CN110749784A - 一种基于电力数据小波分析的线路窃电检测方法 - Google Patents
一种基于电力数据小波分析的线路窃电检测方法 Download PDFInfo
- Publication number
- CN110749784A CN110749784A CN201910715660.0A CN201910715660A CN110749784A CN 110749784 A CN110749784 A CN 110749784A CN 201910715660 A CN201910715660 A CN 201910715660A CN 110749784 A CN110749784 A CN 110749784A
- Authority
- CN
- China
- Prior art keywords
- time
- line
- power
- electricity
- electricity stealing
- 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
Images
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/14—Fourier, Walsh or analogous domain transformations, e.g. Laplace, Hilbert, Karhunen-Loeve, transforms
- G06F17/148—Wavelet transforms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2134—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis
- G06F18/21347—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on separation criteria, e.g. independent component analysis using domain transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
Abstract
本发明涉及一种基于电力数据小波分析的线路窃电检测方法,该方法可以根据电力数据,通过小波变换分析,实时判断电力线路是否存在窃电行为。具体步骤包括:根据电力数据计算配电台区的逐时输出功率和各用户的逐时用电功率,其中电力数据包括配电台区总电度表逐时用电量,各用户电度表逐时用电量;根据已计算出的逐时功率,计算线路逐时线损率曲线,并标准化;对逐时线损率曲线进行带有滑动窗口的局部小波变换,提取小波变换后的奇异值向量;根据奇异值向量计算特征值,与窃电检测阈值比较,就可实时检测出是否存在窃电行为及窃电发生时间点。
Description
技术领域
本发明涉及智能电网配电线路状态监测领域,具体地说是一种基于电力数据小波分析的线路窃电检测方法。
背景技术
在电力领域里,窃电行为一直困扰着电力企业,窃电导致的后果让国家和社会蒙受巨大的损失,并且对电力系统的安全也造成了巨大的威胁,因而这是一个重要的社会问题。对于电力企业而言,必须运用各种手段途径,有效地防止窃电事件的发生。
目前,主要有人工检查和安装反窃电电表。人工检查的方式是根据工作人员自身经验,通过对现场和电表数据进行考查,判断是否存在窃电行为。由于如今电力系统规模庞大,用户数量巨大,这种方法往往费时费力,不够精准。反窃电电表主要是指具有禁止逆转功能的电表,可以防止反相电流窃电。但是,随着窃电手段的多样化,反窃电电表难以防止种类繁多的窃电行为。
随着智能电网的发展,目前电网已经配备了较为完备的监控系统,特别是用户电度表已经成为一种标准配置,用户电表数据已经成为电力管理部门对用户收取电费的依据,因此电力管理部门拥有海量的用户电表数据,这部分数据如果得到充分挖掘利用,不仅可以用于电费收取,还可以在不增加硬件投入的前提下,对配电网进行有效监管,构建低压配电网运行监测体系,实现低压配电网故障研判、拓扑分析、线路异常监测等应用,提升低压配电网精益化管理水平。为此,电力发展“十三五”规划要求全面提高电力系统的智能化水平。国家电网2016年发布的《基于监控数据的变电站设备运行大数据分析功能需求规范》也要求对变电站设备的运行大数据进行挖掘转换成有用的信息和知识,提高电网及设备的可观性、可控性。国家电网运检624号文件提出了智能电表支撑配电网运维管理工作方案,将探索基于智能电表的大数据研究分析列为重点工作内容之一。因此,利用电力大数据检测窃电行为是防窃电技术领域的发展趋势,如何合理地从大量电力数据中挖掘出有用信息来检测窃电异常是当前研究的热点。
目前基于电力数据的窃电检测方法,大多数对数据的利用率较低,不能充分挖掘大量电力数据中的有用信息来对窃电行为进行有效的检测,并且面对窃电行为的多样性,目前的方法都有一定的局限性,无法对各种窃电情况有良好的检测效果。
发明内容
针对现有的窃电检测方法自动化程度低、成本高、有效性差、适用性差等问题,本发明提出一种基于电力数据小波分析的线路窃电检测方法。采用该方法能够对电力数据充分利用,不涉及人为检查的过程,可有效实时地对配电线路中的窃电行为进行检测。
