域
本发明属于电网管理技术领域,尤其涉及一种台区户变关系区分系统、方法及台区高损监测系统、方法。
背景技术
随着经济发展,社会用电需求不断增加,一些不法经营者、个体私营业主为谋取暴利,置国家法律、法规于不顾,不择手段地窃取国家电能,窃电问题成为困扰电力企业的一项难题。窃电行为不仅损害了国家和电力企业的经济利益,还危及到电网的安全运行,阻碍了电力行业的发展。各公司经过多年持续的信息化建设,已积累了营销业务、用电信息、线损管理等海量数据,但如何挖掘海量历史数据的价值是目前面临的最大挑战。智能电表和用电信息采集系统的全面推广实现了用户电表海量数据的远程集抄,能够为反窃电工作提供强大的技术基础。
用电信息采集系统是对电力用户的用电信息进行采集、处理和实时监控,它可以按照一定周期定时采集用户计量点多种电力数据,实现数据采集的准确性、完整性、及时性和可靠性,为用电管理提供丰富齐全的统计分析数据,如总有功无功电能、三相电压电流、功率因数等等。
电能表数据采集已经积累了数据分析基础,但是以变压器为基础的台区数据管理却仍存在瓶颈。在现有的台区档案基础上,由于历史遗留和安装施工方式的关系,台区户变关系不正确的情况占据很大的一部分比率。户变关系不正确直接导致了台区数据源的不正确,无法进行准确的线损计算和线损原因分析。
作为重要的能源之一,电能对我国国民经济与社会中长期发展具有非常重要的意义。窃电行为不仅会对供电企业的经济利润造成重大流失,扰乱了正常的供电秩序,另外窃电分子的违规、不法操作可能会损坏供电设备,造成人员伤亡,给安全用电带来了严重威胁。在目前国家电网公司的管理工作中,反窃电监测已成为备受关注的项目,其与国家电网公司的营销效益有直接的关系,在反窃电管理过程中,高损台区的治理更是供电企业亟待解决的问题。
发明内容
针对现有技术中的缺陷,本发明提供了一种台区户变关系区分系统,旨在解决现有技术中户变关系不正确直接导致了台区数据源的不正确,无法进行准确的线损计算和线损原因分析的问题。
本发明所提供的技术方案是:一种台区户变关系区分系统,包括台区管理单元、载波主节点、I型采集器以及II型集中器,其中:
所述I型采集器与所述II型集中器通过485线连接,所述I型采集器作为载波从节点,分别与若干个电能表连接,用于分别接收所述II型集中器、载波主节点发送通信信号,进行缓存并安排优先级以及计算超时时间,同时将所述载波主节点发送的电能表搜表信号发给若干个所述电能表,并将所述II型集中器发送的抄表信号发送给若干个所述电能表;
所述载波主节点,通过载波电力线与所述台区管理单元连接,用于将所述台区管理单元生成的电能表搜表信号发送给所述I型采集器,同时将接收到的所述I型采集器反馈的搜表结果信息和抄表数据参数发送给所述台区管理单元;
所述台区管理单元,用于根据所述载波主节点反馈的搜表结果信息和抄表数据参数,对抄表数据进行整理保存,同时对户变关系进行区分。
作为一种改进的方案,所述台区户变关系区分系统还包括若干个分别与对应电能表连接的变压器;
所述变压器与所述台区管理单元连接,用于接收所述台区管理单元发送的停电指令,控制停电动作,所述停电指令包括停电时间以及停电持续时间。
作为一种改进的方案,所述台区管理单元还用于根据对各个变压器的停电控制,对电能表的停电时间和变压器的停电时间做差异比对,确定电能表的户变关系。
本发明的另一目的在于提供一种台区户变关系区分方法,所述方法包括下述步骤:
I型采集器接收II型集中器、载波主节点发送的通信信号,所述I型采集器对获取到的通信指令进行解析,获取所述通信信号的类型,所述通信信号的类型包括电能表搜表信号和抄表信号;
所述I型采集器将所述电能表搜表信号和抄表信号分时发给电能表,并接收所述电能表反馈的搜表结果信息和抄表数据参数,同时,将接收到的所述搜表结果信息和抄表数据参数通过所述载波主节点发送给台区管理单元;
所述台区管理单元对接收到的所述搜表结果信息和抄表数据参数解析,对抄表数据进行整理保存,同时对户变关系进行区分。
作为一种改进的方案,所述方法还包括下述步骤:
所述台区管理单元向各个变压发送停电指令,控制变压器执行停电动作。
作为一种改进的方案,所述方法还包括下述步骤:
所述台区管理单元还用于根据对各个变压器的停电控制,对电能表的停电时间和变压器的停电时间做差异比对,确定电能表的户变关系。
本发明的另一目的在于提供一种基于台区户变关系区分系统的台区高损监测方法,所述方法包括下述步骤:
根据对高损台区的在线监测获取的数据源的分析,对所述高损台区进行户变关系分析;
根据分析得到的户变关系,对电能表的窃电行为进行分析;
对电能表的窃电行为进行分析后,对接线故障进行分析;
根据接线故障分析结果,对窃电行为和发生时间进行定位。
