CN111915189A - 一种基于四分位方法的窃电行为检测方法 - Google Patents
一种基于四分位方法的窃电行为检测方法 Download PDFInfo
- Publication number
- CN111915189A CN111915189A CN202010763945.4A CN202010763945A CN111915189A CN 111915189 A CN111915189 A CN 111915189A CN 202010763945 A CN202010763945 A CN 202010763945A CN 111915189 A CN111915189 A CN 111915189A
- Authority
- CN
- China
- Prior art keywords
- meter
- user
- data
- quartile
- 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
Images
Classifications
-
- 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
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于四分位方法的窃电行为检测方法,包括:步骤一,对台区表计进行校时;步骤二,利用宽带载波技术抄读台区考核表、各用户表电量冻结数据,采样频率为30分钟/点;步骤三,利用GPRS通讯将数据回传到主站,并存入数据库中;步骤四,累计500采样点数据,主站数据库数据清洗、填充,完成数据预处理;步骤五,利用箱线图模型,对各用户表进行分别建模,得到其下四分位数,各用户表低于其下四分位数置为0,高于其下四分位数置为1;步骤六,计算各采样点下的线路损耗,并将大于7%的区段作为线损异常区段。步骤七,关联线损异常区段,各用户表用电行为,定位疑似窃电表计。本发明实现简单,计算量小,可实现对窃电用户的重点排查。
Description
技术领域
本发明涉及供配电管理的技术领域,尤其是指一种智能防窃电分析系统的数据处理方法
背景技术
电力客户数量快速增长,窃电现象也日益严重,窃电不仅损害了供电公司的经济利益,同时也给用电安全带来了隐患。随着窃电现象的蔓延,每年因电量流失而造成的经济损失巨大,但能够被供电部门成功查处的案件只占少部分,全国各省平均每年查获漏计、窃电量超过2000万kwh,尚不包括那些未被查处的窃电用户。窃电户在实施窃电过程中,可能会造成电网不正常运行,影响了安全用电,甚至在有些窃电案例中,发生了短路造成的火灾、爆炸等。
目前已有公司和高校在窃电检测方面取得了很多成果,并且已经有一些大数据分析手段,但需要数据信息较多,如电压、零火线电流、功率因数、电量、开表盖记录等。设置固定的基准阈值,将各个指标与固定的基准阈值进行比对,分别打分,最后根据打分结果给出疑似窃电表计判断结果。这种方法阈值选择比较困难,不同台区情况复杂,普适应较差,并且需要大量数据,在通讯过程中难免遇到丢帧的问题,在工程中并不适用。
发明内容
本发明针对上述问题,克服现有技术的不足,提出一种基于四分位方法的窃电行为检测方法,为了实现上述发明目的,本发明采取如下技术方案:
一种基于四分位方法的窃电行为检测方法,包括以下步骤,
步骤一,对台区考核表、用户表计进行校时;
步骤二,利用宽带载波技术抄读台区考核表、各用户表电量冻结数据;
步骤三,利用GPRS通讯将数据回传到主站,并存入数据库中;
步骤四,累计台区各表计的采样点的用电数据,主站数据库数据清洗、填充,完成数据预处理;
步骤五,利用箱线图模型,对各用户表进行分别建模,得到其下四分位数,各用户表低于其下四分位数置为1,高于其下四分位数置为0;
步骤六,计算各采样点下的线路损耗,并将大于7%的区段作为线损异常区段;
步骤七,关联线损异常区段与各用户表用电行为,定位疑似窃电表。
进一步地,步骤二中,利用宽带载波技术的采样频率为30分钟/点,采集的冻结数据为电量值。
进一步地,步骤七中,计算台区各表计的用电数据矩阵,同时计算各个时刻下,台区各表计用电数据的权重占比矩阵;并利用箱线图对每个用户表计采集的用电量值和用电量所占权重分别进行建模;线损异常区间内,用电量为1所占比例和用电量权重为1所占比例,记为x1和x2;线损异常区间用电量和用电量权重连续为1的值最大数目,记为x3和x4;全部时间区间用电量和用电量权重连续为1的值最大数目,记为x5和x6;将{x1,x2,x3,x4,x5,x6}作为输入,定义目标函数F2=β1x1+β2x2+β3x3+β4x4+β5x5+β6x6,其中β1,β2,β3,β4,β5,β6为系数项,求取各用户表的目标函数当各目标函数高于判断阈值时,认为疑似窃电用户,其中,1#,2#,k#,…,M#为用户的户号编号。
本发明的有益效果是:只利用考核表和用户表的冻结电量数据,同时分析台区线损,利用线损异常时刻分析各用户表的用电规律,从而定位疑似窃电表计。该方法实现简单,只需测量考核表和用户表的冻结电量数据。另外,该方法普适性好,各个用户表计分别建模,相互独立。利用线损时刻,比较各用户表计与建模状态,利用差异性定位疑似窃电表计,具有很好的工程实用性。
附图说明
图1为本发明基于四分位方法的窃电行为检测方法总体流程图。
图2为本发明数据建模所使用的箱线图模型图。
图3为本发明各用户表计权重转换矩阵。
图4为本发明各用户表线损异常区段用电量为低示意图。
图5为本发明各用户表线损异常区段用电量、用电量权重连续为低最大个数归一化图。
图6为本发明各用户表判断目标函数图。
具体实施方式
下面结合附图1-6和实施例对本发明作进一步的说明,以具体阐述本发明的技术方案。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
结合附图1,本发明一种基于四分位方法的窃电行为检测方法,包括以下步骤,
步骤一,对台区考核表、用户表计进行校时。
步骤二,利用宽带载波技术抄读台区考核表、各用户表电量冻结数据,采样频率为30分钟/点,采集的冻结数据为电量值。
步骤三,利用GPRS通讯将数据回传到主站,并存入数据库中。
步骤四,累计台区各表计的采样点的用电数据,主站数据库数据清洗、填充,完成数据预处理。
步骤五,结合附图2,利用箱线图模型,对各用户表进行分别建模,得到其下四分位数,各用户表低于其下四分位数置为1,高于其下四分位数置为0。
步骤六,计算各采样点下的线路损耗,并将大于7%的区段作为线损异常区段;
步骤七,关联线损异常区段与各用户表用电行为,定位疑似窃电表。
步骤七中,计算台区各表计的用电数据矩阵,同时计算各个时刻下,台区各表计用电数据的权重占比矩阵;并利用箱线图对每个用户表计采集的用电量值和用电量所占权重分别进行建模;线损异常区间内,用电量为1所占比例和用电量权重为1所占比例,记为x1和x2,如附图4。线损异常区间用电量和用电量权重连续为1的值最大数目,记为x3和x4如附图5。全部时间区间用电量和用电量权重连续为1的值最大数目,记为x5和x6;将{x1,x2,x3,x4,x5,x6}作为输入,定义目标函数F2=β1x1+β2x2+β3x3+β4x4+β5x5+β6x6,其中β1,β2,β3,β4,β5,β6为系数项。
由于用电行为与节假日强相关,因此添加时间-星期日-节假日的table表,(节假日外出如春节),分析窃电时间段是否为节假日,进而对窃电清单进行更正。
'2019-01-01' | '星期二' | '元旦假期' |
'2019-01-02' | '星期三' | '元旦假期' |
'2019-01-03' | '星期四' | '非假期' |
'2019-01-04' | '星期五' | '非假期' |
'2019-01-05' | '星期六' | '非假期' |
'2019-01-06' | '星期日' | '非假期' |
'2019-01-07' | '星期一' | '非假期' |
…… | …… | …… |
综上所述,本发明提出一种基于四分位方法的窃电行为检测方法,只利用考核表和用户表的冻结电量数据,同时分析台区线损,利用线损异常时刻分析各用户表的用电规律,从而定位疑似窃电表计。该方法实现简单,只需测量考核表和用户表的冻结电量数据。另外,该方法普适性好,各个用户表计分别建模,相互独立。利用线损时刻,比较各用户表计与建模状态,利用差异性定位疑似窃电表计,具有很好的工程实用性。
以上实施例是对本发明的具体实施方式的说明,而非对本发明的限制,有关技术领域的技术人员在不脱离本发明的精神和范围的情况下,还可以做出各种变换和变化而得到相对应的等同的技术方案,因此所有等同的技术方案均应该归入本发明的专利保护范围。
Claims (4)
1.一种基于四分位方法的窃电行为检测方法,其特征在于:包括以下步骤,
步骤一,对台区考核表、用户表计进行校时;
步骤二,利用宽带载波技术抄读台区考核表、各用户表电量冻结数据;
步骤三,利用GPRS通讯将数据回传到主站,并存入数据库中;
步骤四,累计台区各表计的采样点的用电数据,主站数据库数据清洗、填充,完成数据预处理;
步骤五,利用箱线图模型,对各用户表进行分别建模,得到其下四分位数,各用户表低于其下四分位数置为1,高于其下四分位数置为0;
步骤六,计算各采样点下的线路损耗,并将大于7%的区段作为线损异常区段;
步骤七,关联线损异常区段与各用户表用电行为,定位疑似窃电表。
2.根据权利要求1所述的一种基于四分位方法的窃电行为检测方法,其特征在于:步骤二中,利用宽带载波技术的采样频率为30分钟/点,采集的冻结数据为电量值。
3.根据权利要求1或2任一项所述的一种基于四分位方法的窃电行为检测方法,其特征在于:步骤七中,计算台区各表计的用电数据矩阵,同时计算各个时刻下,台区各表计用电数据的权重占比矩阵;并利用箱线图对每个用户表计采集的用电量值和用电量所占权重分别进行建模;线损异常区间内,用电量为1所占比例和用电量权重为1所占比例,记为x1和x2;线损异常区间用电量和用电量权重连续为1的值最大数目,记为x3和x4;全部时间区间用电量和用电量权重连续为1的值最大数目,记为x5和x6;将{x1,x2,x3,x4,x5,x6}作为输入,定义目标函数F2=β1x1+β2x2+β3x3+β4x4+β5x5+β6x6,其中β1,β2,β3,β4,β5,β6为系数项,求取各用户表的目标函数当各目标函数高于判断阈值时,认为疑似窃电用户,其中,1#,2#,k#,…,M#为用户的户号编号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010763945.4A CN111915189A (zh) | 2020-08-01 | 2020-08-01 | 一种基于四分位方法的窃电行为检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010763945.4A CN111915189A (zh) | 2020-08-01 | 2020-08-01 | 一种基于四分位方法的窃电行为检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111915189A true CN111915189A (zh) | 2020-11-10 |
Family
ID=73287810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010763945.4A Pending CN111915189A (zh) | 2020-08-01 | 2020-08-01 | 一种基于四分位方法的窃电行为检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111915189A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104391202A (zh) * | 2014-11-27 | 2015-03-04 | 国家电网公司 | 基于电量异常分析的异常用电判断方法 |
CN107221927A (zh) * | 2017-05-23 | 2017-09-29 | 国电南瑞三能电力仪表(南京)有限公司 | 一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法 |
CN110824270A (zh) * | 2019-10-09 | 2020-02-21 | 中国电力科学研究院有限公司 | 结合台区线损和异常事件的窃电用户辨识方法及装置 |
CN111160791A (zh) * | 2019-12-31 | 2020-05-15 | 国网北京市电力公司 | 一种基于gbdt算法及因素融合的异常用户识别方法 |
-
2020
- 2020-08-01 CN CN202010763945.4A patent/CN111915189A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN104391202A (zh) * | 2014-11-27 | 2015-03-04 | 国家电网公司 | 基于电量异常分析的异常用电判断方法 |
CN107221927A (zh) * | 2017-05-23 | 2017-09-29 | 国电南瑞三能电力仪表(南京)有限公司 | 一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法 |
CN110824270A (zh) * | 2019-10-09 | 2020-02-21 | 中国电力科学研究院有限公司 | 结合台区线损和异常事件的窃电用户辨识方法及装置 |
CN111160791A (zh) * | 2019-12-31 | 2020-05-15 | 国网北京市电力公司 | 一种基于gbdt算法及因素融合的异常用户识别方法 |
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 | |
CN110223196B (zh) | 基于典型行业特征库和反窃电样本库的反窃电分析方法 | |
CN109490679B (zh) | 基于非侵入式负荷监测的智能窃电稽查系统及方法 | |
Huang et al. | Non-technical loss detection using state estimation and analysis of variance | |
Biswas et al. | Electricity theft pinpointing through correlation analysis of master and individual meter readings | |
CN106203832B (zh) | 智能防窃电分析系统及分析方法 | |
Nizar et al. | Load profiling method in detecting non-technical loss activities in a power utility | |
CN106093707A (zh) | 智能防窃电分析系统的数据处理方法 | |
CN111932402A (zh) | 一种基于相似日和lstm的短期电力负荷双向组合预测方法 | |
CN105260803A (zh) | 一种系统用电量预测方法 | |
Gerbec et al. | An approach to customers daily load profile determination | |
CN110749784B (zh) | 一种基于电力数据小波分析的线路窃电检测方法 | |
CN112836738B (zh) | 基于bp神经网络的窃电行为检测方法 | |
CN111861786A (zh) | 一种基于特征选择和孤立随机森林的专变窃电识别方法 | |
CN112257013A (zh) | 高损台区基于动态时间弯曲算法的窃电用户识别定位方法 | |
CN113884975A (zh) | 一种基于改进动态线损估计的超差电表检测方法 | |
Saad et al. | Data analytics-based anomaly detection in smart distribution network | |
CN113392910A (zh) | 一种判断违约用电与窃电的多维度智能分析经验算法和分类算法 | |
Hartmann et al. | Suspicious electric consumption detection based on multi-profiling using live machine learning | |
CN116611862A (zh) | 一种供电公司月度市场化采购电量的预测方法 | |
CN111178690A (zh) | 基于风控评分卡模型的用电客户窃电风险评估方法 | |
CN112785456A (zh) | 基于向量自回归模型的高损线路窃电检测方法 | |
CN111915189A (zh) | 一种基于四分位方法的窃电行为检测方法 | |
Zhang et al. | Forecasting Residential Energy Consumption Using Support Vector Regressions | |
Fan | Research on automatic user identification system of leaked electricity based on Data Mining Technology |
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 |