CN110390472B - 一种基于数据驱动方法的低压用户用电异常评估方法 - Google Patents

一种基于数据驱动方法的低压用户用电异常评估方法 Download PDF

Info

Publication number
CN110390472B
CN110390472B CN201910596414.8A CN201910596414A CN110390472B CN 110390472 B CN110390472 B CN 110390472B CN 201910596414 A CN201910596414 A CN 201910596414A CN 110390472 B CN110390472 B CN 110390472B
Authority
CN
China
Prior art keywords
user
data
voltage
phase
power
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.)
Active
Application number
CN201910596414.8A
Other languages
English (en)
Other versions
CN110390472A (zh
Inventor
林振智
章博
刘晟源
连子宽
金伟超
黄亦昕
章天晗
杨莉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN201910596414.8A priority Critical patent/CN110390472B/zh
Publication of CN110390472A publication Critical patent/CN110390472A/zh
Application granted granted Critical
Publication of CN110390472B publication Critical patent/CN110390472B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R11/00—Electromechanical arrangements for measuring time integral of electric power or current, e.g. of consumption
    • G01R11/48—Meters specially adapted for measuring real or reactive components; Meters specially adapted for measuring apparent energy
    • G01R11/50—Meters specially adapted for measuring real or reactive components; Meters specially adapted for measuring apparent energy for measuring real component
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
    • G01R19/165—Indicating that current or voltage is either above or below a predetermined value or within or outside a predetermined range of values
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
    • G01R29/16—Measuring asymmetry of polyphase networks
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

本发明涉及一种基于数据驱动方法的低压用户用电异常评估方法，其包括步骤：基于量测数据的低压用户用电异常关键因子提取；低压用户用电异常特征分析；基于数据驱动方法对步骤2)获得的低压用户用电异常特征进行低压用户用电异常评估。采用本发明可实现对电力用户用电量异常的准确评估。与传统的专家系统相比，本发明提出的方法可以检测出更多的异常用电用户。应用本发明方法可以确定异常用电群体，实现电力事故的早期预警，减少电力事故的发生，提高经济效益和社会效益。