作为一种改进的方案,所述根据对高损台区的在线监测获取的数据源的分析,对所述高损台区进行户变关系分析的步骤具体包括下述步骤:
I型采集器接收II型集中器、载波主节点发送的通信信号,所述I型采集器对获取到的通信指令进行解析,获取所述通信信号的类型,所述通信信号的类型包括电能表搜表信号和抄表信号;
所述I型采集器将所述电能表搜表信号和抄表信号分时发给电能表,并接收所述电能表反馈的搜表结果信息和抄表数据参数,同时,将接收到的所述搜表结果信息和抄表数据参数通过所述载波主节点发送给台区管理单元;
所述台区管理单元对接收到的所述搜表结果信息和抄表数据参数解析,对抄表数据进行整理保存,同时对户变关系进行区分。
作为一种改进的方案,所述根据对高损台区的在线监测获取的数据源的分析,对所述高损台区进行户变关系分析的步骤之后;所述根据分析得到的户变关系,对电能表的窃电行为进行分析的步骤之前还包括下述步骤:
对台区的时钟误差进行分析,并根据时钟误差的分析,对时钟进行纠正;
根据对所述高损台区的户变关系分析结果,以及对时钟的纠正,对获取到的数据源进行纠正。
作为一种改进的方案,所述根据分析得到的户变关系,对电能表的窃电行为进行分析的步骤之前还包括下述步骤:
根据所述高损台区的火线电流、零线电流、开表盖时间记录、恒定磁场事件记录、断相事件记录、失压事件记录、失流事件记录、电能表的历史电量、冻结类电量、电能表负荷记录数据、电能表当前电压、电流、功率及功率因数以及外接设备电流曲线,生成台区考核表、三相表和单相表窃电行为模型。
在本发明实施例中,台区户变关系区分系统包括台区管理单元、载波主节点、I型采集器以及II型集中器,I型采集器分别接收II型集中器、载波主节点发送通信信号,进行缓存并安排优先级以及计算超时时间,同时将载波主节点发送的电能表搜表信号以及II型集中器的抄表信号发给若干个电能表;载波主节点将台区管理单元生成的电能表搜表信号发送给I型采集器,同时将I型采集器反馈的搜表结果信息和抄表数据参数发送给台区管理单元;台区管理单元对抄表数据进行整理保存,同时对户变关系进行区分,从而实现对户变关系的准确定位,为后高损台区的窃电行为的分析定位奠定基础。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1是本发明提供的台区户变关系区分系统的结构示意图;
图2是本发明提供的I型采集器的结构连接结构示意图;
图3是本发明提供的台区户变关系区分方法的实现流程图;
图4是本发明提供的基于台区户变关系区分系统的台区高损监测方法的实现流程图;
其中,1、台区管理单元,2、载波主节点,3、I型采集器,4、II型集中器,5、变压器,6、电能表。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的、技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
图1示出了本发明提供的台区户变关系区分系统的结构示意图,为了便于说明,图中仅给出了与本发明实施例相关的部分。
图1示出了本发明提供的台区户变关系区分系统的结构示意图,为了便于说明,图中仅给出了与本发明实施例相关的部分。
台区户变关系区分系统包括台区管理单元1、载波主节点2、I型采集器3以及II型集中器4,其中:
所述I型采集器3与所述II型集中器4通过485线连接,所述I型采集器3作为载波从节点,分别与若干个电能表6连接,用于分别接收所述II型集中器4、载波主节点2发送通信信号,进行缓存并安排优先级以及计算超时时间,同时将所述载波主节点2发送的电能表6搜表信号发给若干个所述电能表6,并将所述II型集中器4发送的抄表信号发送给若干个所述电能表6;
所述载波主节点2,通过载波电力线与所述台区管理单元1连接,用于将所述台区管理单元1生成的电能表6搜表信号发送给所述I型采集器3,同时将接收到的所述I型采集器3反馈的搜表结果信息和抄表数据参数发送给所述台区管理单元1;
所述台区管理单元1,用于根据所述载波主节点2反馈的搜表结果信息和抄表数据参数,对抄表数据进行整理保存,同时对户变关系进行区分。
其中,所述台区户变关系区分系统还包括若干个分别与对应电能表6连接的变压器5;
所述变压器5与所述台区管理单元1连接,用于接收所述台区管理单元1发送的停电指令,控制停电动作,所述停电指令包括停电时间以及停电持续时间。
在本发明实施例中,台区管理单元1还用于根据对各个变压器5的停电控制,对电能表6的停电时间和变压器5的停电时间做差异比对,确定电能表6的户变关系。
在该实施例中,如图2所示,采集器型式规范标准的I型采集器3,I型采集器3的第一路485接口作为上行485接口连接II型集中器4,上行485接口和电力线载波接口作为平级的上行通信接口。I型采集器的第二路485接口作为下行485接口,连接电能表6。
