CN110749784A - 一种基于电力数据小波分析的线路窃电检测方法 - Google Patents

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

一种基于电力数据小波分析的线路窃电检测方法

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；W_j(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；Q_j(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{y_l(k)，l＝1,2,…,N}，y_l(k)＝(y_l1(k),…,y_lD(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)…σ_N(k))；

(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。

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；W_j(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；Q_j(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{y_l(k)，l＝1,2,…,N}，y_l(k)＝(y_l1(k),…,y_lD(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)σ_N(k))。

(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(5)。

(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；W_j(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；Q_j(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{y_l(k)，l＝1,2,…,N}，y_l(k)＝(y_l1(k),…,y_lD(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) … σ_N(k))；

(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。

Images