Description

一种基于数据驱动方法的低压用户用电异常评估方法
技术领域
本发明涉及电力系统领域，特别是涉及一种基于数据驱动方法的低压用户用电异常评估方法。
背景技术
随着先进量测基础设施(AMI)在配电系统中的广泛应用，电力用户电力数据量迅速增加，数据也越来越准确。目前，关于配电系统异常评价的研究大多集中在配电系统的层级上，而关于配电系统中低压用电户异常评估的研究较少。在此背景下，本发明基于电力信息采集系统采集的AMI数据，提出了一种有效的数据驱动算法来评估配电系统中低压用电用户的用电异常。为了充分利用这些电力用户的AMI数据，本发明提出了一种基于CRITIC(CRiteria Importance Though Intercrieria Correlation)法和雷达图法的低压用电用户异常评估算法。
发明内容
基于此，为了保障配网低压用户的用电安全，本发明提出了一种基于数据驱动方法的低压用户用电异常评估方法。
一种基于数据驱动方法的低压用户用电异常评估方法，包括如下步骤：
1)基于量测数据的低压用户用电异常关键因子提取；
2)低压用户用电异常特征分析；
3)基于数据驱动方法对步骤2)获得的低压用户用电异常特征进行低压用户用电异常评估。
上述技术方案中，步骤1)中基于量测数据提取低压用户用电异常关键因子，具体如下：
从量测设备采集的电力用户数据信息如下:有功功率∏P、线路损失率ΠLL、三相用户p相的电压
Figure BDA0002117807240000021
单相用户的电压
Figure BDA0002117807240000022
用户所属台区电压
Figure BDA0002117807240000023
用户所属台区的中性线电压
Figure BDA0002117807240000024
三相用户p相的电流
Figure BDA0002117807240000025
单相用户的火线和零线电流
Figure BDA0002117807240000026
和
Figure BDA0002117807240000027
线路等效阻抗参数
Figure BDA0002117807240000028
和三相用户的零线电压
Figure BDA0002117807240000029
基于以上数据提取用户用电异常指标如下：
a)低压用户用电异常统计指标
i)越限频率
低压用户用电量测数据Πψ的越限频率可以反映用户的用电异常情况。ψ表示不同类型的量测数据，比如用户的电压、电流、线损率等，即对应量测数据的上标。一般来说，用户用电数据的越限频率越高，用户的异常程度越高。用户i的越限频率关键因子
Figure BDA00021178072400000210
可以表示为：
Figure BDA00021178072400000211
Figure BDA00021178072400000212
式中，
Figure BDA00021178072400000213
为0-1变量，其值等于0，代表量测数据不越限，反之，则代表量测数据越限；
Figure BDA00021178072400000214
表示在d天t时刻数据ψ的取值；nd为量测数据
Figure BDA00021178072400000215
的采用频率；Td则为采样的时间周期；
Figure BDA00021178072400000216
和
Figure BDA00021178072400000217
分别表示量测数据
Figure BDA00021178072400000218
的开始和结束采样时间；
Figure BDA00021178072400000219
表示量测数据
Figure BDA00021178072400000220
的标准值；βψ表示量测数据
Figure BDA00021178072400000221
的越限阈值。
ii)用户用电同比数据
用户用电同比数据能在一定程度上反映用户用电的异常特征。一般来说，用户用电同比数据量越大，电力用户的安全隐患就越严重。电力用户i的用电同比数据
Figure BDA0002117807240000031
定义为
Figure BDA0002117807240000032
式中，Tequ为数据的同比周期长度；T0为用户用电异常评估的开始时间。
iii)用户用电环比数据
电力用户的环比数据可以反映大量的历史信息。从用电量环比数据中，可以获取用户上个月的用电量、电压、电流等信息。与电力用户用电同比数据一样，电力用户用电量环比数据越大，电力用户的安全隐患就越严重。电力用户i的环比数据可以定义为
Figure BDA0002117807240000033
式中，Tcir为量测数据的环比时间间隔。
iv)离散系数
离散系数是统计中常用的统计指标，主要用于比较不同量测数据的离散度。一般来说，量测数据离散系数较大的电力用户与离散系数较小的用户相比，通常异常程度较高。离散系数可定义为
Figure BDA0002117807240000034
Figure BDA0002117807240000035
Figure BDA0002117807240000036
Figure BDA0002117807240000037
式中，
Figure BDA0002117807240000038
为量测数据
Figure BDA0002117807240000039
全天的总和；
Figure BDA00021178072400000310
为量测数据
Figure BDA00021178072400000311
在采样周期内的平均值。
v)用户用电数据幅值