当载波主节点2和II型集中器4同时发起数据传输命令时,由I型采集器3作为中继器将获得的数据进行缓存并安排优先级、计算超时时间,依次通过下行485接口转发给电能表6,当电能表6回复后转发回相应的上行接口并依次进行下行数据的传输。由此来有效地避免台区双信道改造时,在电能表6485通信端的信号冲突问题。
在本发明实施例中,电力线载波使用的信道载体为电力线,信号传输中具有天然的台区概念。电力线搜表技术通过在电力线通信中发起通信节点聚类来判断该电能表6是否能够获取通信信号,进一步也可以分析该电能表6是否属于本台区。所以在目前使用的为II型集中器4台区中,每台II型集中器4通过加装I型采集器3,统计I型采集器3和II型集中器4的关联关系,利用电力线载波的搜表和台区区分功能,可以有效的进行每台II型集中器4的户变关系区分。
电力线载波的户变关系区分只能分析载波节点的户变关系,如上的方案载波节点即为安装的I型采集器3(即II型集中器4),若II型集中器4下装的电能表6仍存在户变关系不正确,电力线载波因为未安装节点无法判断。停电事件分析方法采用电能表6内置的停电事件记录数据,结合电力线通信精确误差计算技术,通过一次人工的短时间停电,对比停电时间、通信误差的区别可以有效地区分该电能表6是否属于本台区,从而将II型集中器4下装的电能表6的户变关系进行区分。
在该实施例中,番茄点诊断模型可以采用下述集中方式实现:
(1)BP神经网络算法
BP神经网络通过隐含层中非线性函数对反窃电指标的映射,使得其变得线性可分,在输入神经网络前,各指标需进行归一化处理;
BP神经网络采用具有多输入单输出的三层BP神经网络作为用户窃电嫌弃系统计算模型,其中神经网络参数的学习是基于Delta学习准则。通过神经网络算法输出用户的疑似窃电的概率,即窃电嫌疑系数,其区间范围为[0,1]。当窃电嫌疑系数越大时,该用户窃电的可能性就越大。
(2)XGBoost算法
XGBoost算法是具有CART决策树算法和集成算法的优点,将其应用到反窃电分析中能够直观反映出特征的分裂阈值;
通过XGBoost模型能够挖掘窃电指标的内在关联关系,并且给出了用户疑似嫌疑的概率,其中该XGBoost模型为常规技术手段,在此不再赘述。
(3)逻辑回归算法
逻辑回归模型是通过对窃电特征向量进行了非线性映射到[0,1]空间上,且以概率形式给出用户窃电嫌疑的概率,其中非线性Sigmoid函数形式如下所示:
式中,Z是输入特征向量的线性组合,模型系数采用的梯度下降法训练得到,为了保证逻辑回归具有较好的鲁棒性,对模型加入含有L2惩罚项。
通过对特征映射后的图像,得到疑似窃电的概率,概率越大表明了越具有窃电嫌疑。
(4)离群点算法
通过对已发现窃电的专变用户计算其相应的电量波动率,利用优化的基于距离的离群点算法将窃电嫌疑数据从海量数据中筛选出来进行分析处理,提出了电量波动系数:CV=σ/μ,其中σ代表样本的标准差,μ代表样本的均值,该系数的意义在于:
①群点算法能发现更合适的质心,便于准确挖掘窃电嫌疑点;
②设置合适的波动系数阈值,样本波动系数小于阈值采用离群点算法,大于等于阈值时采用聚类分析,这样做的目的在于解决离群点算法对于波动程度大的样本不适用的问题。
其中,在对数据样本进行必要的预处理后,采用离群点算法挖掘异常嫌疑数据。在此过程中,采用电量波动和求两次均值的方法得到该样本的"标准值",以"标准值"为条件筛选离群点,筛选出离群点以后,选择最长连续的一段报警时间设置连续7天异常,第7天开始报警的条件得到系数f(报警1天f=0.1;报警2天,f=0.2,……,报警不少于10天,且f=1),窃电疑似度Sd=p×f(p为离群点算法参数)。
在实际算法操作的过程中,所分析样本的周期可设定为3个月,这是因为样本越长受跨季度导致误报的影响越大,样本周期太短则不能满足算法根据样本变化趋势信息来分析窃电可能的要求。
在本发明实施例中,通过载波设备搭建一个载波台区的框架,以II型集中器4作为通信节点进行搜表,如果II型集中器4和下挂电能表6接线一致,则可以直接区分户变关系。如果II型集中器4和下挂电能表6接线不一致,进而采用掉电法进行区分,将变压器5停电几分钟,台区管理单元1采集所有搜索到的电能表6的掉电时间,通过对电能表6掉电时间和变压器5掉电时间差异,确定电能表6的户变关系。从而实现高损台区户变关系研判至户,通过正确的户变关系重新计算线损;研制智能监测装置,装置能对台区进行长期有效的运行状态监控,同时不影响台区正常抄表。
图3是本发明实施例提供的台区户变关系区分方法的实现流程图,其具体包括下述步骤:
在步骤S101中,I型采集器3接收II型集中器4、载波主节点2发送的通信信号,所述I型采集器3对获取到的通信指令进行解析,获取所述通信信号的类型,所述通信信号的类型包括电能表6搜表信号和抄表信号。
在步骤S102中,I型采集器3将所述电能表6搜表信号和抄表信号分时发给电能表6,并接收所述电能表6反馈的搜表结果信息和抄表数据参数,同时,将接收到的所述搜表结果信息和抄表数据参数通过所述载波主节点2发送给台区管理单元1。
在步骤S103中,台区管理单元1对接收到的所述搜表结果信息和抄表数据参数解析,对抄表数据进行整理保存,同时对户变关系进行区分。
在该实施例中,所述台区管理单元1向各个变压发送停电指令,控制变压器5执行停电动作;
所述台区管理单元1还用于根据对各个变压器5的停电控制,对电能表6的停电时间和变压器5的停电时间做差异比对,确定电能表6的户变关系。
图4是本发明提供的基于台区户变关系区分系统的台区高损监测方法的实现流程图,其具体包括下述步骤:
在步骤S201中,根据对高损台区的在线监测获取的数据源的分析,对所述高损台区进行户变关系分析;
在步骤S202中,根据分析得到的户变关系,对电能表6的窃电行为进行分析;
在步骤S203中,对电能表6的窃电行为进行分析后,对接线故障进行分析;
在步骤S204中,根据接线故障分析结果,对窃电行为和发生时间进行定位。
在该实施例中,所述根据对高损台区的在线监测获取的数据源的分析,对所述高损台区进行户变关系分析的步骤如图3所示,在此不再赘述。
在本发明实施例中,所述根据对高损台区的在线监测获取的数据源的分析,对所述高损台区进行户变关系分析的步骤之后;所述根据分析得到的户变关系,对电能表6的窃电行为进行分析的步骤之前还包括下述步骤:
对台区的时钟误差进行分析,并根据时钟误差的分析,对时钟进行纠正;
根据对所述高损台区的户变关系分析结果,以及对时钟的纠正,对获取到的数据源进行纠正。
根据分析得到的户变关系,对电能表6的窃电行为进行分析的步骤之前还包括下述步骤:
根据所述高损台区的火线电流、零线电流、开表盖时间记录、恒定磁场事件记录、断相事件记录、失压事件记录、失流事件记录、电能表6的历史电量、冻结类电量、电能表6负荷记录数据、电能表6当前电压、电流、功率及功率因数以及外接设备电流曲线,生成台区考核表、三相表和单相表窃电行为模型。
其中,分析各类高损台区发生原因,对发生原因进行归纳汇总,确定多种模态下窃电信息的典型数据模型。研究查找并处理因为户变关系不正确或时钟误差过大导致的数据源不正确情况,针对公变用户和专变用户、单相表和三相表分别建立相应的自适应数据模型分析,建立依托数据源分析、窃电行为分析,接线故障分析的分级监测体系;
研究多级模态下窃电行为的不同,基于台区考核表、三相表、单相表窃电方式的不同建立各自的数据模型体系,利用台区现存的终端、电能表6和外接无线电流采样设备采集监测台区运行状态信息,对比和窃电行为数据模型的相似度,定位窃电行为并记录发生时间。
在本发明实施例中,台区户变关系区分系统包括台区管理单元1、载波主节点2、I型采集器3以及II型集中器4,I型采集器3分别接收II型集中器4、载波主节点2发送通信信号,进行缓存并安排优先级以及计算超时时间,同时将载波主节点2发送的电能表6搜表信号以及II型集中器4的抄表信号发给若干个电能表6;载波主节点2将台区管理单元1生成的电能表6搜表信号发送给I型采集器3,同时将I型采集器3反馈的搜表结果信息和抄表数据参数发送给台区管理单元1;台区管理单元1对抄表数据进行整理保存,同时对户变关系进行区分,从而实现对户变关系的准确定位,为后高损台区的窃电行为的分析定位奠定基础。
以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种台区户变关系区分系统,其特征在于,包括台区管理单元、载波主节点、I型采集器以及II型集中器,其中:
所述I型采集器与所述II型集中器通过485线连接,所述I型采集器作为载波从节点,分别与若干个电能表连接,用于分别接收所述II型集中器、载波主节点发送通信信号,进行缓存并安排优先级以及计算超时时间,同时将所述载波主节点发送的电能表搜表信号发给若干个所述电能表,并将所述II型集中器发送的抄表信号发送给若干个所述电能表;
所述载波主节点,通过载波电力线与所述台区管理单元连接,用于将所述台区管理单元生成的电能表搜表信号发送给所述I型采集器,同时将接收到的所述I型采集器反馈的搜表结果信息和抄表数据参数发送给所述台区管理单元;
所述台区管理单元,用于根据所述载波主节点反馈的搜表结果信息和抄表数据参数,对抄表数据进行整理保存,同时对户变关系进行区分。