本发明要解决的技术问题是:如何从电力管理部门采集的大量用户电表数据及台区总电表数据中,挖掘出与线路窃电行为密切相关的特征信息,建立窃电判断模型,从而自动检测出线路是否存在窃电行为及窃电时间点。
为了达到上述目的,本发明采用如下技术方案:
一种基于电力数据小波分析的线路窃电检测方法,根据电力数据,通过小波变换分析,实时判断电力线路是否存在窃电行为;包括以下步骤:
(1)数据预处理:根据电力数据计算配电台区的逐时输出功率和各用户的逐时用电功率,其中电力数据包括配电台区总电度表逐时用电量,及各用户电度表逐时用电量;根据计算出的逐时功率,计算线路逐时线损率曲线,将线损率曲线标准化;
(2)窃电判断:对标准化后的逐时线损率曲线进行带有滑动窗口的局部小波变换,提取小波变换后的奇异值向量;根据奇异值向量计算特征值,与窃电检测阈值比较,检测出是否存在窃电行为及窃电发生时间点。
所述的步骤(1)具体为:
(1.1)台区配电线路上应至少包含一个总电度表和m个用户电度表,总电度表和用户电度表应具有逻辑对应关系,即:总电度表安装在台区输出主干线上并逐时测量该主干线上的实际用电量,m个用户电度表安装在该主干线分出的各分支线路上并逐时测量m个用户的实际用电量;
(1.2)假设当前时刻为T,根据T前面所有时刻总电度表、各用户电度表的历史用电量数据,计算逐时电功率:
其中,W0(i)为配电台区总电度表第i时刻用电量数据,i=1,2,…,T为测量时刻;Wj(i)是第j个用户电度表第i时刻的用电量数据,j=1,2,…,m为用户电度表序号;Δt表示电度表的测量时间间隔;P0(i)是配电台区第i时刻主干线的总输出功率;Qj(i)是第j个用户电度表第i时刻的用电功率;
(1.3)根据逐时电功率,计算逐时线损率曲线:
其中,x0(i)是逐时线损率;
(1.4)进一步将线损率曲线标准化:
其中,x(i)是标准化后的逐时线损率,E(x0)是逐时线损率的均值,S(x0)是逐时线损率的均值的标准差。
所述的步骤(2)具体为:
(2.1)设定小波变换层数N,滑动窗口长度L,用于提取奇异值向量的波形长度D和窃电判定阈值J,并令k=0;
(2.2)对第k个窗口{x(i)i=k+1,…,k+L}进行小波变换,得到N个波形{yl(k),l=1,2,…,N},yl(k)=(yl1(k),…,ylD(k)),提取小波变换的奇异值,即将矩阵
进行奇异值分解:Y(k)=V(k)Tσ(k)U(k),其中,σ(k)为奇异值矩阵,从而得到奇异值向量q(k)=(σ1(k)…σN(k));
(2.4)判断p(k)>J是否成立,若成立,则判定第k+L时刻存在窃电;若不成立,则判定第k+L时刻不存在窃电;
(2.5)判断k+L<T是否成立。若成立,令k=k+1,返回步骤(2.2);若不成立,则结束;
根据上述步骤(2.1)至(2.5),判断i=1,2,…,T的历史记录中线路上是否发生窃电行为及发生窃电行为的历史时刻;如果始终选择滑动窗口为当前窗口,即当前时刻T=k+L,则判断当前时刻是否发生窃电行为。
与现有技术相比,本发明具有如下的优点:
本发明方法针对电力大数据采用数据驱动、小波分析的方法,自动进行窃电行为特征提取与检测,不涉及任何人为检查的过程、不必加装额外硬件设备,能对各种窃电进行有效检测,克服现有的窃电检测方法自动化程度低、成本高、有效性差、适用性差等问题。
附图说明
图1是本发明的方法总示意图。
图2是本发明实施案例的总电度表和用户电度表数据。
图3是本发明实施案例的总输出功率和用户用电功率。
图4是本发明实施案例的线损率曲线。
图5是本发明实施案例的线损率标准化后的曲线。
图6是本发明的局部小波变换检测窃电方法的示意图。
图7是本发明实施案例的用于判断窃电的特征值曲线。
具体实施方式
下面结合附图对本发明的具体实施方式进行说明。
本发明是一种基于电力数据小波分析的线路窃电检测方法,实施流程如图1,步骤包括:根据电力数据计算配电台区的逐时输出功率和各用户的逐时用电功率;其中电力数据包括配电台区总电度表逐时用电量,及各用户电度表逐时用电量;根据计算出的逐时功率,计算线路逐时线损率曲线;将线损率曲线标准化。对标准化后的逐时线损率曲线进行带有滑动窗口的局部小波变换,提取小波变换后的奇异值向量;根据奇异值向量计算特征值,与窃电检测阈值比较,检测出是否存在窃电行为及窃电发生时间点。
具体地,台区配电线路上应至少包含一个总电度表和m个用户电度表,总电度表和用户电度表应具有逻辑对应关系,即:总电度表安装在台区输出主干线上并逐时测量该主干线上的实际用电量,m个用户电度表安装在该主干线分出的各分支线路上并逐时测量m个用户的实际用电量。例如针对某台区实际案例,该台区有一个总电度表,在该总电度表所在的主干线路上有85个用户电度表,某月1日到30日连续一个月的总电度表逐时数据、85个用户电度表逐时数据之和(时间间隔为1小时),如图2所示。
具体地,假设当前时刻为T,根据T前面所有时刻总电度表、各用户电度表的历史用电量数据,计算逐时电功率:
其中,W0(i)为配电台区总电度表第i时刻用电量数据,i=1,2,…,T为测量时刻;Wj(i)是第j个用户电度表第i时刻的用电量数据,j=1,2,…,m为用户电度表序号;Δt表示电度表的测量时间间隔;P0(i)是配电台区第i时刻主干线的总输出功率;Qj(i)是第j个用户电度表第i时刻的用电功率。例如针对前述某台区实际案例,该月1日到30日连续一个月的逐时总电功率、85个用户逐时电功率之和如图3所示。