从用户的用电量幅值可以看出用户的过载和越限情况，用户i的用电数据幅值
Figure BDA0002117807240000041
可以表示为：
Figure BDA0002117807240000042
Figure BDA0002117807240000043
b)低压用户用电异常电气指标
i)零线电压
对于正常运行的三相电力用户，中性线电压较低，常常接近于零。当三相用户的中性线电压较高且波动较大时，可以推断电力用户可能存在一些异常。定义电力用户i的中性线电压
Figure BDA0002117807240000044
为
Figure BDA0002117807240000045
ii)用户负载率
电力用户负载率是指电力用户的实际负荷与其合同容量之比。电力用户负载率长时间越限往往会导致电力事故的发生。电力用户i的负荷率ILR可以表示为
Figure BDA0002117807240000046
式中，
Figure BDA0002117807240000047
为电力用户i的合同容量。
iii)零线和火线电流差
对于单相用电用户，在正常情况下，火线与零线电流的差值应该很小。当零线与火线的电流差较大时，电力用户出现异常的可能性较大。火线与零线电流之差可表示为
Figure BDA0002117807240000048
iv)线路等效阻抗
线路阻抗反映了用户供电线路的老化程度。阻抗越大，用户老化越严重，发生异常后造成的损失越严重。线路阻抗指标ILI可以表示为
Figure BDA0002117807240000051
Figure BDA0002117807240000052
Figure BDA0002117807240000053
v)三相不平衡度
三相不平衡是指电力系统三相电流(或电压)幅值不一致，幅值差超过规定范围。用电用户三相不平衡程度过高，会增加供电线路的功率损失，影响用电用户的安全用电。三相不平衡度Iunb可以表示为
Figure BDA0002117807240000054
Figure BDA0002117807240000055
式中，
Figure BDA0002117807240000056
为用户i在d天t时刻的三相不平衡度。
步骤2)中低压用户用电异常特征分析，方法为：
1)针对单相电力用户，根据提取的指标确定过负荷特征、过电压特征、零线电流特征和线路阻抗特征四种特征向量:
过负荷特征:
Figure BDA0002117807240000057
过电压特征:
Figure BDA0002117807240000058
零线电流特征:
Figure BDA0002117807240000061
线路阻抗特征:
Figure BDA0002117807240000062
单相电力用户的异常风险决策矩阵可以表示为：
Figure BDA0002117807240000063
式中，F为四个特征的下标。
2)针对三相电力用户，根据提取的指标确定过负荷特征、过电压特征、零线电压特征和线阻抗特征四种异常特征向量:
过负荷特征:
Figure BDA0002117807240000064
过电压特征:
Figure BDA0002117807240000065
零线电压特征:
Figure BDA0002117807240000066
线路阻抗特征：
Figure BDA0002117807240000067
三相电力用户的异常风险决策矩阵可以表示为：
Figure BDA0002117807240000068
式中，F为四个特征的下标。
步骤3)中基于数据驱动方法对步骤2)获得的低压用户用电异常特征进行低压用户用电异常评估，具体如下：
a)形成用电异常风险决策矩阵
Figure BDA0002117807240000071
τ表示低压用户类型，τ＝s，代表该用户为单相用户；τ＝t，代表该用户为三相用户。
b)采用CRITIC法确定各个指标的权重，fCR(·)代表CRITIC方法。权重
Figure BDA0002117807240000072
可以表示为：
Figure BDA0002117807240000073
c)采用雷达图法确定用户的各个用电异常特征值。fRD(·,·)表示雷达图法。用电异常特征值
Figure BDA0002117807240000074
可以表示为：
Figure BDA0002117807240000075
d)分别形成单相用户和三相用户的用电异常特征矩阵
Figure BDA0002117807240000076
和
Figure BDA0002117807240000077
e)采用CRITIC法确定用户的用电异常特征权重
Figure BDA0002117807240000078
f)采用雷达图法确定单相用户和三相用户的异常风险评估结果
Sτ＝fRD(Mτ,Wτ)＝[Sτ(1),Sτ(2),...,Sτ(n)]T
本发明中所采用的CRITIC法和雷达图法均为现有方法，其中：
CRITIC法具体可参见文献：
Diakoulaki D,Mavrotas G,Papayannakis L,“Determining objective weightsin multiple criteria problems:the CRITIC method,”Computers&OperationsResearch,vol.22,no.7,pp.763-770,Aug.1995.
雷达图法具体可参见文献：
韩畅,林振智,杨莉,等.台风条件下区域电力系统的重要线路多维度辨识[J].电力系统自动化,2018,42(15):118-125.
本发明的有益效果是：
本发明提出的是一种基于CRITIC法和雷达图法的电力用户用电量异常评估方法，实现了对电力用户用电量异常的准确评估。与传统的专家系统相比，本发明提出的方法可以检测出更多的异常用电用户。此外，使用雷达图法可以更直观地显示用户的用电异常特征和整体用电状况。应用本发明方法可以确定异常用电群体，实现电力事故的早期预警，减少电力事故的发生，提高经济效益和社会效益。
附图说明
图1为实施例的一种基于数据驱动方法的低压用户用电异常评估方法；
图2是本发明实例中用电异常最严重的单相用户****058239的雷达图；
图3是本发明实例中用电异常最严重的三相用户****039078的雷达图。
具体实施方式
为了更好地理解本发明的目的、技术方案以及技术效果，以下结合附图对本发明进行进一步的讲解说明。
参考图1，图1为实施例的一种基于数据驱动方法的低压用户用电异常评估方法，包括如下步骤：
S10，基于量测数据的低压用户用电异常关键因子提取；在一个实施例中：
从量测设备采集的电力用户数据信息如下:有功功率∏P、线路损失率∏LL、三相用户p相的电压
Figure BDA0002117807240000081
单相用户的电压
Figure BDA0002117807240000082
用户所属台区电压
Figure BDA0002117807240000083
用户所属台区的中性线电压
Figure BDA0002117807240000084
三相用户p相的电流
Figure BDA0002117807240000085
单相用户的火线和零线电流
Figure BDA0002117807240000091
和
Figure BDA0002117807240000092
线路等效阻抗参数
Figure BDA0002117807240000093
和三相用户的零线电压
Figure BDA0002117807240000094
基于以上数据提取用户用电异常指标如下：
a)低压用户用电异常统计指标
i)越限频率
低压用户用电量测数据∏ψ的越限频率可以反映用户的用电异常情况。ψ表示不同类型的量测数据，比如用户的电压、电流、线损率等，即对应量测数据的上标。一般来说，用户用电数据的越限频率越高，用户的异常程度越高。用户i的越限频率关键因子
Figure BDA0002117807240000095
可以表示为：
Figure BDA0002117807240000096
Figure BDA0002117807240000097
式中，
Figure BDA0002117807240000098
为0-1变量，其值等于0，代表量测数据不越限，反之，则代表量测数据越限；
Figure BDA0002117807240000099
表示在d天t时刻数据ψ的取值；nd为量测数据
Figure BDA00021178072400000910
的采用频率；Td则为采样的时间周期；
Figure BDA00021178072400000911
和
Figure BDA00021178072400000912
分别表示量测数据
Figure BDA00021178072400000913
的开始和结束采样时间；
Figure BDA00021178072400000914
表示量测数据
Figure BDA00021178072400000915
的标准值；βψ表示量测数据
Figure BDA00021178072400000916
的越限阈值。
ii)用户用电同比数据
用户用电同比数据能在一定程度上反映用户用电的异常特征。一般来说，用户用电同比数据量越大，电力用户的安全隐患就越严重。电力用户i的用电同比数据
Figure BDA00021178072400000917
定义为
Figure BDA00021178072400000918
式中，Tequ为数据的同比周期长度；T0为用户用电异常评估的开始时间。
iii)用户用电环比数据
电力用户的环比数据可以反映大量的历史信息。从用电量环比数据中，可以获取用户上个月的用电量、电压、电流等信息。与电力用户用电同比数据一样，电力用户用电量环比数据越大，电力用户的安全隐患就越严重。电力用户i的环比数据可以定义为
Figure BDA0002117807240000101
式中，Tcir为量测数据的环比时间间隔。
iv)离散系数
离散系数是统计中常用的统计指标，主要用于比较不同量测数据的离散度。一般来说，量测数据离散系数较大的电力用户与离散系数较小的用户相比，通常异常程度较高。离散系数可定义为
Figure BDA0002117807240000102
Figure BDA0002117807240000103
Figure BDA0002117807240000104
Figure BDA0002117807240000105
式中，
Figure BDA0002117807240000106
为量测数据
Figure BDA0002117807240000107
全天的总和；
Figure BDA0002117807240000108
为量测数据
Figure BDA0002117807240000109
在采样周期内的平均值。
v)用户用电数据幅值
从用户的用电量幅值可以看出用户的过载和越限情况，用户i的用电数据幅值
Figure BDA00021178072400001010
可以表示为：
Figure BDA00021178072400001011
Figure BDA00021178072400001012
b)低压用户用电异常电气指标
i)零线电压
对于正常运行的三相电力用户，中性线电压较低，常常接近于零。当三相用户的中性线电压较高且波动较大时，可以推断电力用户可能存在一些异常。定义电力用户i的中性线电压
Figure BDA0002117807240000111
为
Figure BDA0002117807240000112
ii)用户负载率
电力用户负载率是指电力用户的实际负荷与其合同容量之比。电力用户负载率长时间越限往往会导致电力事故的发生。电力用户i的负荷率ILR可以表示为
Figure BDA0002117807240000113
式中，
Figure BDA0002117807240000114
为电力用户i的合同容量。
iii)零线和火线电流差
对于单相用电用户，在正常情况下，火线与零线电流的差值应该很小。当零线与火线的电流差较大时，电力用户出现异常的可能性较大。火线与零线电流之差可表示为
Figure BDA0002117807240000115
iv)线路等效阻抗
线路阻抗反映了用户供电线路的老化程度。阻抗越大，用户老化越严重，发生异常后造成的损失越严重。线路阻抗指标ILI可以表示为
Figure BDA0002117807240000116
Figure BDA0002117807240000117
Figure BDA0002117807240000118
v)三相不平衡度
三相不平衡是指电力系统三相电流(或电压)幅值不一致，幅值差超过规定范围。用电用户三相不平衡程度过高，会增加供电线路的功率损失，影响用电用户的安全用电。三相不平衡度Iunb可以表示为
Figure BDA0002117807240000121
Figure BDA0002117807240000122
式中，
Figure BDA0002117807240000123
为用户i在d天t时刻的三相不平衡度。
S20，低压用户用电异常特征分析；在一个实施例中：
1)针对单相电力用户，根据提取的指标确定过负荷特征、过电压特征、零线电流特征和线路阻抗特征四种特征向量:
过负荷特征:
Figure BDA0002117807240000124
过电压特征:
Figure BDA0002117807240000125
零线电流特征:
Figure BDA0002117807240000126
线路阻抗特征:
Figure BDA0002117807240000127
单相电力用户的异常风险决策矩阵可以表示为：
Figure BDA0002117807240000131
式中，F为四个特征的下标。
2)针对三相电力用户，根据提取的指标确定过负荷特征、过电压特征、零线电压特征和线阻抗特征四种异常特征向量:
过负荷特征:
Figure BDA0002117807240000132
过电压特征:
Figure BDA0002117807240000133
零线电压特征:
Figure BDA0002117807240000134
线路阻抗特征：
Figure BDA0002117807240000135
三相电力用户的异常风险决策矩阵可以表示为：
Figure BDA0002117807240000136
式中，F为四个特征的下标。
S30，基于数据驱动方法对步骤2)获得的低压用户用电异常特征进行低压用户用电异常评估；在一个实施例中：
a)形成用电异常风险决策矩阵
Figure BDA0002117807240000137
τ表示低压用户类型，τ＝s，代表该用户为单相用户；τ＝t，代表该用户为三相用户。
b)采用CRITIC法确定各个指标的权重，fCR(·)代表CRITIC方法。权重
Figure BDA0002117807240000141
可以表示为：
Figure BDA0002117807240000142
c)采用雷达图法确定用户的各个用电异常特征值。fRD(·,·)表示雷达图法。用电异常特征值
Figure BDA0002117807240000143
可以表示为：
Figure BDA0002117807240000144
d)分别形成单相用户和三相用户的用电异常特征矩阵
Figure BDA0002117807240000145
和
Figure BDA0002117807240000146
e)采用CRITIC法确定用户的用电异常特征权重
Figure BDA0002117807240000147
f)采用雷达图法确定单相用户和三相用户的异常风险评估结果
Sτ＝fRD(Mτ,Wτ)＝[Sτ(1),Sτ(2),...,Sτ(n)]T
以浙江省83户电力用户的用电数据为例，验证本发明方法的有效性。其中单相用户52户，三相用户31户。针对不同类型的用户，提取不同的电异常特征。然后，用CRITIC法确定异常特征的权重，用雷达图法评估用户的用电异常状态。风险最高的三相和单相低压用户异常评估结果分别如图2和图3所示。从图2可以看出，该单相用户的用电风险程度较高，尤其体现在过电压特征Sov，过负荷特征Sol和零线电流特征Snc。从图3可以看出，该三相用户用电风险程度较高，主要体现在过电压特征Sov和线路阻抗特征Sli。与传统的专家系统相比，本发明方法可以检测出更多潜在的异常电力用户。两种方法的比较结果如表1所示。由表1可以看出，专家系统确定的异常用电用户数小于本发明方法确定的用电异常用户数。
表1本发明方法与专家系统确定的异常用电用户数目
Figure BDA0002117807240000148
Figure BDA0002117807240000151

Claims (3)

1.一种基于数据驱动方法的低压用户用电异常评估方法，其特征在于，包括如下步骤：
1)基于量测数据的低压用户用电异常关键因子提取；
2)低压用户用电异常特征分析；
3)基于数据驱动方法对步骤2)获得的低压用户用电异常特征进行低压用户用电异常评估；
所述的步骤1)是从统计指标和电气指标的角度提取用户用电异常关键因子，具体如下：
从量测设备采集的电力用户数据信息如下:有功功率∏P、线路损失率∏LL、三相用户p相的电压
Figure FDA0003470779550000011
单相用户的电压
Figure FDA0003470779550000012
用户所属台区电压
Figure FDA0003470779550000013
用户所属台区的中性线电压
Figure FDA0003470779550000014
三相用户p相的电流
Figure FDA0003470779550000015
单相用户的火线和零线电流
Figure FDA0003470779550000016
和
Figure FDA0003470779550000017
线路等效阻抗参数
Figure FDA0003470779550000018
和三相用户的零线电压
Figure FDA0003470779550000019
基于以上数据提取用户用电异常指标如下：
a)低压用户用电异常统计指标
i)越限频率
用低压用户用电量测数据∏ψ的越限频率反映用户的用电异常情况，ψ表示不同类型的量测数据，即对应量测数据的上标，用户i的越限频率关键因子
Figure FDA00034707795500000110
表示为：
Figure FDA00034707795500000111
Figure FDA00034707795500000112
式中，
Figure FDA0003470779550000021
为0-1变量，其值等于0，代表量测数据不越限，反之，则代表量测数据越限；
Figure FDA0003470779550000022
表示在d天t时刻数据ψ的取值；nd为量测数据
Figure FDA0003470779550000023
的采用频率；Td则为采样的时间周期；
Figure FDA0003470779550000024
和
Figure FDA0003470779550000025
分别表示量测数据
Figure FDA0003470779550000026
的开始和结束采样时间；
Figure FDA0003470779550000027
表示量测数据
Figure FDA0003470779550000028
的标准值；βψ表示量测数据
Figure FDA0003470779550000029
的越限阈值；
ii)用户用电同比数据
电力用户i的用电同比数据
Figure FDA00034707795500000210
定义为
Figure FDA00034707795500000211
式中，Tequ为数据的同比周期长度；T0为用户用电异常评估的开始时间；
iii)用户用电环比数据
电力用户i的环比数据定义为
Figure FDA00034707795500000212
式中，Tcir为量测数据的环比时间间隔；
iv)离散系数
离散系数定义为
Figure FDA00034707795500000213
Figure FDA00034707795500000214
Figure FDA00034707795500000215
Figure FDA00034707795500000216
式中，
Figure FDA00034707795500000217
为量测数据
Figure FDA00034707795500000218
全天的总和；
Figure FDA00034707795500000219
为量测数据
Figure FDA00034707795500000220
在采样周期内的平均值；
v)用户用电数据幅值
从用户的用电量幅值可以看出用户的过载和越限情况，用户i的用电数据幅值
Figure FDA0003470779550000031
可以表示为：
Figure FDA0003470779550000032
Figure FDA0003470779550000033
b)低压用户用电异常电气指标
i)零线电压
定义电力用户i的中性线电压
Figure FDA0003470779550000034
为
Figure FDA0003470779550000035
ii)用户负载率
电力用户i的负荷率ILR表示为
Figure FDA0003470779550000036
式中，
Figure FDA0003470779550000037
为电力用户i的合同容量；
iii)零线和火线电流差
火线与零线电流之差表示为
Figure FDA0003470779550000038
iv)线路等效阻抗
线路阻抗指标ILI表示为
Figure FDA0003470779550000039
Figure FDA00034707795500000310
Figure FDA00034707795500000311
v)三相不平衡度
三相不平衡是指电力系统三相电流或电压幅值不一致，幅值差超过规定范围，三相不平衡度Iunb表示为
Figure FDA0003470779550000041
Figure FDA0003470779550000042
式中，
Figure FDA0003470779550000043
为用户i在d天t时刻的三相不平衡度。
2.根据权利要求1所述的基于数据驱动方法的低压用户用电异常评估方法，其特征在于，步骤2)是基于提取的电力用户用电异常指标，确定低压用户用电异常特征，具体如下：
1)针对单相电力用户，根据提取的指标确定过负荷特征、过电压特征、零线电流特征和线路阻抗特征四种特征向量:
过负荷特征:
Figure FDA0003470779550000044
过电压特征:
Figure FDA0003470779550000045
零线电流特征:
Figure FDA0003470779550000046
线路阻抗特征:
Figure FDA0003470779550000047
单相电力用户的异常风险决策矩阵可以表示为：
Figure FDA0003470779550000048
式中，F为四个特征的下标；
2)针对三相电力用户，根据提取的指标确定过负荷特征、过电压特征、零线电压特征和线阻抗特征四种异常特征向量:
过负荷特征:
Figure FDA0003470779550000051
过电压特征:
Figure FDA0003470779550000052
零线电流特征:
Figure FDA0003470779550000053
线路阻抗特征：
Figure FDA0003470779550000054
三相电力用户的异常风险决策矩阵可以表示为：
Figure FDA0003470779550000055
式中，F为四个特征的下标。
3.根据权利要求1所述的基于数据驱动方法的低压用户用电异常评估方法，其特征在于，基于CRITIC法和雷达图法对步骤2)获得的低压用户用电异常特征进行低压用户用电异常评估，具体如下：
a)形成用电异常风险决策矩阵
Figure FDA0003470779550000056
τ表示低压用户类型，τ＝s，代表该用户为单相用户；τ＝t，代表该用户为三相用户；
b)采用CRITIC法确定各个指标的权重，fCR(·)代表CRITIC方法，权重
Figure FDA0003470779550000057
可以表示为：
Figure FDA0003470779550000061
c)采用雷达图法确定用户的各个用电异常特征值，fRD(·,·)表示雷达图法，用电异常特征值
Figure FDA0003470779550000062
可以表示为：
Figure FDA0003470779550000063
d)分别形成单相用户和三相用户的用电异常特征矩阵
Figure FDA0003470779550000064
和
Figure FDA0003470779550000065
e)采用CRITIC法确定用户的用电异常特征权重
Figure FDA0003470779550000066
f)采用雷达图法确定单相用户和三相用户的异常风险评估结果
Sτ＝fRD(Mτ,Wτ)＝[Sτ(1),Sτ(2),...,Sτ(n)]T。
CN201910596414.8A 2019-07-03 2019-07-03 一种基于数据驱动方法的低压用户用电异常评估方法 Active CN110390472B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910596414.8A CN110390472B (zh) 2019-07-03 2019-07-03 一种基于数据驱动方法的低压用户用电异常评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910596414.8A CN110390472B (zh) 2019-07-03 2019-07-03 一种基于数据驱动方法的低压用户用电异常评估方法