2.根据权利要求1所述的台区户变关系区分系统,其特征在于,所述台区户变关系区分系统还包括若干个分别与对应电能表连接的变压器;
所述变压器与所述台区管理单元连接,用于接收所述台区管理单元发送的停电指令,控制停电动作,所述停电指令包括停电时间以及停电持续时间。
3.根据权利要求2所述的台区户变关系区分系统,其特征在于,所述台区管理单元还用于根据对各个变压器的停电控制,对电能表的停电时间和变压器的停电时间做差异比对,确定电能表的户变关系。
4.一种台区户变关系区分方法,其特征在于,所述方法包括下述步骤:
I型采集器接收II型集中器、载波主节点发送的通信信号,所述I型采集器对获取到的通信指令进行解析,获取所述通信信号的类型,所述通信信号的类型包括电能表搜表信号和抄表信号;
所述I型采集器将所述电能表搜表信号和抄表信号分时发给电能表,并接收所述电能表反馈的搜表结果信息和抄表数据参数,同时,将接收到的所述搜表结果信息和抄表数据参数通过所述载波主节点发送给台区管理单元;
所述台区管理单元对接收到的所述搜表结果信息和抄表数据参数解析,对抄表数据进行整理保存,同时对户变关系进行区分。
5.根据权利要求4所述的台区户变关系区分方法,其特征在于,所述方法还包括下述步骤:
所述台区管理单元向各个变压发送停电指令,控制变压器执行停电动作。
6.根据权利要求5所述的台区户变关系区分方法,其特征在于,所述方法还包括下述步骤:
所述台区管理单元还用于根据对各个变压器的停电控制,对电能表的停电时间和变压器的停电时间做差异比对,确定电能表的户变关系。
7.一种基于权利要求1所述的台区户变关系区分系统的台区高损监测方法,其特征在于,所述方法包括下述步骤:
根据对高损台区的在线监测获取的数据源的分析,对所述高损台区进行户变关系分析;
根据分析得到的户变关系,对电能表的窃电行为进行分析;
对电能表的窃电行为进行分析后,对接线故障进行分析;
根据接线故障分析结果,对窃电行为和发生时间进行定位。
8.根据权利要求7所述的台区户变关系区分系统的台区高损监测方法,其特征在于,所述根据对高损台区的在线监测获取的数据源的分析,对所述高损台区进行户变关系分析的步骤具体包括下述步骤:
I型采集器接收II型集中器、载波主节点发送的通信信号,所述I型采集器对获取到的通信指令进行解析,获取所述通信信号的类型,所述通信信号的类型包括电能表搜表信号和抄表信号;
所述I型采集器将所述电能表搜表信号和抄表信号分时发给电能表,并接收所述电能表反馈的搜表结果信息和抄表数据参数,同时,将接收到的所述搜表结果信息和抄表数据参数通过所述载波主节点发送给台区管理单元;
所述台区管理单元对接收到的所述搜表结果信息和抄表数据参数解析,对抄表数据进行整理保存,同时对户变关系进行区分。
9.根据权利要求8所述的台区户变关系区分系统的台区高损监测方法,其特征在于,所述根据对高损台区的在线监测获取的数据源的分析,对所述高损台区进行户变关系分析的步骤之后;所述根据分析得到的户变关系,对电能表的窃电行为进行分析的步骤之前还包括下述步骤:
对台区的时钟误差进行分析,并根据时钟误差的分析,对时钟进行纠正;
根据对所述高损台区的户变关系分析结果,以及对时钟的纠正,对获取到的数据源进行纠正。
10.根据权利要求9所述的台区户变关系区分系统的台区高损监测方法,其特征在于,所述根据分析得到的户变关系,对电能表的窃电行为进行分析的步骤之前还包括下述步骤:
根据所述高损台区的火线电流、零线电流、开表盖时间记录、恒定磁场事件记录、断相事件记录、失压事件记录、失流事件记录、电能表的历史电量、冻结类电量、电能表负荷记录数据、电能表当前电压、电流、功率及功率因数以及外接设备电流曲线,生成台区考核表、三相表和单相表窃电行为模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811582948.7A CN109633321B (zh) | 2018-12-24 | 2018-12-24 | 一种台区户变关系区分系统、方法及台区高损监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811582948.7A CN109633321B (zh) | 2018-12-24 | 2018-12-24 | 一种台区户变关系区分系统、方法及台区高损监测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109633321A true CN109633321A (zh) | 2019-04-16 |
CN109633321B CN109633321B (zh) | 2021-09-07 |
Family