具体地,根据逐时电功率,计算逐时线损率曲线:
其中,x0(i)是逐时线损率;例如针对前述某台区实际案例,该月1日到30日连续一个月的逐时线损率曲线如图4所示。
具体地,进一步将线损率曲线标准化:
其中,x(i)是标准化后的逐时线损率,E(x0)是逐时线损率的均值,S(x0)是逐时线损率的均值的标准差。例如针对前述某台区实际案例,该月1日到30日连续一个月的标准化后的逐时线损率曲线如图5所示。
基于以上标准化后的逐时线损率数据,通过局部小波变换,提取奇异值向量,计算特征值,从而可进行窃电检测,如图6所示。具体包括以下步骤:
(1)设定小波变换层数N,滑动窗口长度L,用于提取奇异值向量的波形长度D和窃电判定阈值J,并令k=0。例如针对前述某台区实际案例,设定以上参数N=5,L=15,D=15,J=100。
(2)对第k个窗口{x(i)i=k+1,…,k+L}进行小波变换,得到N个波形{yl(k),l=1,2,…,N},yl(k)=(yl1(k),…,ylD(k)),提取小波变换的奇异值,即将矩阵
进行奇异值分解:Y(k)=V(k)Tσ(k)U(k),其中,σ(k)为奇异值矩阵,从而得到奇异值向量q(k)=(σ1(k)σN(k))。
(4)判断p(k)>J是否成立,若成立,则判定第k+L时刻存在窃电;若不成立,则判定第k+L时刻不存在窃电。
(5)判断k+L<T是否成立。若成立,令k=k+1,即将滑动窗口前进1个时刻,返回步骤(2)。若不成立,则结束。
例如针对前述某台区实际案例,根据上述步骤,可得到该月1日到30日连续一个月的逐时特征值p(k),如图7所示。逐时判断p(k)>J是否成立,从图中可见,k=76,77,k=294,…300,和k=438时有p(k)>J,则可判断时间段i=91,92,时间段i=309,…315,以及时间段i=453存在窃电行为,其他时段线路正常。
Claims (3)
1.一种基于电力数据小波分析的线路窃电检测方法,根据电力数据,通过小波变换分析,实时判断电力线路是否存在窃电行为;其特征在于,包括以下步骤:
(1)数据预处理:根据电力数据计算配电台区的逐时输出功率和各用户的逐时用电功率,其中电力数据包括配电台区总电度表逐时用电量,及各用户电度表逐时用电量;根据计算出的逐时功率,计算线路逐时线损率曲线,将线损率曲线标准化;
(2)窃电判断:对标准化后的逐时线损率曲线进行带有滑动窗口的局部小波变换,提取小波变换后的奇异值向量;根据奇异值向量计算特征值,与窃电检测阈值比较,检测出是否存在窃电行为及窃电发生时间点。
2.根据权利要求1所述的基于电力数据小波分析的线路窃电检测方法,其特征在于,所述的步骤(1)具体为:
(1.1)台区配电线路上应至少包含一个总电度表和m个用户电度表,总电度表和用户电度表应具有逻辑对应关系,即:总电度表安装在台区输出主干线上并逐时测量该主干线上的实际用电量,m个用户电度表安装在该主干线分出的各分支线路上并逐时测量m个用户的实际用电量;
(1.2)假设当前时刻为T,根据T前面所有时刻总电度表、各用户电度表的历史用电量数据,计算逐时电功率:
其中,W0(i)为配电台区总电度表第i时刻用电量数据,i=1,2,…,T为测量时刻;Wj(i)是第j个用户电度表第i时刻的用电量数据,j=1,2,…,m为用户电度表序号;Δt表示电度表的测量时间间隔;P0(i)是配电台区第i时刻主干线的总输出功率;Qj(i)是第j个用户电度表第i时刻的用电功率;
(1.3)根据逐时电功率,计算逐时线损率曲线:
其中,x0(i)是逐时线损率;
(1.4)进一步将线损率曲线标准化:
其中,x(i)是标准化后的逐时线损率,E(x0)是逐时线损率的均值,S(x0)是逐时线损率的均值的标准差。
3.根据权利要求1所述的基于电力数据小波分析的线路窃电检测方法,其特征在于,所述的步骤(2)具体为:
(2.1)设定小波变换层数N,滑动窗口长度L,用于提取奇异值向量的波形长度D和窃电判定阈值J,并令k=0;
(2.2)对第k个窗口{x(i) i=k+1,…,k+L}进行小波变换,得到N个波形{yl(k),l=1,2,…,N},yl(k)=(yl1(k),…,ylD(k)),提取小波变换的奇异值,即将矩阵
(2.3)判断k≥1是否成立,若成立,则计算特征值若不成立,则转至(2.5);
(2.4)判断p(k)>J是否成立,若成立,则判定第k+L时刻存在窃电;若不成立,则判定第k+L时刻不存在窃电;
(2.5)判断k+L<T是否成立。若成立,令k=k+1,返回步骤(2.2);若不成立,则结束;
