CN109726461A - 一种基于用户用电数据的用电异常判断方法 - Google Patents
一种基于用户用电数据的用电异常判断方法 Download PDFInfo
- Publication number
- CN109726461A CN109726461A CN201811572602.9A CN201811572602A CN109726461A CN 109726461 A CN109726461 A CN 109726461A CN 201811572602 A CN201811572602 A CN 201811572602A CN 109726461 A CN109726461 A CN 109726461A
- Authority
- CN
- China
- Prior art keywords
- electricity consumption
- user
- stealing
- judgment method
- 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
- 230000005856 abnormality Effects 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000005611 electricity Effects 0.000 claims abstract description 59
- 230000002547 anomalous effect Effects 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 2
- 238000004458 analytical method Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 206010003119 arrhythmia Diseases 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Abstract
本发明涉及一种基于用户用电数据的用电异常判断方法,包括:步骤S1,基于用户的用电数据N=[N1,N2,…,Nj],获取所述用户的用电事件异常关联值D1、用电波形异常值D2和用电特征异常值D3,其中j为所述用户的用电数据数量,1≤j;步骤S2,根据所述D1、D2和D3获取所述用户的用电异常综合值D,如果D大于第一判断阈值,则输出所述用户的判断结果。
Description
技术领域
本发明涉及异常处理技术,尤其涉及一种用户的用电异常判断方法。
背景技术
现有技术中,窃电行为扰乱了正常的供用电秩序,严重影响了供用电安全。而随着现代科学技术的飞速发展,窃电行为也呈现出专业化、隐蔽化、科技化的趋势,因此,传统的现场撒网反窃电方式会消耗大量的人力、物力和时间,已经不能适应当前现状。
发明内容
为解决上述技术问题,本发明公开了一种基于用户用电数据的用电异常判断方法,包括:步骤S1,基于用户的用电数据N=[N1,N2,…,Nj],获取所述用户的用电事件异常关联值D1、用电波形异常值D2和用电特征异常值D3,其中j为所述用户的用电数据数量,1≤j;步骤S2,根据所述D1、D2和D3获取所述用户的用电异常综合值D,如果D大于第一判断阈值,则输出所述用户的判断结果。
附图说明
图1是本发明基于用户用电数据的用电异常判断方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,将结合附图对本发明作进一步地详细描述。这种描述是通过示例而非限制的方式介绍了与本发明的原理相一致的具体实施方式,这些实施方式的描述是足够详细的,以使得本领域技术人员能够实践本发明,在不脱离本发明的范围和精神的情况下可以使用其他实施方式并且可以改变和/或替换各要素的结构。因此,不应当从限制性意义上来理解以下的详细描述。
图1是本发明基于用户用电数据的用电异常判断方法的流程图,如图1所示,该方法包括:
步骤S1,基于用户的用电数据N=[N1,N2,…,Nj],获取所述用户的用电事件异常关联值D1、用电波形异常值D2和用电特征异常值D3,其中j为所述用户的用电数据数量,1≤j。
根据本发明,所用数据主要来源于用电信息采集系统,涉及全省13万余户专变用户,包括以下几个方面:(一)数据类型1.事件信息:电能表及终端上报的失压、断流、开盖等各类事件信息;2.正常用电波形:海量的用户用电行为波形(包括功率曲线、电压曲线、电流曲线等);3.窃电行为波形:根据历年来已查获的窃电用户清单,在采集系统中筛选出其窃电时段的用电波形。(二)数据规模异常事件关联库及用电行为样本库的建立主要应用的是2016年的数据,其中事件记录30余万条,用户负荷曲线每天96点,按照日、月、年等频度构建负荷曲线;窃电行为样本库的建立主要是历年来已查获的2000余户窃电用户窃电时段用电信息。
进一步,根据本发明,在步骤S1之前还包括步骤S0,构建计量事件与窃电行为相关性的知识库,对单一异常事件、关联异常事件与窃电嫌疑行为的关联度进行定义。进一步,所述步骤S0还包括,利用视觉聚类算法分析正常用电行为和窃电行为波形特征,分别获取包括19种典型的正常用电波形的用电行为样本库、包括13种窃电特征波形的窃电特征样本库。具体地,一是利用关联规则算法建立了异常事件关联库。由于计量装置异常事件以离散的形式出现,其类型、频度,以及相关事件的共现规律可以精准的描绘用户的行为信息,为此建立了关联规则模型。本发明结合历年窃电案例异常事件数据信息,借鉴计量装置在线监测诊断分析策略,构建了计量事件与窃电行为相关性的知识库,在知识库中对单一异常事件、关联异常事件与窃电嫌疑行为的关联度进行了定义,共建立单一异常事件模型17种,多异常事件关联模型51种。其中,关联度等于窃电案件中异常事件发生的次数与异常事件发生的总次数的比值,即关联度=窃电案件中异常事件发生的次数/异常事件发生的总次数。
优选地,所述关联规则算法为Apriori算法,用于在海量异常事件信息中找到“生病”的计量装置。
二是利用视觉聚类算法建立了用电行为样本库和窃电特征样本库。用户用电负荷属于数值型数据,具有连续性、可测度、可比对的特征,反映了各行业属性、不同生产组织方式用电行为的本真特征,视觉聚类算法是将96个点的负荷曲线进行归一化处理,消除量纲影响,再根据曲线之间96个点的差值,综合计算曲线相似度,并通过自适应的阀值将曲线自动聚类为若干个类群。基于用电信息采集系统海量用户功率、电流、电压等用电数据,运用视觉聚类算法分析正常用电行为和窃电行为波形特征,归纳了19种典型的正常用电波形和13种窃电特征波形。即用电行为样本库利用视觉聚类算法找出“心律不齐”的异常用电曲线,再由窃电行为特征库对筛查出的异常用电曲线进行“确诊”。
步骤S2,根据所述D1、D2和D3获取所述用户的用电异常综合值D,如果D大于第一判断阈值,则输出所述用户的判断结果。根据本发明,所述第一判断阈值为[0.65,0.8],优选为0.7。进一步,根据本发明,所述D=(D1+D2+D3)/3。例如,以一个实际案例说明用电异常综合值计算过程:经诊断某公司用电异常综合值达到80.87%,分解该户的用电异常综合值构成,因发生电压越线与电压不平衡关联事件,符合异常事件关联库中的关联规则,得到用电事件异常关联值D1等于76.56%;同时,该户用电行为波形与典型用电波形匹配计算后得到用电波形异常值D2:81.47%;再与窃电特征样本库中的13种窃电特征波形匹配,符合其中典型化工窃电用户的波形特征,得到用电特征异常值D3:84.58%,最后综合D1、D2与D3的值,取平均值得到用电异常综合值,该用户的用电异常综合值为80.87%,存在重大窃电嫌疑。后经现场检查验证,该化工用户确为短接电压二次回路窃电。
由上述内容可知,本发明所述的用户用电异常判断方法,扭转了过去防治窃电工作响应滞后、取证困难、身份尴尬等问题,减少了工作量和消耗的时间,为疑似窃电在线诊断、云端取证提供了一套数据应用工具和方法,倒逼了用电信息采集系统计量装置在线监测功能实用化,具有可复制、可推广、可借鉴的应用价值,助推用电检查管理向专业化、体系化、精益化方向发展。
在本发明的一个实施例中,所述步骤S2之后还包括步骤S3,采集所述用户的现场异常数据,动态更新所述知识库、用电行为样本库和窃电特征样本库。具体地,判断结果自动匹配现场作业支持库的个性化方案,工作人员现场检查并验证判断结果,并将检查结果反馈,利用机器学习动态完善机制不断更新所述知识库、用电行为样本库和窃电特征样本库。
在本发明的另一实施方式中,所述步骤S2之后还包括步骤S4,根据所述判断结果输出现场异常处理方案。具体地,本发明还建立了现场作业支持库。其基于现有用电检查技术标准、管理标准和工作标准,形成针对疑似窃电用户的27种个性化用电检查方案和作业指导书。
此外,根据公开的本发明的说明书,本发明的其他实现对于本领域的技术人员是明显的。实施方式和/或实施方式的各个方面可以单独或者以任何组合用于本发明的系统和方法中。说明书和其中的示例应该是仅仅看作示例性,本发明的实际范围和精神由所附权利要求书表示。
Claims (10)
1.一种基于用户用电数据的用电异常判断方法,其特征在于,包括:
步骤S1,基于用户的用电数据N=[N1,N2,…,Nj],获取所述用户的用电事件异常关联值D1、用电波形异常值D2和用电特征异常值D3,其中j为所述用户的用电数据数量,1≤j;
步骤S2,根据所述D1、D2和D3获取所述用户的用电异常综合值D,如果D大于第一判断阈值,则输出所述用户的判断结果。
2.根据权利要求1所述的判断方法,其特征在于,所述第一判断阈值为[0.65,0.8],优选为0.7。
3.根据权利要求2所述的判断方法,其特征在于,D=(D1+D2+D3)/3。
4.根据权利要求3所述的判断方法,其特征在于,所述用电异常为窃电行为。
5.根据权利要求4所述的判断方法,其特征在于,在步骤S1之前还包括步骤S0,构建计量事件与窃电行为相关性的知识库,对单一异常事件、关联异常事件与窃电嫌疑行为的关联度进行定义。
6.根据权利要求5所述的判断方法,其特征在于,所述步骤S0还包括,利用视觉聚类算法分析正常用电行为和窃电行为波形特征,分别获取包括19种典型的正常用电波形的用电行为样本库、包括13种窃电特征波形的窃电特征样本库。
7.根据权利要求5所述的判断方法,其特征在于,所述关联度等于窃电行为中异常事件发生的次数与异常事件发生的总次数的比值。
8.根据权利要求5-6任一项所述的判断方法,其特征在于,所述步骤S2之后还包括步骤S3,采集所述用户的现场异常数据,动态更新所述知识库、用电行为样本库和窃电特征样本库。
9.根据权利要求1所述的判断方法,其特征在于,所述步骤S2之后还包括步骤S4,根据所述判断结果输出现场异常处理方案。
10.根据权利要求5所述的判断方法,其特征在于,通过Apriori算法构建计量事件与窃电行为相关性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811572602.9A CN109726461A (zh) | 2018-12-21 | 2018-12-21 | 一种基于用户用电数据的用电异常判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811572602.9A CN109726461A (zh) | 2018-12-21 | 2018-12-21 | 一种基于用户用电数据的用电异常判断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109726461A true CN109726461A (zh) | 2019-05-07 |
Family
ID=66297708
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811572602.9A Pending CN109726461A (zh) | 2018-12-21 | 2018-12-21 | 一种基于用户用电数据的用电异常判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109726461A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113884734A (zh) * | 2021-10-27 | 2022-01-04 | 广东电网有限责任公司 | 一种非侵入式用电异常诊断方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104407268A (zh) * | 2014-11-27 | 2015-03-11 | 国家电网公司 | 基于电量、电压和电流异常分析的异常用电判断方法 |
CN105630885A (zh) * | 2015-12-18 | 2016-06-01 | 国网福建省电力有限公司泉州供电公司 | 一种用电异常检测方法及系统 |
CN105807111A (zh) * | 2014-12-31 | 2016-07-27 | 中国电信股份有限公司 | 用电设施的窃电负载控制方法、智能用电管理装置及系统 |
CN106022951A (zh) * | 2016-05-09 | 2016-10-12 | 北京智芯微电子科技有限公司 | 一种用电异常分析的方法及装置 |
CN106054004A (zh) * | 2016-08-01 | 2016-10-26 | 国网安徽省电力公司凤台县供电公司 | 一种用户电力数据采集方法和用户用电故障监测方法 |
CN106093707A (zh) * | 2016-07-12 | 2016-11-09 | 亿米特(上海)信息科技有限公司 | 智能防窃电分析系统的数据处理方法 |
CN106203832A (zh) * | 2016-07-12 | 2016-12-07 | 亿米特(上海)信息科技有限公司 | 智能防窃电分析系统及分析方法 |
CN106291253A (zh) * | 2016-09-23 | 2017-01-04 | 国网天津市电力公司 | 一种防窃电预警分析方法 |
-
2018
- 2018-12-21 CN CN201811572602.9A patent/CN109726461A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104407268A (zh) * | 2014-11-27 | 2015-03-11 | 国家电网公司 | 基于电量、电压和电流异常分析的异常用电判断方法 |
CN105807111A (zh) * | 2014-12-31 | 2016-07-27 | 中国电信股份有限公司 | 用电设施的窃电负载控制方法、智能用电管理装置及系统 |
CN105630885A (zh) * | 2015-12-18 | 2016-06-01 | 国网福建省电力有限公司泉州供电公司 | 一种用电异常检测方法及系统 |
CN106022951A (zh) * | 2016-05-09 | 2016-10-12 | 北京智芯微电子科技有限公司 | 一种用电异常分析的方法及装置 |
CN106093707A (zh) * | 2016-07-12 | 2016-11-09 | 亿米特(上海)信息科技有限公司 | 智能防窃电分析系统的数据处理方法 |
CN106203832A (zh) * | 2016-07-12 | 2016-12-07 | 亿米特(上海)信息科技有限公司 | 智能防窃电分析系统及分析方法 |
CN106054004A (zh) * | 2016-08-01 | 2016-10-26 | 国网安徽省电力公司凤台县供电公司 | 一种用户电力数据采集方法和用户用电故障监测方法 |
CN106291253A (zh) * | 2016-09-23 | 2017-01-04 | 国网天津市电力公司 | 一种防窃电预警分析方法 |
Non-Patent Citations (5)
Title |
---|
廖文权等: "基于大数据分析的用电异常检测系统设计", 《重庆电力高等专科学校学报》 * |
张晶 等: "基于营销大数据的用电异常事件统计及窃电特征分析", 《供用电》 * |
王全兴等: "基于采集系统的反窃电技术分析及防范措施", 《电测与仪表》 * |
王新刚等: "基于数据挖掘的智能电能表在线监测方法", 《电测与仪表》 * |
邓明斌等: "基于多特征融合的窃电识别算法研究", 《计算机与数字工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113884734A (zh) * | 2021-10-27 | 2022-01-04 | 广东电网有限责任公司 | 一种非侵入式用电异常诊断方法及装置 |
CN113884734B (zh) * | 2021-10-27 | 2024-04-19 | 广东电网有限责任公司 | 一种非侵入式用电异常诊断方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110097297B (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
Ditzen et al. | Testing and estimating structural breaks in time series and panel data in Stata | |
CN107122790B (zh) | 基于混合神经网络和集成学习的非侵入式负荷识别算法 | |
CN111612650B (zh) | 一种基于dtw距离的电力用户分群方法及系统 | |
CN109856299A (zh) | 一种变压器在线监测差异化阈值动态设置方法、系统 | |
CN110727662A (zh) | 基于相关性分析的低压台区用户相位识别方法和系统 | |
CN107132310B (zh) | 基于高斯混合模型的变压器设备健康状态判别方法 | |
CN108520357A (zh) | 一种线损异常原因的判别方法、装置及服务器 | |
CN111126429A (zh) | 一种基于PCA降维和K-Means聚类的低压台区用户接入点识别方法 | |
CN110991786A (zh) | 基于相似日负荷曲线的10kV静态负荷模型参数辨识方法 | |
CN111459700A (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
CN108764584A (zh) | 一种企业电能替代潜力评估方法 | |
CN103678766A (zh) | 一种基于pso算法的异常用电客户检测方法 | |
CN108828358A (zh) | 非侵入式电力用户电器能耗分解方法及其系统 | |
CN111179109A (zh) | 用于独居老人检测的用电数据处理方法 | |
CN113238804B (zh) | 一种基于智能终端息屏状态下指定应用唤醒系统及方法 | |
CN110288039A (zh) | 基于用户用电负荷特征窃电检测方法 | |
CN115422788B (zh) | 一种配电网线损分析管理方法、装置、存储介质及系统 | |
CN111898068A (zh) | 一种基于pert算法及仪表用量分析的异常检测方法 | |
CN112633556A (zh) | 一种基于混合模型的短期电力负荷预测方法 | |
CN113705688A (zh) | 一种电力用户异常用电行为检测方法和系统 | |
CN115759393A (zh) | 基于集成学习的累积负荷基线预测方法 | |
CN109726461A (zh) | 一种基于用户用电数据的用电异常判断方法 | |
CN112926686B (zh) | 基于brb和lstm模型的电力大数据用电异常检测方法及装置 | |
CN107274025B (zh) | 一种实现用电模式智能识别与管理的系统和方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190507 |