ID=66076926
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811582948.7A Active CN109633321B (zh) | 2018-12-24 | 2018-12-24 | 一种台区户变关系区分系统、方法及台区高损监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109633321B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084718A (zh) * | 2019-04-25 | 2019-08-02 | 国网湖南省电力有限公司 | 一种台区户变关系精准校验方法及装置 |
CN110082579A (zh) * | 2019-05-21 | 2019-08-02 | 国网湖南省电力有限公司 | 一种台区智能反窃电监测方法、系统、设备及介质 |
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 |
CN110138093A (zh) * | 2019-06-18 | 2019-08-16 | 广东电网有限责任公司 | 一种电表与变压器对应关系智能判别装置、系统及方法 |
CN110376469A (zh) * | 2019-07-29 | 2019-10-25 | 广州市奔流电力科技有限公司 | 台区相序与线户关系识别方法及其装置 |
CN110516837A (zh) * | 2019-07-10 | 2019-11-29 | 马欣 | 一种基于ai的智能化诊断方法、系统及装置 |
CN111025081A (zh) * | 2019-11-07 | 2020-04-17 | 广州南方电力集团科技发展有限公司 | 一种配电台区的居民电压监测方法 |
CN112751335A (zh) * | 2020-12-25 | 2021-05-04 | 青岛鼎信通讯股份有限公司 | 一种基于用电信息采集系统的户变关系识别方法 |
CN113762414A (zh) * | 2021-10-13 | 2021-12-07 | 国网福建省电力有限公司营销服务中心 | 分时分路停上电的台区拓扑校核方法 |
CN114154999A (zh) * | 2021-10-27 | 2022-03-08 | 国网河北省电力有限公司营销服务中心 | 一种反窃电方法、装置、终端及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102592422A (zh) * | 2012-02-02 | 2012-07-18 | 深圳市科陆电子科技股份有限公司 | 集中抄表系统采集器及电表资产编号搜集管理方法 |
US8862281B2 (en) * | 2009-10-05 | 2014-10-14 | Panasonic Corporation | Electric power distribution system |
CN106067245A (zh) * | 2016-06-06 | 2016-11-02 | 国家电网公司 | 一种台区用电巡检装置及系统 |
CN106959399A (zh) * | 2017-05-11 | 2017-07-18 | 长沙瑞斯康通信技术有限公司 | 台区识别系统及其方法 |
CN107831379A (zh) * | 2017-09-14 | 2018-03-23 | 国家电网公司 | 基于采集电量异常波动判断线损异常的方法 |
CN107968850A (zh) * | 2017-12-02 | 2018-04-27 | 杭州海兴电力科技股份有限公司 | 电力线载波的台区识别系统及方法 |
CN108318759A (zh) * | 2018-01-25 | 2018-07-24 | 国网浙江海宁市供电有限公司 | 一种多维度台区户变关系识别方法 |
CN109633326A (zh) * | 2018-12-25 | 2019-04-16 | 国网湖南省电力有限公司 | 一种可拆卸式线损分析系统 |
-
2018
- 2018-12-24 CN CN201811582948.7A patent/CN109633321B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8862281B2 (en) * | 2009-10-05 | 2014-10-14 | Panasonic Corporation | Electric power distribution system |
