CN111046250A - 一种基于大数据分析的窃电对象筛查方法 - Google Patents
一种基于大数据分析的窃电对象筛查方法 Download PDFInfo
- Publication number
- CN111046250A CN111046250A CN201811184273.0A CN201811184273A CN111046250A CN 111046250 A CN111046250 A CN 111046250A CN 201811184273 A CN201811184273 A CN 201811184273A CN 111046250 A CN111046250 A CN 111046250A
- Authority
- CN
- China
- Prior art keywords
- electricity
- screening
- utilization
- consumption
- range
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 262
- 238000012216 screening Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000007405 data analysis Methods 0.000 title claims abstract description 16
- 238000011835 investigation Methods 0.000 claims abstract description 62
- 238000010438 heat treatment Methods 0.000 claims description 8
- 241000284466 Antarctothoa delta Species 0.000 claims description 3
- 235000008733 Citrus aurantifolia Nutrition 0.000 claims description 3
- 235000007164 Oryza sativa Nutrition 0.000 claims description 3
- 235000011941 Tilia x europaea Nutrition 0.000 claims description 3
- 239000004566 building material Substances 0.000 claims description 3
- 239000004568 cement Substances 0.000 claims description 3
- 239000004567 concrete Substances 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 239000011521 glass Substances 0.000 claims description 3
- 239000004571 lime Substances 0.000 claims description 3
- 239000002184 metal Substances 0.000 claims description 3
- 238000005272 metallurgy Methods 0.000 claims description 3
- 235000009566 rice Nutrition 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 240000007594 Oryza sativa Species 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 7
- 241000209094 Oryza Species 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Economics (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据分析的窃电对象筛查方法,利用用电大数据,通过对用电客户分别进行行业筛选、用电规模筛选、用电平稳度筛选、容量与电量匹配筛选、电量与线损对比筛选以及用电客户计量变更筛选,分别筛选出第一排查范围、第二排查范围、第三排查范围、第四排查范围、第五排查范围以及第六排查范围,当用电客户同时落入第一排查范围、第二排查范围、第三排查范围、第四排查范围、第五排查范围以及第六排查范围时,则该用电客户列入窃电对象排查范围,再由排查人员对窃电对象排查范围进行实地排查,找出最终的窃电对象。优点在于:本发明可大大缩小排查范围,避免盲目排查,省时省力,筛查准确率高,排查效率高。
Description
技术领域:
本发明涉及电力技术领域,尤其涉及一种基于大数据分析的窃电对象筛查方法。
背景技术:
长期以来,部分用电客户受到利益的驱使,千方百计的在用电计量设备上做手脚,实施窃电。窃电行为给电力运营公司造成了巨额损失,干扰了正常的供用电秩序,并可能引发电网安全事故,甚至造成人员伤亡,电能损失增大了线损,增加了其他合法用电客户的负担,故而,窃电行为造成的后果不仅是电量损失的问题,还影响着电网的安全运行和社会稳定。
针对上述问题,电力运营公司也提出了一些排查窃电行为的方法,主要方法是通过人工检查排除,排查人员依据经验分析用电客户产生的用电数据,找出可能存在窃电及违约用电的用电客户,再到现场勘查,确认窃电及违约用电行为的真实与否;这种方法的缺点在于:排查目标不明确,盲目排查,人力投入大,人员成本高,排查效率低,且对排查人员的经验要求较高,准确率低,及时性差,大部分窃电用电客户不能被及时找到。也有采用市场上专业的窃电监测设备,来实现监测用电客户的电压、电流、负荷,同样可以发现窃电用户的用电异常,但该方法由于前期不清楚哪些用户是可疑的窃电及违约用电客户,只能大批量投入资金购买设备,投入成本高、排查效率低。
发明内容:
本发明的目的在于提供一种省时省力、筛查准确率高、排查效率高的基于大数据分析的窃电对象筛查方法。
本发明由如下技术方案实施:
一种基于大数据分析的窃电对象筛查方法,利用用电大数据,通过对用电客户分别进行行业筛选、用电规模筛选、用电平稳度筛选、容量与电量匹配筛选、电量与线损对比筛选以及用电客户计量变更筛选,分别筛选出第一排查范围、第二排查范围、第三排查范围、第四排查范围、第五排查范围以及第六排查范围,当用电客户同时落入第一排查范围、第二排查范围、第三排查范围、第四排查范围、第五排查范围以及第六排查范围时,则该用电客户列入窃电对象排查范围,再由排查人员对窃电对象排查范围进行实地排查,找出最终的窃电对象。
进一步的,所述用电大数据包括用电客户档案数据、电费数据、业扩工单数据、供电数据、电量采集装置更换数据以及由电量采集装置采集到的用电客户用电数据。
进一步的,所述行业筛选的具体步骤为:
(1)、将用电客户档案数据中包含“热力”、“供暖”或“锅炉”中任意一个或多个字段的用电客户剔除;
(2)、剩余的用电客户中,当用电客户的档案数据中包含“火锅”、“饭”、“网咖”、“白灰”、“水泥”、“冶金”、“金属”、“玻璃”、“塑料”、“化工”、“建材”、“宾馆”、“酒店”、“会所”或“商砼”中的任意一个或多个字段,则该用电客户列入第一排查范围。
进一步的,所述用电规模筛选的具体步骤为:
当用电客户的档案信息为正常计费的非居民用电客户,且当月的用电量Q0≥500kWh时,则该用电客户列入第二排查范围。
进一步的,所述用电平稳度筛选的具体步骤为:
当用电客户满足以下四个条件时,则该用电客户列入第三排查范围;
(1)、|Q0-Q平均|÷Q平均*100%≥50%,
其中,Q0为当月的用电量,Qn为当月前n个月的月用电量,n=1,2,…12;Q平均为用电客户近12个月的平均用电量,Q平均=(Q1+Q2+…+Q12)/12;
(2)、Q平均>100kWh;
(3)、Qmax÷Qmin>3,
其中,Qmax为用电客户近12个月中的最大用电量,Qmax=max{Q1、Q2、…Q12};Qmin为用电客户近12个月中的最小用电量,Qmin=min{Q1、Q2、…Q12};
(4)、R连续3个月均<5%,
其中,R为用电客户相邻两个月的电量差,R=Qn÷Qn-1*100%。
进一步的,所述容量与电量匹配筛选的具体步骤为:
(1)、将用电客户的业扩工单数据中包含“增减容”、“暂停”、“复电”或“退补”中任意一个或多个字段的用电客户剔除;
(2)、剩余的用电客户中,当用电客户满足以下两个条件中的任意一个时,则该用电客户列入第四排查范围;
(a)、对于按照容量计收基本电费的用电客户,当用电客户的电费数据中的基本电费P÷用电客户当月的用电量Q0>0.095元/kWh;
(b)、对于按照需量计收基本电费的用电客户,当用电客户的电费数据中的基本电费P÷用电客户当月的用电量Q0>0.14元/kWh。
进一步的,所述电量与线损对比筛选的具体步骤为:
(1)、计算当月前m个月,用电客户所在区域的线损率ΔPm=(Q供m-Q总m)÷Q供m*100%,其中,Q供m为当月前m个月的用电客户所在区域的供电总量,Q总m为当月前m个月的用电客户所在区域的用电总量,m=0,1,2,…6;
(2)、当近6个月的Q总m连续增高、且近6个月的ΔPm连续降低,或近6个月的Q总m先升后降、且近6个月的ΔPm先降后升,则该区域列入第五排查范围。
进一步的,所述用电客户计量变更筛选的具体步骤为:
当用电客户的电量采集装置在2年内更换次数≥2次,则该用电客户列入第六排查范围。
进一步的,所述电量采集装置为电能表或互感器。
本发明的优点:
本发明通过六种筛选方式对用电客户进行筛选,筛选出六个排查范围,当用电客户同时落入六个排查范围时,列入窃电对象排查范围,再由排查人员对窃电对象排查范围进行实地排查,找出最终的窃电对象。本发明可大大缩小排查范围,避免盲目排查,省时省力,降低了人力投入及成本,筛查准确率高,准确率超过90%,排查效率高。
具体实施方式:
实施例1:
一种基于大数据分析的窃电对象筛查方法,利用用电大数据,通过对用电客户分别进行行业筛选、用电规模筛选、用电平稳度筛选、容量与电量匹配筛选、电量与线损对比筛选以及用电客户计量变更筛选,分别筛选出第一排查范围、第二排查范围、第三排查范围、第四排查范围、第五排查范围以及第六排查范围,当用电客户同时落入第一排查范围、第二排查范围、第三排查范围、第四排查范围、第五排查范围以及第六排查范围时,则该用电客户列入窃电对象排查范围,再由排查人员对窃电对象排查范围进行实地排查,找出最终的窃电对象。
用电大数据包括用电客户档案数据、电费数据、业扩工单数据、供电数据、电量采集装置更换数据以及由电量采集装置采集到的用电客户用电数据。
行业筛选的具体步骤为:
(1)、将用电客户档案数据中包含“热力”、“供暖”或“锅炉”中任意一个或多个字段的用电客户剔除;对于热力公司、供暖公司是不收取基本电费的,故不列入筛选范围。
(2)、剩余的用电客户中,当用电客户的档案数据中包含“火锅”、“饭”、“网咖”、“白灰”、“水泥”、“冶金”、“金属”、“玻璃”、“塑料”、“化工”、“建材”、“宾馆”、“酒店”、“会所”或“商砼”中的任意一个或多个字段,则该用电客户列入第一排查范围。根据对已有的窃电及违约用电客户分析,发现上述行业的窃电可能性较高。
在电力营销系统中,用电客户会有不同的状态,如正常、暂停、冻结、销户等,用电客户也会有不同的种类,如计费户、考核户,用电客户还会有不同的分类,如居民、大工业用电客户及商业用电客户等;本实施例筛选的窃电及违约用电户都属于正常计费的非居民用电客户。另外,根据多年的工作经验,绝大部分窃电及违约用电客户的用电量不会少于500KWH,考虑到现场排查的工作量及可操作性,故需要限定用电规模;用电规模筛选的具体步骤为:
当用电客户的档案信息为正常计费的非居民用电客户,且当月的用电量Q0≥500kWh时,则该用电客户列入第二排查范围。
正常情况下,每个用电客户每月的用电量是趋于稳定的,如果用电客户出现了窃电或被窃电的情况,则用电量的变化趋势会发生变化,故需对用电客户的用电平稳度进行筛选;用电平稳度筛选的具体步骤为:
当用电客户满足以下四个条件时,则该用电客户列入第三排查范围;
(1)、|Q0-Q平均|÷Q平均*100%≥50%,
其中,Qn为当月前n个月的月用电量,n=1,2,…12;Q平均为用电客户近12个月的平均用电量,Q平均=(Q1+Q2+…+Q12)/12;
(2)、Q平均>100kWh;
(3)、Qmax÷Qmin>3,
其中,Q0为当月的用电量,Qmax为用电客户近12个月中的最大用电量,Qmax=max{Q1、Q2、…Q12};Qmin为用电客户近12个月中的最小用电量,Qmin=min{Q1、Q2、…Q12};
(4)、R连续3个月均<5%,
其中,R为用电客户相邻两个月的电量差,R=Qn÷Qn-1*100%。
在电力行业中,电费包括基本电费、电度电费和力率调整电费三部分,基本电费是指按用户电容量或者最大需量计算的电费,电度电费是指按用户用电度数计算的电费,力调电费是指根据有无功电量来计算其平均功率因数,从而收取奖惩性电费。部分大工业用户、工商业用户为了少缴纳电费,会在基本电费方面“下功夫”。对于安装变压器的大工业用户及工商业用户来说,从核实电量计量准确性的角度,可以利用以下公式,电量=容量(或需量)×运行时间;从核实电费核算准确性的角度,可以利用以下公式,基本电费=容量(或需量)×单价。通过整合上述两个公式,结果为:基本电费=(电量÷运行时间)×单价。其中容量电费的单价为19元,需量电费的单价为28,其中运行时间指每个用户的变压器每月的运行时长,正常运营情况下每月最少会达到200小时。对于近期开展增减容、暂停、复电的客户也属于正常操作,不列入筛选范围。
容量与电量匹配筛选的具体步骤为:
(1)、将用电客户的业扩工单数据中包含“增减容”、“暂停”、“复电”或“退补”中任意一个或多个字段的用电客户剔除;
(2)、剩余的用电客户中,当用电客户满足以下两个条件中的任意一个时,则该用电客户列入第四排查范围;
(a)、对于按照容量计收基本电费的用电客户,当用电客户的电费数据中的基本电费P÷用电客户当月的用电量Q0>0.095元/kWh;
(b)、对于按照需量计收基本电费的用电客户,当用电客户的电费数据中的基本电费P÷用电客户当月的用电量Q0>0.14元/kWh。
对于窃电及违约用电的大工业用电客户及商业用电客户来说,如果发生窃电行为,必将影响用电客户所在区域的线损率,进而影响整条线路的线损率,依据线损率=(供电总量-用电总量)÷供电总量的计算公式,用电客户的用电总量如果连续增高,则用电客户所在区域的线损率则连续降低,用电客户的用电总量如果连续降低,则用电客户所在区域的线损率则连续增高,即用电客户的用电总量与用电客户所在区域的线损率成反比;电量与线损对比筛选的具体步骤为:
(1)、计算当月前m个月,用电客户所在区域的线损率ΔPm=(Q供m-Q总m)÷Q供m*100%,其中,Q供m为当月前m个月的用电客户所在区域的供电总量,Q总m为当月前m个月的用电客户所在区域的用电总量,m=0,1,2,…6;
(2)、当近6个月的Q总m连续增高、且近6个月的ΔPm连续降低,或近6个月的Q总m先升后降、且近6个月的ΔPm先降后升,则该区域列入第五排查范围。
用电客户在发生窃电及违约用电行为后,为了销毁证据,往往会采用更换电量采集装置的方式,更有部分用户会故意损害电量采集装置,或者与供电局抄表员里勾外联,在更换电量采集装置后,排查人员往往很难再找到窃电证据,故需对用电客户电量采集装置更换频率进行筛选;用电客户计量变更筛选的具体步骤为:
当用电客户的电量采集装置在2年内更换次数≥2次,则该用电客户列入第六排查范围。
本实施例中,电量采集装置为电能表或互感器。
通过本实施例中的六种筛选方式确定的最终的窃电对象排查范围,再分派排查人员进行实地勘察窃电或被窃电行为是否真实存在,通过实际验证,筛查准确率超过90%;本实施例可大大缩小排查范围,避免盲目排查,省时省力、排查效率高。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于大数据分析的窃电对象筛查方法,其特征在于,利用用电大数据,通过对用电客户分别进行行业筛选、用电规模筛选、用电平稳度筛选、容量与电量匹配筛选、电量与线损对比筛选以及用电客户计量变更筛选,分别筛选出第一排查范围、第二排查范围、第三排查范围、第四排查范围、第五排查范围以及第六排查范围,当用电客户同时落入第一排查范围、第二排查范围、第三排查范围、第四排查范围、第五排查范围以及第六排查范围时,则该用电客户列入窃电对象排查范围,再由排查人员对窃电对象排查范围进行实地排查,找出最终的窃电对象。
2.根据权利要求1所述的一种基于大数据分析的窃电对象筛查方法,其特征在于,所述用电大数据包括用电客户档案数据、电费数据、业扩工单数据、供电数据、电量采集装置更换数据以及由电量采集装置采集到的用电客户用电数据。
3.根据权利要求2所述的一种基于大数据分析的窃电对象筛查方法,其特征在于,所述行业筛选的具体步骤为:
(1)、将用电客户档案数据中包含“热力”、“供暖”或“锅炉”中任意一个或多个字段的用电客户剔除;
(2)、剩余的用电客户中,当用电客户的档案数据中包含“火锅”、“饭”、“网咖”、“白灰”、“水泥”、“冶金”、“金属”、“玻璃”、“塑料”、“化工”、“建材”、“宾馆”、“酒店”、“会所”或“商砼”中的任意一个或多个字段,则该用电客户列入第一排查范围。
4.根据权利要求2所述的一种基于大数据分析的窃电对象筛查方法,其特征在于,所述用电规模筛选的具体步骤为:
当用电客户的档案信息为正常计费的非居民用电客户,且当月的用电量Q0≥500kWh时,则该用电客户列入第二排查范围。
5.根据权利要求2所述的一种基于大数据分析的窃电对象筛查方法,其特征在于,所述用电平稳度筛选的具体步骤为:
当用电客户满足以下四个条件时,则该用电客户列入第三排查范围;
(1)、|Q0-Q平均|÷Q平均*100%≥50%,
其中,Q0为当月的用电量,Qn为当月前n个月的月用电量,n=1,2,…12;Q平均为用电客户近12个月的平均用电量,Q平均=(Q1+Q2+…+Q12)/12;
(2)、Q平均>100kWh;
(3)、Qmax÷Qmin>3,
其中,Qmax为用电客户近12个月中的最大用电量,Qmax=max{Q1、Q2、…Q12};Qmin为用电客户近12个月中的最小用电量,Qmin=min{Q1、Q2、…Q12};
(4)、R连续3个月均<5%,
其中,R为用电客户相邻两个月的电量差,R=Qn÷Qn-1*100%。
6.根据权利要求2所述的一种基于大数据分析的窃电对象筛查方法,其特征在于,所述容量与电量匹配筛选的具体步骤为:
(1)、将用电客户的业扩工单数据中包含“增减容”、“暂停”、“复电”或“退补”中任意一个或多个字段的用电客户剔除;
(2)、剩余的用电客户中,当用电客户满足以下两个条件中的任意一个时,则该用电客户列入第四排查范围;
(a)、对于按照容量计收基本电费的用电客户,当用电客户的电费数据中的基本电费P÷用电客户当月的用电量Q0>0.095元/kWh;
(b)、对于按照需量计收基本电费的用电客户,当用电客户的电费数据中的基本电费P÷用电客户当月的用电量Q0>0.14元/kWh。
7.根据权利要求2所述的一种基于大数据分析的窃电对象筛查方法,其特征在于,所述电量与线损对比筛选的具体步骤为:
(1)、计算当月前m个月,用电客户所在区域的线损率ΔPm=(Q供m-Q总m)÷Q供m*100%,其中,Q供m为当月前m个月的用电客户所在区域的供电总量,Q总m为当月前m个月的用电客户所在区域的用电总量,m=0,1,2,…6;
(2)、当近6个月的Q总m连续增高、且近6个月的ΔPm连续降低,或近6个月的Q总m先升后降、且近6个月的ΔPm先降后升,则该区域列入第五排查范围。
8.根据权利要求2所述的一种基于大数据分析的窃电对象筛查方法,其特征在于,所述用电客户计量变更筛选的具体步骤为:
当用电客户的电量采集装置在2年内更换次数≥2次,则该用电客户列入第六排查范围。
9.根据权利要求2所述的一种基于大数据分析的窃电对象筛查方法,其特征在于,所述电量采集装置为电能表或互感器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811184273.0A CN111046250B (zh) | 2018-10-11 | 2018-10-11 | 一种基于大数据分析的窃电对象筛查方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811184273.0A CN111046250B (zh) | 2018-10-11 | 2018-10-11 | 一种基于大数据分析的窃电对象筛查方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111046250A true CN111046250A (zh) | 2020-04-21 |
CN111046250B CN111046250B (zh) | 2023-09-29 |
Family
ID=70229215
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811184273.0A Active CN111046250B (zh) | 2018-10-11 | 2018-10-11 | 一种基于大数据分析的窃电对象筛查方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111046250B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004340767A (ja) * | 2003-05-16 | 2004-12-02 | Hitachi Ltd | 盗電を防止する電力売買方法と電力売買システム |
CN102692534A (zh) * | 2012-06-08 | 2012-09-26 | 上海市电力公司 | 一种防窃电的方法 |
WO2015015365A1 (en) * | 2013-07-31 | 2015-02-05 | Manohar Alfred | An electricity theft deterrent system and a method thereof |
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 |
CN106156269A (zh) * | 2016-06-01 | 2016-11-23 | 国网河北省电力公司电力科学研究院 | 一种反窃电精准定位在线监测方法 |
CN107492043A (zh) * | 2017-09-04 | 2017-12-19 | 国网冀北电力有限公司电力科学研究院 | 窃电分析方法及装置 |
-
2018
- 2018-10-11 CN CN201811184273.0A patent/CN111046250B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004340767A (ja) * | 2003-05-16 | 2004-12-02 | Hitachi Ltd | 盗電を防止する電力売買方法と電力売買システム |
CN102692534A (zh) * | 2012-06-08 | 2012-09-26 | 上海市电力公司 | 一种防窃电的方法 |
WO2015015365A1 (en) * | 2013-07-31 | 2015-02-05 | Manohar Alfred | An electricity theft deterrent system and a method thereof |
CN106156269A (zh) * | 2016-06-01 | 2016-11-23 | 国网河北省电力公司电力科学研究院 | 一种反窃电精准定位在线监测方法 |
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 |
CN107492043A (zh) * | 2017-09-04 | 2017-12-19 | 国网冀北电力有限公司电力科学研究院 | 窃电分析方法及装置 |
Non-Patent Citations (3)
Title |
---|
XIAODONG YUAN: "Research status of electricity-stealing identification technology for distributed PV" * |
庞莉萍;: "电量分析在反窃电工作中的运用" * |
王;陈建华;: "基于信息化的快速查找窃电及违约用电技术研究" * |
Also Published As
Publication number | Publication date |
---|---|
CN111046250B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103399186B (zh) | 一种基于线损监测锁定偷漏电用户的方法和装置 | |
CN101789628A (zh) | 企业电能节能管理系统 | |
US20090006279A1 (en) | Automatic utility usage rate analysis methodology | |
US20160203568A1 (en) | System and method for determining energy and ghg apportionment | |
CN106786549A (zh) | 一种基于智能配电网成本效益模型的综合效益分析法 | |
JP2009142023A (ja) | 広域電力データ総合管理システム及び広域電力データ総合管理プログラム | |
CN102299553A (zh) | 电能服务效果保障系统 | |
KR20120072306A (ko) | 공간별 전력사용량 비교 모니터링 시스템 및 방법 | |
Dewees et al. | The impact of sub-metering on condominium electricity demand | |
Backer | Power quality and asset management the other" two-thirds" of AMI value | |
CN111046250A (zh) | 一种基于大数据分析的窃电对象筛查方法 | |
Xue et al. | Research on evaluation indicators system for electricity market in China | |
JP2005070959A (ja) | 電力需要情報処理システム | |
RU78966U1 (ru) | Автоматизированная информационно-измерительная система учета, контроля и управления энергоресурсами в жилищно-коммунальном хозяйстве | |
CN115965265A (zh) | 基于平均电价的电力能效提升方法和系统 | |
CN201717675U (zh) | 电能服务效果保障系统 | |
Gul | An Assessment of Power Quality and Electricity Consumer’s Rights in Restructured Electricity Market in Turkey | |
Ahad et al. | Implementation and Feasibility Analysis of GSM Based Smart Energy Meter for Digitalized Power Consumption with Advanced Features | |
CN105027154A (zh) | 表征资源分配系统中的风险 | |
Aretz et al. | Evaluation of the energy saving potential through systematic data collection of the electricity consumption and heating system operation in the building sector | |
Mansuri et al. | A REVIEW: ENERGY & WATER AUDIT: TYPES, SCOPE, METHODOLOGY AND GAPS | |
Younger | Using interval meter data for improved facility management | |
Cai et al. | Analysis on complaint behavior of electric power customers | |
Meeks et al. | Enforcement in Electricity Services: Evidence from a Randomized Smart Meter Experiment | |
Energy et al. | Energy Management Systems |
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 |