根据上述步骤(2.1)至(2.5),判断i=1,2,…,T的历史记录中线路上是否发生窃电行为及发生窃电行为的历史时刻;如果始终选择滑动窗口为当前窗口,即当前时刻T=k+L,则判断当前时刻是否发生窃电行为。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910715660.0A CN110749784B (zh) | 2019-08-05 | 2019-08-05 | 一种基于电力数据小波分析的线路窃电检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910715660.0A CN110749784B (zh) | 2019-08-05 | 2019-08-05 | 一种基于电力数据小波分析的线路窃电检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110749784A true CN110749784A (zh) | 2020-02-04 |
CN110749784B CN110749784B (zh) | 2022-07-08 |
Family
ID=69275878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910715660.0A Active CN110749784B (zh) | 2019-08-05 | 2019-08-05 | 一种基于电力数据小波分析的线路窃电检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110749784B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111521868A (zh) * | 2020-04-28 | 2020-08-11 | 广东电网有限责任公司梅州供电局 | 一种基于计量大数据筛查窃电用户的方法及装置 |
CN111784379A (zh) * | 2020-05-19 | 2020-10-16 | 北京中电普华信息技术有限公司 | 追缴电费的估算方法、装置和异常案例的筛选方法、装置 |
CN112749465A (zh) * | 2021-01-19 | 2021-05-04 | 深圳智芯微电子科技有限公司 | 用于检测窃电的方法、处理器、存储介质及检测系统 |
CN112804292A (zh) * | 2020-12-22 | 2021-05-14 | 珠海中慧微电子有限公司 | 一种电表台区识别方法 |
CN116008714A (zh) * | 2023-03-23 | 2023-04-25 | 青岛鼎信通讯股份有限公司 | 一种基于智能量测终端的反窃电分析方法 |
Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090263030A1 (en) * | 2004-03-10 | 2009-10-22 | Jayaram Ramasastry | Methods and apparatuses for compressing digital image data |
US20110164873A1 (en) * | 2010-01-05 | 2011-07-07 | Hitachi, Ltd. | Optical repeater, optical transmission apparatus, reflection abnormality detection method and reflection abnormality recovery determination method |
CN103136587A (zh) * | 2013-03-07 | 2013-06-05 | 武汉大学 | 基于支持向量机的配电网运行状态分类识别方法 |
CN103187804A (zh) * | 2012-12-31 | 2013-07-03 | 萧山供电局 | 一种基于不良电量数据辨识的台区用电监测方法 |
KR101325955B1 (ko) * | 2012-07-31 | 2013-11-07 | 서울과학기술대학교 산학협력단 | 전기 화재 소화 시스템 및 방법 |
CN103729746A (zh) * | 2014-01-17 | 2014-04-16 | 深圳供电局有限公司 | 一种线损异常定位的方法及系统 |
CN104111379A (zh) * | 2013-04-19 | 2014-10-22 | 国家电网公司 | 一种台区线损率灵活分析算法流程 |
CN104156556A (zh) * | 2014-06-20 | 2014-11-19 | 内蒙古电力勘测设计院有限责任公司 | 槽式太阳能光热电站设计与优化系统与方法 |
CN104331846A (zh) * | 2014-11-10 | 2015-02-04 | 国家电网公司 | 一种窃电行为多源建模与协同分析方法 |
CN104504508A (zh) * | 2014-12-15 | 2015-04-08 | 国网安徽省电力公司铜陵供电公司 | 基于层次分析与小波回归的台区闭环数据分析方法 |
SE1400057A1 (sv) * | 2014-02-05 | 2015-08-06 | Lintech Embedded Ab | System för styrning av tillförsel av elektrisk energi |
CN105956713A (zh) * | 2016-05-18 | 2016-09-21 | 中国电力科学研究院 | 一种新能源年/月电量计划制定方法 |
CN106778841A (zh) * | 2016-11-30 | 2017-05-31 | 国网上海市电力公司 | 异常用电检测模型的建立方法 |
CN107132410A (zh) * | 2017-03-13 | 2017-09-05 | 广东电网有限责任公司信息中心 | 10kV线路线损率异常原因检测方法和系统 |
CN107527114A (zh) * | 2017-08-09 | 2017-12-29 | 国网信通亿力科技有限责任公司 | 一种基于大数据的线路台区异常分析方法 |
CN108415880A (zh) * | 2018-02-01 | 2018-08-17 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种基于样本熵与小波变换的线损特性分析方法 |
CN108734602A (zh) * | 2018-04-09 | 2018-11-02 | 广东电网有限责任公司 | 一种基于高维随机矩阵的用户窃电行为辨识系统 |
CN108764603A (zh) * | 2018-03-30 | 2018-11-06 | 广东电网有限责任公司 | 一种基于高维随机矩阵的用户窃电行为辨识方法 |
CN108763893A (zh) * | 2018-04-26 | 2018-11-06 | 上海闻泰电子科技有限公司 | 基于人脸识别的读写装置、方法及电子设备 |
CN109116072A (zh) * | 2018-06-29 | 2019-01-01 | 广东电网有限责任公司 | 窃电分析方法、装置及服务器 |
CN109190916A (zh) * | 2018-08-09 | 2019-01-11 | 国网浙江桐庐县供电有限公司 | 基于大数据分析的反窃电方法 |
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 |
CN109636124A (zh) * | 2018-11-18 | 2019-04-16 | 韩霞 | 基于大数据的电力行业低压台区线损分析方法及处理系统 |
CN109753989A (zh) * | 2018-11-18 | 2019-05-14 | 韩霞 | 基于大数据与机器学习的电力用户窃电行为分析方法 |
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 |
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 |
CN110082645A (zh) * | 2019-05-28 | 2019-08-02 | 广东电网有限责任公司 | 一种台区窃电用户排查系统 |
-
2019
- 2019-08-05 CN CN201910715660.0A patent/CN110749784B/zh active Active
Patent Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090263030A1 (en) * | 2004-03-10 | 2009-10-22 | Jayaram Ramasastry | Methods and apparatuses for compressing digital image data |
US20110164873A1 (en) * | 2010-01-05 | 2011-07-07 | Hitachi, Ltd. | Optical repeater, optical transmission apparatus, reflection abnormality detection method and reflection abnormality recovery determination method |
KR101325955B1 (ko) * | 2012-07-31 | 2013-11-07 | 서울과학기술대학교 산학협력단 | 전기 화재 소화 시스템 및 방법 |
CN103187804A (zh) * | 2012-12-31 | 2013-07-03 | 萧山供电局 | 一种基于不良电量数据辨识的台区用电监测方法 |
CN103136587A (zh) * | 2013-03-07 | 2013-06-05 | 武汉大学 | 基于支持向量机的配电网运行状态分类识别方法 |
CN104111379A (zh) * | 2013-04-19 | 2014-10-22 | 国家电网公司 | 一种台区线损率灵活分析算法流程 |
CN103729746A (zh) * | 2014-01-17 | 2014-04-16 | 深圳供电局有限公司 | 一种线损异常定位的方法及系统 |
SE1400057A1 (sv) * | 2014-02-05 | 2015-08-06 | Lintech Embedded Ab | System för styrning av tillförsel av elektrisk energi |
CN104156556A (zh) * | 2014-06-20 | 2014-11-19 | 内蒙古电力勘测设计院有限责任公司 | 槽式太阳能光热电站设计与优化系统与方法 |