CN102592422A (zh) * | 2012-02-02 | 2012-07-18 | 深圳市科陆电子科技股份有限公司 | 集中抄表系统采集器及电表资产编号搜集管理方法 |
CN106067245A (zh) * | 2016-06-06 | 2016-11-02 | 国家电网公司 | 一种台区用电巡检装置及系统 |
CN106959399A (zh) * | 2017-05-11 | 2017-07-18 | 长沙瑞斯康通信技术有限公司 | 台区识别系统及其方法 |
CN107831379A (zh) * | 2017-09-14 | 2018-03-23 | 国家电网公司 | 基于采集电量异常波动判断线损异常的方法 |
CN107968850A (zh) * | 2017-12-02 | 2018-04-27 | 杭州海兴电力科技股份有限公司 | 电力线载波的台区识别系统及方法 |
CN108318759A (zh) * | 2018-01-25 | 2018-07-24 | 国网浙江海宁市供电有限公司 | 一种多维度台区户变关系识别方法 |
CN109633326A (zh) * | 2018-12-25 | 2019-04-16 | 国网湖南省电力有限公司 | 一种可拆卸式线损分析系统 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110084718A (zh) * | 2019-04-25 | 2019-08-02 | 国网湖南省电力有限公司 | 一种台区户变关系精准校验方法及装置 |
CN110084718B (zh) * | 2019-04-25 | 2023-08-22 | 国网湖南省电力有限公司 | 一种台区户变关系精准校验方法及装置 |
CN110082579A (zh) * | 2019-05-21 | 2019-08-02 | 国网湖南省电力有限公司 | 一种台区智能反窃电监测方法、系统、设备及介质 |
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 |
CN110138093A (zh) * | 2019-06-18 | 2019-08-16 | 广东电网有限责任公司 | 一种电表与变压器对应关系智能判别装置、系统及方法 |
CN110516837A (zh) * | 2019-07-10 | 2019-11-29 | 马欣 | 一种基于ai的智能化诊断方法、系统及装置 |
CN110376469B (zh) * | 2019-07-29 | 2021-08-06 | 广州市奔流电力科技有限公司 | 台区相序与线户关系识别方法及其装置 |
CN110376469A (zh) * | 2019-07-29 | 2019-10-25 | 广州市奔流电力科技有限公司 | 台区相序与线户关系识别方法及其装置 |
CN111025081A (zh) * | 2019-11-07 | 2020-04-17 | 广州南方电力集团科技发展有限公司 | 一种配电台区的居民电压监测方法 |
CN112751335A (zh) * | 2020-12-25 | 2021-05-04 | 青岛鼎信通讯股份有限公司 | 一种基于用电信息采集系统的户变关系识别方法 |
CN113762414A (zh) * | 2021-10-13 | 2021-12-07 | 国网福建省电力有限公司营销服务中心 | 分时分路停上电的台区拓扑校核方法 |
CN113762414B (zh) * | 2021-10-13 | 2023-11-03 | 国网福建省电力有限公司营销服务中心 | 分时分路停上电的台区拓扑校核方法 |
CN114154999A (zh) * | 2021-10-27 | 2022-03-08 | 国网河北省电力有限公司营销服务中心 | 一种反窃电方法、装置、终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109633321B (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109633321A (zh) | 一种台区户变关系区分系统、方法及台区高损监测方法 | |
Rossi et al. | Anomaly detection in smart grid data: An experience report | |
Zhang et al. | Time series anomaly detection for smart grids: A survey | |