Publications (2)

Publication Number Publication Date
CN110390472A CN110390472A (zh) 2019-10-29
CN110390472B true CN110390472B (zh) 2022-03-25

Family

ID=68286150

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910596414.8A Active CN110390472B (zh) 2019-07-03 2019-07-03 一种基于数据驱动方法的低压用户用电异常评估方法

Country Status (1)

Country Link
CN (1) CN110390472B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113361943A (zh) * 2021-06-21 2021-09-07 广东电网有限责任公司 一种基于决策树规则生成的专变用户窃电检测方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104966153A (zh) * 2015-06-09 2015-10-07 国网天津市电力公司 一种光伏并网发电系统稳态电能质量综合评估方法
CN107623319A (zh) * 2017-08-17 2018-01-23 广东电网有限责任公司惠州供电局 一种基于多评价指标的电网关键线路辨识方法
CN110046792A (zh) * 2019-02-28 2019-07-23 国网浙江省电力有限公司 基于雷达图综合评价法的零电量用户排查方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104966153A (zh) * 2015-06-09 2015-10-07 国网天津市电力公司 一种光伏并网发电系统稳态电能质量综合评估方法
CN107623319A (zh) * 2017-08-17 2018-01-23 广东电网有限责任公司惠州供电局 一种基于多评价指标的电网关键线路辨识方法
CN110046792A (zh) * 2019-02-28 2019-07-23 国网浙江省电力有限公司 基于雷达图综合评价法的零电量用户排查方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
基于决策树和数据驱动的零电量用户筛选方法;章博;《山东大学学报(工学版)》;20190910;第49卷(第05期);第29-36页 *
基于用电行为分析的在线用电异常及风险监测系统的设计与实现;谭致远;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20160415(第04期);第C042-474页 *
基于高维随机矩阵大数据分析模型的输变电设备关键性能评估方法;严英杰;《中国电机工程学报》;20160120;第36卷(第2期);第435-445页 *

Also Published As

Publication number Publication date
CN110390472A (zh) 2019-10-29

Similar Documents

Publication Publication Date Title
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
CN109374995B (zh) 低压配电系统、线路老化和反窃电监测方法及对应系统
CN110108964B (zh) 基于物联网的电力系统监控对象故障录波数据处理方法
CN111371188A (zh) 一种用电异常数据实时预警系统
CN105954632A (zh) 一种氧化锌避雷器在线监测与诊断方法
CN113641723B (zh) 一种基于线路阻抗参数估计的窃电预测方法
CN110390472B (zh) 一种基于数据驱动方法的低压用户用电异常评估方法
CN103837777A (zh) 供电系统电能质量评估方法及系统
CN105486917B (zh) 一种节能型输电线损耗和故障检测方法
CN111654392A (zh) 基于互信息的低压配电网拓扑识别方法及系统
CN112381467A (zh) 一种基于配电台区全量采集大数据的人工智能线损分析系统
CN117332215A (zh) 一种高低压配电柜异常故障信息远程监测系统
CN115685046A (zh) 互感器计量异常识别方法、装置、设备及存储介质
CN114527361A (zh) 确定交流回路电弧故障的方法及装置
Reis et al. Correlation-based single-ended traveling wave fault location methods: A key settings parametric sensitivity analysis
CN110277835B (zh) 一种基于用电信息采集系统的低压用户过电压风险监测方法
CN117526998A (zh) 基于扩频载波通信的供电故障监测方法及系统
CN107632237A (zh) 一种基于故障后小波特征量相关性的单相接地故障选线方法
CN109283385B (zh) 一种避雷器监测数据在线处理方法及系统
CN103257303A (zh) 基于三次谐波电流的中性线断线检测方法
CN115712811A (zh) 基于低压拓扑配电网下的阻抗计算模型
CN113054747B (zh) 一种配电台区非线性负荷的非侵入式检测方法
CN114580938A (zh) 一种多数据维度的综合性配电效果评估方法
CN107623315A (zh) 基于安全性评价的中压配电网中性点接地方式选择方法
CN109687384B (zh) 一种基于计算无功功率的大功率切除保护和复位方法

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
GR01 Patent grant
GR01 Patent grant