CN104331846A (zh) * | 2014-11-10 | 2015-02-04 | 国家电网公司 | 一种窃电行为多源建模与协同分析方法 |
CN104504508A (zh) * | 2014-12-15 | 2015-04-08 | 国网安徽省电力公司铜陵供电公司 | 基于层次分析与小波回归的台区闭环数据分析方法 |
CN105956713A (zh) * | 2016-05-18 | 2016-09-21 | 中国电力科学研究院 | 一种新能源年/月电量计划制定方法 |
CN106778841A (zh) * | 2016-11-30 | 2017-05-31 | 国网上海市电力公司 | 异常用电检测模型的建立方法 |
CN107132410A (zh) * | 2017-03-13 | 2017-09-05 | 广东电网有限责任公司信息中心 | 10kV线路线损率异常原因检测方法和系统 |
CN107527114A (zh) * | 2017-08-09 | 2017-12-29 | 国网信通亿力科技有限责任公司 | 一种基于大数据的线路台区异常分析方法 |
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 |
CN108415880A (zh) * | 2018-02-01 | 2018-08-17 | 中国南方电网有限责任公司超高压输电公司检修试验中心 | 一种基于样本熵与小波变换的线损特性分析方法 |
CN108764603A (zh) * | 2018-03-30 | 2018-11-06 | 广东电网有限责任公司 | 一种基于高维随机矩阵的用户窃电行为辨识方法 |
CN108734602A (zh) * | 2018-04-09 | 2018-11-02 | 广东电网有限责任公司 | 一种基于高维随机矩阵的用户窃电行为辨识系统 |
CN108763893A (zh) * | 2018-04-26 | 2018-11-06 | 上海闻泰电子科技有限公司 | 基于人脸识别的读写装置、方法及电子设备 |
CN109116072A (zh) * | 2018-06-29 | 2019-01-01 | 广东电网有限责任公司 | 窃电分析方法、装置及服务器 |
CN109190916A (zh) * | 2018-08-09 | 2019-01-11 | 国网浙江桐庐县供电有限公司 | 基于大数据分析的反窃电方法 |
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 |
CN109636124A (zh) * | 2018-11-18 | 2019-04-16 | 韩霞 | 基于大数据的电力行业低压台区线损分析方法及处理系统 |
CN109753989A (zh) * | 2018-11-18 | 2019-05-14 | 韩霞 | 基于大数据与机器学习的电力用户窃电行为分析方法 |
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 |
CN110082645A (zh) * | 2019-05-28 | 2019-08-02 | 广东电网有限责任公司 | 一种台区窃电用户排查系统 |
Non-Patent Citations (4)
Title |
---|
HU XIAORUI等: "Anti-theft and location method based on pulse transmission attribute for power cables", 《 2014 INTERNATIONAL SYMPOSIUM ON FUNDAMENTALS OF ELECTRICAL ENGINEERING (ISFEE)》 * |
KAN TANG等: "Power Transformer Anomaly Detection Based on Adaptive Kernel Fuzzy C-Means Clustering and Kernel Principal Component Analysis", 《2018 AUSTRALIAN & NEW ZEALAND CONTROL CONFERENCE (ANZCC)》 * |
唐虎等: "基于用电信息采集系统的在线监测运用研究", 《电力安全技术》 * |
潘红广等: "用电信息采集系统在台区线损管理中的应用分析", 《电力讯息》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111521868A (zh) * | 2020-04-28 | 2020-08-11 | 广东电网有限责任公司梅州供电局 | 一种基于计量大数据筛查窃电用户的方法及装置 |
CN111784379A (zh) * | 2020-05-19 | 2020-10-16 | 北京中电普华信息技术有限公司 | 追缴电费的估算方法、装置和异常案例的筛选方法、装置 |
CN111784379B (zh) * | 2020-05-19 | 2023-09-15 | 北京中电普华信息技术有限公司 | 追缴电费的估算方法、装置和异常案例的筛选方法、装置 |
CN112804292A (zh) * | 2020-12-22 | 2021-05-14 | 珠海中慧微电子有限公司 | 一种电表台区识别方法 |
CN112804292B (zh) * | 2020-12-22 | 2022-11-11 | 珠海中慧微电子有限公司 | 一种电表台区识别方法 |
CN112749465A (zh) * | 2021-01-19 | 2021-05-04 | 深圳智芯微电子科技有限公司 | 用于检测窃电的方法、处理器、存储介质及检测系统 |
CN116008714A (zh) * | 2023-03-23 | 2023-04-25 | 青岛鼎信通讯股份有限公司 | 一种基于智能量测终端的反窃电分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110749784B (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110749784B (zh) | 一种基于电力数据小波分析的线路窃电检测方法 | |
CN110097297B (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
Huang et al. | Non-technical loss detection using state estimation and analysis of variance | |
CN109490679B (zh) | 基于非侵入式负荷监测的智能窃电稽查系统及方法 | |
Manousakis et al. | Taxonomy of PMU placement methodologies | |
CN106093707B (zh) | 智能防窃电分析系统的数据处理方法 | |
Kang et al. | Big data analytics in China's electric power industry: modern information, communication technologies, and millions of smart meters | |
CN109633321B (zh) | 一种台区户变关系区分系统、方法及台区高损监测方法 | |
CN103208091A (zh) | 一种基于用电负荷管理系统数据挖掘的反窃电方法 | |
CN104483575A (zh) | 用于非侵入式电力监测的自适应负荷事件检测方法 | |
CN110806518A (zh) | 一种台区线损异动分析模块及其操作方法 | |
CN110047013B (zh) | 反专变用户间断型窃电方法 | |
Huang et al. | Energy theft detection via artificial neural networks | |
Groß et al. | Comparison of stochastic load profile modeling approaches for low voltage residential consumers | |
Fragkioudaki et al. | Detection of non-technical losses in smart distribution networks: A review | |
Yip et al. | Detection of energy theft and metering defects in advanced metering infrastructure using analytics | |
CN115759708A (zh) | 一种考虑电力时空分布特性的线损分析方法及系统 | |
Hartmann et al. | Suspicious electric consumption detection based on multi-profiling using live machine learning | |
CN106685086B (zh) | 远程用电管理系统 | |
CN108062616B (zh) | 一种具有约束条件的用电异常检测系统 | |
CN113687293A (zh) | 基于大数据的线损异常智能分析方法 | |
Zhang et al. | Research on comprehensive diagnosis model of anti-stealing electricity based on big data technology | |
Mendiola et al. | Detection of pilferage in an ami-enabled low-voltage network using energy reading anomalies | |
CN114362134B (zh) | 一种基于线损合格率的中压线路降损方法 | |
CN114498923A (zh) | 一种基于低压台区分段线损的反窃电方法 |
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 |