CN110807550B (zh) | 基于神经网络的配变重过载识别预警方法及终端设备 | |
CN102870056A (zh) | 智能网络 | |
CN115423429A (zh) | 基于图像和声音信息的多模态一体化配网运营系统 | |
CN106646110A (zh) | 基于GIS和Petri技术的低压配电网故障定位系统 | |
Shi et al. | Expected output calculation based on inverse distance weighting and its application in anomaly detection of distributed photovoltaic power stations | |
Kezunovic | Translational knowledge: From collecting data to making decisions in a smart grid | |
CN118313812A (zh) | 一种基于机器学习的电力大数据采集处理方法 | |
Li et al. | Identification of distribution network topology parameters based on multidimensional operation data | |
Shao et al. | Big data outlier detection model based on improved density peak algorithm | |
Pan et al. | Study on intelligent anti–electricity stealing early-warning technology based on convolutional neural networks | |
CN107611940A (zh) | 一种基于历史数据分析的配电网异常监测方法与系统 | |
Zheng et al. | Edge Computing Based Electricity-Theft Detection of Low-Voltage Users | |
Kuang et al. | An Association Rules-Based Method for Outliers Cleaning of Measurement Data in the Distribution Network | |
Li et al. | Tadl: Fault localization with transformer-based anomaly detection for dynamic microservice systems | |
EP4123862A1 (en) | Systems and methods for optimal synchrophasor data recovery | |
CN113554122A (zh) | 一种低压反窃电的分析方法及相关装置 | |
CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及系统 | |
Liu et al. | Static voltage stability margin prediction considering new energy uncertainty based on graph attention networks and long short‐term memory networks | |
Zhang et al. | [Retracted] Substation Operation Information Maintenance Based on Intelligent Data Mining | |
Amoateng et al. | An Intelligent Event Detection Framework To Improve Situational Awareness In PMU Power Distribution Networks | |
CN116956174A (zh) | 用于进行冷头状态分类检测和寿命预测的分类模型和预测模型的生成方法 | |
Xiao et al. | A Data-Driven Fault Line Selection Method for Shore Power System |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |