CN112180158B - 一种基于典型用电类型特征库的窃电行为识别方法 - Google Patents
一种基于典型用电类型特征库的窃电行为识别方法 Download PDFInfo
- Publication number
- CN112180158B CN112180158B CN202010812834.8A CN202010812834A CN112180158B CN 112180158 B CN112180158 B CN 112180158B CN 202010812834 A CN202010812834 A CN 202010812834A CN 112180158 B CN112180158 B CN 112180158B
- Authority
- CN
- China
- Prior art keywords
- electricity
- larceny
- phase
- stealing
- 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
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 496
- 238000000034 method Methods 0.000 title claims abstract description 102
- 230000006399 behavior Effects 0.000 claims abstract description 162
- 238000012423 maintenance Methods 0.000 claims abstract description 6
- 238000005516 engineering process Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- 238000004804 winding Methods 0.000 claims description 7
- HPDFFVBPXCTEDN-UHFFFAOYSA-N copper manganese Chemical compound [Mn].[Cu] HPDFFVBPXCTEDN-UHFFFAOYSA-N 0.000 claims description 6
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000005520 electrodynamics Effects 0.000 claims description 3
- 238000011065 in-situ storage Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000010363 phase shift Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000003466 welding Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000012795 verification Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005612 types of electricity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
- G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
- G01R22/061—Details of electronic electricity meters
- G01R22/066—Arrangements for avoiding or indicating fraudulent use
-
- 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
- G01R19/175—Indicating the instants of passage of current or voltage through a given value, e.g. passage through zero
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R21/00—Arrangements for measuring electric power or power factor
- G01R21/006—Measuring power factor
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Testing Of Short-Circuits, Discontinuities, Leakage, Or Incorrect Line Connections (AREA)
Abstract
本发明公开了一种基于典型用电类型特征库的窃电行为识别方法,涉及电力运维领域。目前，窃电识别效率低，人工成本高。本发明包括步骤：建立窃电行为特征库，针对高供高计、高供低计、低供低计建立窃电行为特征库；当需要进行窃电行为判断时，比对对应计量方式下的窃电行为特征库，匹配出最可能存在的窃电行为，输出预想窃电手法；运维人员进行现场判断，反馈实际窃电手法，并与预想窃电手法进行比对，当发生错误时，对对应窃电行为特征库进行修正。本技方案针对高供高计、高供低计、低供低计的用电特征建立窃电行为特征库，对实际含有窃电嫌疑的用户数据进行窃电行为匹配，辨识出可能的窃电行为，提高窃电识别效率，降低人工成本。
Description
技术领域
本发明涉及电力运维领域，尤其涉及一种基于典型用电类型特征库的窃电行为识别方法。
背景技术
长期以来，电力系统网络中窃电现象频发，供电企业屡受其害。窃电不仅损害供电企业的利益，影响电网有序正常运行，给整个电力网络带来了严重的安全隐患，也给整个社会的信用和道德体系带来不利的影响。在我国，每年因为电力用户窃电行为导致的经济损失已超过两百亿元。窃电现象已经成为供电企业亟待解决的问题。近年来，随着智能电表和用电信息采集系统的全面推广，供电企业已经基本实现了用户负荷数据的远程集抄，为计量装置在线监测发现窃电、故障等异常提供了技术支持。
现有的技术对于用户数据分析主要侧重于正常用户与窃电用户的区分判别，缺乏对用户可能发生的窃电行为进行识别，窃电识别效率低，人工成本高。
发明内容
本发明要解决的技术问题和提出的技术任务是对现有技术方案进行完善与改进，提供一种基于典型用电类型特征库的窃电行为识别方法，以达到提高识别效率的目的。为此，本发明采取以下技术方案。
一种基于典型用电类型特征库的窃电行为识别方法，包括步骤：
1)建立窃电行为特征库
101)获取历史窃电数据；
102)对历史窃电数据进行处理；获得窃电手法，给各窃电手法编号，并进行分类；窃电手法分类包括：无表窃电、电压回路断线、电压回路接触不良、电压回路分压、电流回路开路、电流回路短路、电流回路分流、移相窃电、改变电表内部结构、用大电流或机械力损坏电表、外部干扰；
103)针对高供高计、高供低计、低供低计三种计量方式建立对应的窃电行为特征库；其中：
高供高计计量方式下窃电行为特征库的数据包括类别、对应于该类别的输出窃电手法、A相电压、C相电压、A相电流、C相电流和有功功率；在判断时窃电行为时根据各相电压、各相电流及功率来判断故障相及窃电手法；
高供低计计量方式下窃电行为特征库的数据包括类别、对应于该类别的输出窃电手法、A相电压、B相电压、C相电压、A相电流、B相电流、C相电流和有功功率；在判断时窃电行为时根据各相电压、各相电流及功率来判断故障相及窃电手法；
低供低计计量方式下窃电行为特征库的数据包括类别、对应于该类别的输出窃电手法和电量；在判断时窃电行为时根据电量来判断故障相及窃电手法；
2)窃电行为判断；
当需要进行窃电行为判断时，获取窃电嫌疑用户的用电数据；比对对应计量方式下的窃电行为特征库，匹配出最可能存在的窃电行为，输出预想窃电手法；
3)现场反馈
运维人员进行现场判断，反馈实际窃电手法，并与预想窃电手法进行比对，当发生错误时，对对应窃电行为特征库进行修正。
本技方案在三种典型的用电类型的基础上，提出建立一个完善的窃电行为数据特征库，即针对高供高计、高供低计、低供低计的用电特征建立窃电行为特征库。在此基础上，建立一个完善的匹配机制，对实际含有窃电嫌疑的用户数据进行窃电行为匹配，辨识出可能的窃电行为，为窃电查证提供技术支持，有效提高窃电识别效率，降低人工成本。
作为优选技术手段：窃电手法分类为无表窃电的窃电手法包括：电压互感器断线Q1、绕越互感器跨接Q2、加接旁路绕越电能表Q3；
窃电手法分类为电压回路断线的窃电手法包括：松开TV的熔断器Q4、弄断熔丝管内的熔丝Q5、松开电压回路的接线端子Q6、弄断电压回路导线的线芯Q7、松开电能表的电压连片Q8；
窃电手法分类为电压回路接触不良的窃电手法包括：拧松电能表的电压连片Q9、拧松电压回路的接线端子Q10、拧松TV的低压熔丝Q11；
窃电手法分类为电压回路分压的窃电手法包括：在TV的二次回路串入电阻Q12、弄断单相表进线侧的零线而在出线至地之间串入电阻降压Q13；
窃电手法分类为电流回路开路的窃电手法包括：松开TA二次出线端子Q14、人为制造TA二次回路中接线端子的接触不良故障Q15、弄断电流回路导线的线芯Q16、断零线窃电Q17；
窃电手法分类为电流回路短路的窃电手法包括：短接电能表的电流端子Q18、短接电流回路中的端子排Q19、短接TA一次或二次侧Q20；
窃电手法分类为电流回路分流的窃电手法包括：更换不同变比的TA Q21、改变抽头式TA的二次抽头Q22、改变穿芯式TA一次侧匝数Q23；
窃电手法分类为移相窃电的窃电手法包括：单相表相线和零线互换，同时利用地线作零线Q24；调换TA一次侧的进出线Q25；调换TA二次侧的同名端Q26；调换电能表电流端子的进出线Q27；调换TA至电能表连线的相别Q28；调换TV一次或二次的极性Q29；调换TV至电能表连线的相别Q30；用特殊电感或电容移相Q31；
窃电手法分类为改变电表内部结构的窃电手法包括：减少电流线圈匝数Q32；锰铜电阻点焊，剪开锰铜信号线Q33；电流采样回路并联、串接电阻Q34；更换电压采样回路分级采样电阻Q35；电压线圈串联电阻等电子元件分压Q36；铜线钩短接Q37；植入遥控器分流Q38；
窃电手法分类为用大电流或机械力损坏电表的窃电手法包括：用过负荷电流烧坏电流线圈Q39、用短路电流的电动力冲击电表Q40、机械外力损坏电表Q41；
窃电手法分类为外部干扰的窃电手法包括：强磁干扰窃电Q42、高频干扰窃电Q43、高压脉冲窃电Q44、短接计量箱进出线Q45。
作为优选技术手段：高供高计计量方式下窃电行为特征库为：
作为优选技术手段：高供低计计量方式下窃电行为特征库为：
作为优选技术手段：低供低计计量方式下窃电行为特征库为：
作为优选技术手段：窃电行为判断包括高供低计计量方式下的窃电行为识别：高供低计计量方式下的窃电行为识别包括步骤：
2101)输入疑似窃电用户的用电数据；
2102)判断A、B、C相电流电压是否有值；若否，则认为无法判断，并结束；若是，进入下一步；
2103)判断三相电压、电流是否都接近0；若是，则比对高供低计计量方式下窃电行为特征库，输出9类窃电原因，并结束；若否，进入下一步；
2104)判断三相电流是否有接近0的一相或多相；若是，则比对高供低计计量方式下窃电行为特征库，输出1类窃电原因和输出电流接近0的窃电相，并结束；若否，进入下一步；
2105)判断三相电压是否有接近0的一相或多相；若是，则比对高供低计计量方式下窃电行为特征库，输出2类窃电原因和输出电压接近0的窃电相，并结束；若否，进入下一步；
2106)召测分相功率因数；
2107)判断三相功率因数是否全部正常；若否，则进入步骤2110；若是，则进入下一步；
2108)判断三相电压是否都大于或接近220V；若否，则比对高供低计计量方式下窃电行为特征库，输出4类窃电原因和输出电压过小的窃电相，并结束；若是，则进入下一步；
2109)判断三相电流是否相等，若否，则比对高供低计计量方式下窃电行为特征库，输出3类窃电原因和输出电流较小的窃电相，并结束；若是，则输出3类窃电原因和电流较小的窃电相，并结束；
2110)判断用户日电量是否为0；若是，则比对高供低计计量方式下窃电行为特征库，输出6类或8类窃电原因和功率因素异常的窃电相，并结束；若否，则比对高供低计计量方式下窃电行为特征库，输出7类或5类窃电原因和功率因素异常的窃电相。
作为优选技术手段：窃电行为判断包括高供高计计量方式下的窃电行为识别：高供高计计量方式下的窃电行为识别包括步骤：
2201)输入疑似窃电用户的用电数据
2202)判断A、C相电流电压是否有值，若否，则认为无法判断并结束；
2203)判断A、C相电压、电流是否都接近0；若是，则比对高供高计计量方式下窃电行为特征库，输出9类窃电原因，并结束；若否，则进入下一步；
2204)判断A、C相电压是否有接近0的一相或多相；若是，则比对高供高计计量方式下窃电行为特征库，输出1类窃电原因和电压接近0的窃电相，并结束；若否，则进入下一步；
2205)判断A、C相电流是否有接近0的一相或多相；若是，则比对高供高计计量方式下窃电行为特征库，输出2类窃电原因和电源接近0的窃电相；若否，则进入下一步；
2206)召测分相功率因数；
2207)判断A、C相功率因数是否全部正常；若否，则进入步骤2210；若是，则进入下一步；
2208)判断A、C相电压是否都大于或接近220V；若否，则比对高供高计计量方式下窃电行为特征库，输出3类窃电原因和电压过小的窃电相，并结束；若是，则进入下一步；
2209)判断A、C相电流是否相等；若是，则比对高供高计计量方式下窃电行为特征库，输出4类窃电原因和A、C两相窃电相，并结束；若否，则比对高供高计计量方式下窃电行为特征库，输出4类窃电原因和电流较小的窃电相，并结束；
2210)判断A、C相电压是否存在小于0；若是，则比对高供高计计量方式下窃电行为特征库，输出7类窃电原因和电压小于0的窃电相，并结束；若否，则进入下一步；
2211)判断A、C相电流是否存在小于0；若是，则比对高供高计计量方式下窃电行为特征库，输出5类窃电原因和电流小于0的窃电相，并结束；若否，则进入下一步；
2212)判断用户日用电量是否为0；若是，则比对高供高计计量方式下窃电行为特征库，输出6类或8类窃电原因和窃电相AC或AB相，并结束；若否，则比对高供高计计量方式下窃电行为特征库，输出8类窃电原因和窃电相BC两相，并结束。
作为优选技术手段：窃电行为判断包括低供低计计量方式下的窃电行为识别，低供低计计量方式下的窃电行为识别包括步骤：
2301)输入疑似窃电用户的用电数据
2302)判断用户日用电量是否有值；若否，则认为无法判断，并结束；若是，则进入下一步；
2303)判断用户日用电量是否接近0；若是，则比对低供低计计量方式下窃电行为特征库，输出1类窃电原因，并结束；若否，则进入下一步；
2304)判断用户日用电量是否为负；若是，则比对低供低计计量方式下窃电行为特征库，输出2类窃电原因，并结束；若否，则比对低供低计计量方式下窃电行为特征库，输出3类窃电原因，并结束。
有益效果：本技术方案提高窃电嫌疑用户的查证效率；通过电能计量特性对用电信息系统的采集数据进行分析，发现在不同的用电类型下，其窃电发生前后数据变化特征具有一定的规律，据此建立一个特征库，然后将实际含有窃电嫌疑的用户用电数据与窃电特征库进行比较，通过窃电判别流程识别窃电行为，提高查证效率，节省人工成本，对窃电行为查处具有重要的理论意义和实际应用价值。
本技方案在三种典型的用电类型的基础上，提出建立一个完善的窃电行为数据特征库，即针对高供高计、高供低计、低供低计的用电特征建立窃电行为特征库。在此基础上，建立一个完善的匹配机制，对实际含有窃电嫌疑的用户数据进行窃电行为匹配，辨识出可能的窃电行为，为窃电查证提供技术支持。
附图说明
图1是本发明的高供低计计量方式下的窃电行为识别流程图。
图2是本发明的高供高计计量方式下的窃电行为识别流程图。
图3是本发明的低供低计计量方式下的窃电行为识别流程图。
图4是本发明的高供低计计量方式下的某窃电用户三相电流数据折线图。
图5是本发明的低供低计计量方式下的某窃电用户日用电量数据折线图。
具体实施方式
以下结合说明书附图对本发明的技术方案做进一步的详细说明。
本发明包括步骤：
1)建立窃电行为特征库
101)获取历史窃电数据；
102)对历史窃电数据进行处理；获得窃电手法，给各窃电手法编号，并进行分类；窃电手法分类包括：无表窃电、电压回路断线、电压回路接触不良、电压回路分压、电流回路开路、电流回路短路、电流回路分流、移相窃电、改变电表内部结构、用大电流或机械力损坏电表、外部干扰；
窃电手法分类为无表窃电的窃电手法包括：电压互感器断线Q1、绕越互感器跨接Q2、加接旁路绕越电能表Q3；
窃电手法分类为电压回路断线的窃电手法包括：松开TV的熔断器Q4、弄断熔丝管内的熔丝Q5、松开电压回路的接线端子Q6、弄断电压回路导线的线芯Q7、松开电能表的电压连片Q8；
窃电手法分类为电压回路接触不良的窃电手法包括：拧松电能表的电压连片Q9、拧松电压回路的接线端子Q10、拧松TV的低压熔丝Q11；
窃电手法分类为电压回路分压的窃电手法包括：在TV的二次回路串入电阻Q12、弄断单相表进线侧的零线而在出线至地之间串入电阻降压Q13；
窃电手法分类为电流回路开路的窃电手法包括：松开TA二次出线端子Q14、人为制造TA二次回路中接线端子的接触不良故障Q15、弄断电流回路导线的线芯Q16、断零线窃电Q17；
窃电手法分类为电流回路短路的窃电手法包括：短接电能表的电流端子Q18、短接电流回路中的端子排Q19、短接TA一次或二次侧Q20；
窃电手法分类为电流回路分流的窃电手法包括：更换不同变比的TA Q21、改变抽头式TA的二次抽头Q22、改变穿芯式TA一次侧匝数Q23；
窃电手法分类为移相窃电的窃电手法包括：单相表相线和零线互换，同时利用地线作零线Q24；调换TA一次侧的进出线Q25；调换TA二次侧的同名端Q26；调换电能表电流端子的进出线Q27；调换TA至电能表连线的相别Q28；调换TV一次或二次的极性Q29；调换TV至电能表连线的相别Q30；用特殊电感或电容移相Q31；
窃电手法分类为改变电表内部结构的窃电手法包括：减少电流线圈匝数Q32；锰铜电阻点焊，剪开锰铜信号线Q33；电流采样回路并联、串接电阻Q34；更换电压采样回路分级采样电阻Q35；电压线圈串联电阻等电子元件分压Q36；铜线钩短接Q37；植入遥控器分流Q38；
窃电手法分类为用大电流或机械力损坏电表的窃电手法包括：用过负荷电流烧坏电流线圈Q39、用短路电流的电动力冲击电表Q40、机械外力损坏电表Q41；
窃电手法分类为外部干扰的窃电手法包括：强磁干扰窃电Q42、高频干扰窃电Q43、高压脉冲窃电Q44、短接计量箱进出线Q45。
窃电手法分类如下表所示：
103)针对高供高计、高供低计、低供低计三种计量方式建立对应的窃电行为特征库；其中：
高供高计计量方式下窃电行为特征库的数据包括类别、对应于该类别的输出窃电手法、A相电压、C相电压、A相电流、C相电流和功率；在判断时窃电行为时根据各相电压、各相电流及功率来判断故障相及窃电手法；高供高计计量方式下窃电行为特征库如下表所示：
高供高计计量方式下窃电行为特征库
高供低计计量方式下窃电行为特征库的数据包括类别、对应于该类别的输出窃电手法、A相电压、B相电压、C相电压、A相电流、B相电流、C相电流和功率；在判断时窃电行为时根据各相电压、各相电流及功率来判断故障相及窃电手法；高供低计计量方式下窃电行为特征库如下表所示：
高供低计计量方式下窃电行为特征库
低供低计计量方式下窃电行为特征库的数据包括类别、对应于该类别的输出窃电手法和电量；在判断时窃电行为时根据电量来判断故障相及窃电手法；低供低计计量方式下窃电行为特征库如下表所示：
低供低计计量方式下窃电行为特征库
2)窃电行为判断；
当需要进行窃电行为判断时，获取窃电嫌疑用户的用电数据；比对对应计量方式下的窃电行为特征库，匹配出最可能存在的窃电行为，输出预想窃电手法；
窃电行为判断包括高供低计计量方式下的窃电行为识别、高供高计计量方式下的窃电行为识别、低供低计计量方式下的窃电行为识别。
如图1所示，高供低计计量方式下的窃电行为识别包括步骤：
2101)输入疑似窃电用户的用电数据；
2102)判断A、B、C相电流电压是否有值；若否，则认为无法判断，并结束；若是，进入下一步；
2103)判断三相电压、电流是否都接近0；若是，则比对高供低计计量方式下窃电行为特征库，输出9类窃电原因，并结束；若否，进入下一步；
2104)判断三相电流是否有接近0的一相或多相；若是，则比对高供低计计量方式下窃电行为特征库，输出1类窃电原因和输出电流接近0的窃电相，并结束；若否，进入下一步；
2105)判断三相电压是否有接近0的一相或多相；若是，则比对高供低计计量方式下窃电行为特征库，输出2类窃电原因和输出电压接近0的窃电相，并结束；若否，进入下一步；
2106)召测分相功率因数；
2107)判断三相功率因数是否全部正常；若否，则进入步骤2110；若是，则进入下一步；
2108)判断三相电压是否都大于或接近220V；若否，则比对高供低计计量方式下窃电行为特征库，输出4类窃电原因和输出电压过小的窃电相，并结束；若是，则进入下一步；
2109)判断三相电流是否相等，若否，则比对高供低计计量方式下窃电行为特征库，输出3类窃电原因和输出电流较小的窃电相，并结束；若是，则输出3类窃电原因和电流较小的窃电相，并结束；
2110)判断用户日电量是否为0；若是，则比对高供低计计量方式下窃电行为特征库，输出6类或8类窃电原因和功率因素异常的窃电相，并结束；若否，则进入下一步；
2111)判断三相电流是否有小于0的一相或多相；若是，则对比高供低计计量方式下窃电行为特征库，输出5类窃电原因和电流为负的窃电相，并结束；若否，则输出7类窃电原因和电压为负的窃电相，并结束。
如图2所示，高供高计计量方式下的窃电行为识别包括步骤：
2201)输入疑似窃电用户的用电数据
2202)判断A、C相电流电压是否有值，若否，则认为无法判断并结束；
2203)判断A、C相电压、电流是否都接近0；若是，则比对高供高计计量方式下窃电行为特征库，输出9类窃电原因，并结束；若否，则进入下一步；
2204)判断A、C相电压是否有接近0的一相或多相；若是，则比对高供高计计量方式下窃电行为特征库，输出1类窃电原因和电压接近0的窃电相，并结束；若否，则进入下一步；
2205)判断A、C相电流是否有接近0的一相或多相；若是，则比对高供高计计量方式下窃电行为特征库，输出2类窃电原因和电源接近0的窃电相；若否，则进入下一步；
2206)召测分相功率因数；
2207)判断A、C相功率因数是否全部正常；若否，则进入步骤2210；若是，则进入下一步；
2208)判断A、C相电压是否都大于或接近220V；若否，则比对高供高计计量方式下窃电行为特征库，输出3类窃电原因和电压过小的窃电相，并结束；若是，则进入下一步；
2209)判断A、C相电流是否相等；若是，则比对高供高计计量方式下窃电行为特征库，输出4类窃电原因和A、C两相窃电相，并结束；若否，则比对高供高计计量方式下窃电行为特征库，输出4类窃电原因和电流较小的窃电相，并结束；
2210)判断A、C相电压是否存在小于0；若是，则比对高供高计计量方式下窃电行为特征库，输出7类窃电原因和电压小于0的窃电相，并结束；若否，则进入下一步；
2211)判断A、C相电流是否存在小于0；若是，则比对高供高计计量方式下窃电行为特征库，输出5类窃电原因和电流小于0的窃电相，并结束；若否，则进入下一步；
2212)判断用户日用电量是否为0；若是，则比对高供高计计量方式下窃电行为特征库，输出6类或8类窃电原因和窃电相AC或AB相，并结束；若否，则比对高供高计计量方式下窃电行为特征库，输出8类窃电原因和窃电相BC两相，并结束。
如图3所示，低供低计计量方式下的窃电行为识别包括步骤：
2301)输入疑似窃电用户的用电数据
2302)判断用户日用电量是否有值；若否，则认为无法判断，并结束；若是，则进入下一步；
2303)判断用户日用电量是否接近0；若是，则比对低供低计计量方式下窃电行为特征库，输出1类窃电原因，并结束；若否，则进入下一步；
2304)判断用户日用电量是否为负；若是，则比对低供低计计量方式下窃电行为特征库，输出2类窃电原因，并结束；若否，则比对低供低计计量方式下窃电行为特征库，输出3类窃电原因，并结束。
3)现场反馈
运维人员进行现场判断，反馈实际窃电手法，并与预想窃电手法进行比对，当发生错误时，对对应窃电行为特征库进行修正。
本技方案在三种典型的用电类型的基础上，提出建立一个完善的窃电行为数据特征库，即针对高供高计、高供低计、低供低计的用电特征建立窃电行为特征库。在此基础上，建立一个完善的匹配机制，对实际含有窃电嫌疑的用户数据进行窃电行为匹配，辨识出可能的窃电行为，为窃电查证提供技术支持，有效提高窃电识别效率，降低人工成本。
以下针对具体电力数据对本技术方案作进一步的说明。
图4所示为某高供低计窃电用户自2016年3月至2016年8月的三相电流数据折线图，经过前期判断认定其窃电时间在2016年5月25日至2016年7月15日，图中黑框内为认定的窃电时间段。
依据图1的高供低计窃电行为识别流程，进行窃电行为识别：
1)输入该用户的用电数据；
1)判断A、B、C三相电压、电流是否有值，通过该用户的用电数据判断该条件成立；
2)判断三相电压、电流是否都接近0，计算得到该用户在窃点时间段内的A、B、C相电压均值分别为：231.6V、231.8V、231.9V，A、B、C相电流均值分别为：0A、0.23A、2.16A，不满足判断条件；
3)判断三相电流是否有接近0的一相或多相，判断A相、B相电流接近0，该条件成立；
4)输出1类窃电原因，输出电流接近0的窃电相A相、B相，结束。
因此，经过窃电识别流程判断该用户的窃电原因为表2特征库里的第一类窃电原因，包括：松开TA二次出线端子、弄断电流回路导线的线芯、短接电能表的电流端子、短接TA一次或二次侧等，输出窃电相为A、B两相。经过一线电网公司员工勘察发现该用户在供电企业的供电线路上，通过现场检查，联合接线盒A、B相均发现松动情况，与窃电特征库中判断的窃电原因重合。
图5所示为某低供低计窃电用户自2017年1月至2019年3月的日用电量数据折线图，经过前期判断认其窃电时间在2017年2月5日至2018年11月14日，图中黑框内为认定的窃电时间段。
依据图3的低供低计窃电行为识别流程，进行窃电行为识别：
1)输入该用户的用电数据；
2)判断用户日用电量是否有值，通过该用户的用电数据判断该条件成立；
3)判断用户日用电量是否接近0，计算得到该用户在窃电时间段内日用电量均值为0.45，接近0，条件成立；
4)输出1类窃电原因，结束。
因此，经过窃电识别流程判断该用户的窃电原因为表4特征库里的第一类窃电原因，包括：加接旁路绕越电能表、拧松电压回路的接线端子、拧松电能表的电压连片、短接电能表的电流端子、铜线钩短接等。经过一线电网公司员工勘察发现该用户在供电企业的供电线路上，绕越计量装置用电，与窃电特征库中判断的窃电原因有重合。
以上图1-3所示的一种基于典型用电类型特征库的窃电行为识别方法是本发明的具体实施例，已经体现出本发明实质性特点和进步，可根据实际的使用需要，在本发明的启示下，对其进行形状、结构等方面的等同修改，均在本方案的保护范围之列。
Claims (4)
1.一种基于典型用电类型特征库的窃电行为识别方法，其特征在于包括步骤：
1)建立窃电行为特征库
101)获取历史窃电数据；
102)对历史窃电数据进行处理；获得窃电手法，给各窃电手法编号，并进行分类；窃电手法分类包括：无表窃电、电压回路断线、电压回路接触不良、电压回路分压、电流回路开路、电流回路短路、电流回路分流、移相窃电、改变电表内部结构、用大电流或机械力损坏电表、外部干扰；
103)针对高供高计、高供低计、低供低计三种计量方式建立对应的窃电行为特征库；其中：
高供高计计量方式下窃电行为特征库的数据包括类别、对应于该类别的输出窃电手法、A相电压、C相电压、A相电流、C相电流和有功功率；在判断窃电行为时根据各相电压、各相电流及有功功率来判断故障相及窃电手法；
高供低计计量方式下窃电行为特征库的数据包括类别、对应于该类别的输出窃电手法、A相电压、B相电压、C相电压、A相电流、B相电流、C相电流和有功功率；在判断窃电行为时根据各相电压、各相电流及有功功率来判断故障相及窃电手法；
低供低计计量方式下窃电行为特征库的数据包括类别、对应于该类别的输出窃电手法和电量；在判断窃电行为时根据电量来判断故障相及窃电手法；
2)窃电行为判断；
当需要进行窃电行为判断时，获取窃电嫌疑用户的用电数据；比对对应计量方式下的窃电行为特征库，匹配出最可能存在的窃电行为，输出预想窃电手法；
3)现场反馈
运维人员进行现场判断，反馈实际窃电手法，并与预想窃电手法进行比对，当发生错误时，对对应窃电行为特征库进行修正；
窃电手法分类为无表窃电的窃电手法包括：电压互感器断线Q1、绕越互感器跨接Q2、加接旁路绕越电能表Q3；
窃电手法分类为电压回路断线的窃电手法包括：松开TV的熔断器Q4、弄断熔丝管内的熔丝Q5、松开电压回路的接线端子Q6、弄断电压回路导线的线芯Q7、松开电能表的电压连片Q8；
窃电手法分类为电压回路接触不良的窃电手法包括：拧松电能表的电压连片Q9、拧松电压回路的接线端子Q10、拧松TV的低压熔丝Q11；
窃电手法分类为电压回路分压的窃电手法包括：在TV的二次回路串入电阻Q12、弄断单相表进线侧的零线而在出线至地之间串入电阻降压Q13；
窃电手法分类为电流回路开路的窃电手法包括：松开TA二次出线端子Q14、人为制造TA二次回路中接线端子的接触不良故障Q15、弄断电流回路导线的线芯Q16、断零线窃电Q17；
窃电手法分类为电流回路短路的窃电手法包括：短接电能表的电流端子Q18、短接电流回路中的端子排Q19、短接TA一次或二次侧Q20；
窃电手法分类为电流回路分流的窃电手法包括：更换不同变比的TAQ21、改变抽头式TA的二次抽头Q22、改变穿芯式TA一次侧匝数Q23；
窃电手法分类为移相窃电的窃电手法包括：单相表相线和零线互换，同时利用地线作零线Q24；调换TA一次侧的进出线Q25；调换TA二次侧的同名端Q26；调换电能表电流端子的进出线Q27；调换TA至电能表连线的相别Q28；调换TV一次或二次的极性Q29；调换TV至电能表连线的相别Q30；用特殊电感或电容移相Q31；
窃电手法分类为改变电表内部结构的窃电手法包括：减少电流线圈匝数Q32；锰铜电阻点焊，剪开锰铜信号线Q33；电流采样回路并联、串接电阻Q34；更换电压采样回路分级采样电阻Q35；电压线圈串联电阻等电子元件分压Q36；铜线钩短接Q37；植入遥控器分流Q38；
窃电手法分类为用大电流或机械力损坏电表的窃电手法包括：用过负荷电流烧坏电流线圈Q39、用短路电流的电动力冲击电表Q40、机械外力损坏电表Q41；
窃电手法分类为外部干扰的窃电手法包括：强磁干扰窃电Q42、高频干扰窃电Q43、高压脉冲窃电Q44、短接计量箱进出线Q45；
高供高计计量方式下窃电行为特征库为：
；
高供低计计量方式下窃电行为特征库为：
低供低计计量方式下窃电行为特征库为：
。
2.根据权利要求1所述的一种基于典型用电类型特征库的窃电行为识别方法，其特征在于：窃电行为判断包括高供低计计量方式下的窃电行为识别：高供低计计量方式下的窃电行为识别包括步骤：
2101)输入疑似窃电用户的用电数据；
2102)判断A、B、C相电流电压是否有值；若否，则认为无法判断，并结束；若是，进入下一步；
2103)判断三相电压、电流是否都接近0；若是，则比对高供低计计量方式下窃电行为特征库，输出9类窃电原因，并结束；若否，进入下一步；
2104)判断三相电流是否有接近0的一相或多相；若是，则比对高供低计计量方式下窃电行为特征库，输出1类窃电原因和输出电流接近0的窃电相，并结束；若否，进入下一步；
2105)判断三相电压是否有接近0的一相或多相；若是，则比对高供低计计量方式下窃电行为特征库，输出2类窃电原因和输出电压接近0的窃电相，并结束；若否，进入下一步；
2106)召测分相功率因数；
2107)判断三相功率因数是否全部正常；若否，则进入步骤2110；若是，则进入下一步；
2108)判断三相电压是否都大于或接近220V；若否，则比对高供低计计量方式下窃电行为特征库，输出4类窃电原因和输出电压过小的窃电相，并结束；若是，则进入下一步；
2109)判断三相电流是否相等，若否，则比对高供低计计量方式下窃电行为特征库，输出3类窃电原因和输出电流较小的窃电相，并结束；若是，则输出3类窃电原因和电流较小的窃电相，并结束；
2110)判断用户日电量是否为0；若是，则比对高供低计计量方式下窃电行为特征库，输出6类或8类窃电原因和功率因素异常的窃电相，并结束；若否，则进入下一步；
2111)判断三相电流是否有小于0的一相或多相；若是，则对比高供低计计量方式下窃电行为特征库，输出5类窃电原因和电流为负的窃电相，并结束；若否，则输出7类窃电原因和电压为负的窃电相，并结束。
3.根据权利要求2所述的一种基于典型用电类型特征库的窃电行为识别方法，其特征在于：窃电行为判断包括高供高计计量方式下的窃电行为识别：高供高计计量方式下的窃电行为识别包括步骤：
2201)输入疑似窃电用户的用电数据
2202)判断A、C相电流电压是否有值，若否，则认为无法判断并结束；
2203)判断A、C相电压、电流是否都接近0；若是，则比对高供高计计量方式下窃电行为特征库，输出9类窃电原因，并结束；若否，则进入下一步；
2204)判断A、C相电压是否有接近0的一相或多相；若是，则比对高供高计计量方式下窃电行为特征库，输出1类窃电原因和电压接近0的窃电相，并结束；若否，则进入下一步；
2205)判断A、C相电流是否有接近0的一相或多相；若是，则比对高供高计计量方式下窃电行为特征库，输出2类窃电原因和电源接近0的窃电相；若否，则进入下一步；
2206)召测分相功率因数；
2207)判断A、C相功率因数是否全部正常；若否，则进入步骤2210；若是，则进入下一步；
2208)判断A、C相电压是否都大于或接近220V；若否，则比对高供高计计量方式下窃电行为特征库，输出3类窃电原因和电压过小的窃电相，并结束；若是，则进入下一步；
2209)判断A、C相电流是否相等；若是，则比对高供高计计量方式下窃电行为特征库，输出4类窃电原因和A、C两相窃电相，并结束；若否，则比对高供高计计量方式下窃电行为特征库，输出4类窃电原因和电流较小的窃电相，并结束；
2210)判断A、C相电压是否存在小于0；若是，则比对高供高计计量方式下窃电行为特征库，输出7类窃电原因和电压小于0的窃电相，并结束；若否，则进入下一步；
2211)判断A、C相电流是否存在小于0；若是，则比对高供高计计量方式下窃电行为特征库，输出5类窃电原因和电流小于0的窃电相，并结束；若否，则进入下一步；
2212)判断用户日用电量是否为0；若是，则比对高供高计计量方式下窃电行为特征库，输出6类或8类窃电原因和窃电相AC或AB相，并结束；若否，则比对高供高计计量方式下窃电行为特征库，输出8类窃电原因和窃电相BC两相，并结束。
4.根据权利要求3所述的一种基于典型用电类型特征库的窃电行为识别方法，其特征在于：窃电行为判断包括低供低计计量方式下的窃电行为识别，低供低计计量方式下的窃电行为识别包括步骤：
2301)输入疑似窃电用户的用电数据
2302)判断用户日用电量是否有值；若否，则认为无法判断，并结束；若是，则进入下一步；
2303)判断用户日用电量是否接近0；若是，则比对低供低计计量方式下窃电行为特征库，输出1类窃电原因，并结束；若否，则进入下一步；
2304)判断用户日用电量是否为负；若是，则比对低供低计计量方式下窃电行为特征库，输出2类窃电原因，并结束；若否，则比对低供低计计量方式下窃电行为特征库，输出3类窃电原因，并结束。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010812834.8A CN112180158B (zh) | 2020-08-13 | 2020-08-13 | 一种基于典型用电类型特征库的窃电行为识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010812834.8A CN112180158B (zh) | 2020-08-13 | 2020-08-13 | 一种基于典型用电类型特征库的窃电行为识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112180158A CN112180158A (zh) | 2021-01-05 |
| CN112180158B true CN112180158B (zh) | 2024-09-06 |
Family
ID=73919934
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010812834.8A Active CN112180158B (zh) | 2020-08-13 | 2020-08-13 | 一种基于典型用电类型特征库的窃电行为识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112180158B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113049863A (zh) * | 2021-03-16 | 2021-06-29 | 青岛鼎信通讯股份有限公司 | 一种基于负荷监测单元的窃电用户分段定位方法 |
| CN113252955A (zh) * | 2021-04-29 | 2021-08-13 | 中国电力科学研究院有限公司 | 一种反窃电智能诊断分析方法、装置及用电检查设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104835396A (zh) * | 2015-05-11 | 2015-08-12 | 北京新源绿网节能科技有限公司 | 一种基于反窃电技能培训的模拟系统 |
| CN106094571A (zh) * | 2016-07-22 | 2016-11-09 | 国网浙江省电力公司电力科学研究院 | 多功能防窃电仿真实验平台 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109142830A (zh) * | 2018-08-15 | 2019-01-04 | 国网山东省电力公司青岛供电公司 | 基于用电信息采集系统大数据的窃电检测方法 |
| CN110223196B (zh) * | 2019-06-04 | 2021-08-31 | 国网浙江省电力有限公司营销服务中心 | 基于典型行业特征库和反窃电样本库的反窃电分析方法 |
| CN110264015A (zh) * | 2019-06-28 | 2019-09-20 | 国网河南省电力公司电力科学研究院 | 反窃电稽查监控方法及平台 |
-
2020
- 2020-08-13 CN CN202010812834.8A patent/CN112180158B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104835396A (zh) * | 2015-05-11 | 2015-08-12 | 北京新源绿网节能科技有限公司 | 一种基于反窃电技能培训的模拟系统 |
| CN106094571A (zh) * | 2016-07-22 | 2016-11-09 | 国网浙江省电力公司电力科学研究院 | 多功能防窃电仿真实验平台 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112180158A (zh) | 2021-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107340492B (zh) | 基于大数据挖掘和场景预判的电能计量装置故障分析方法 | |
| CN101022216B (zh) | 小接地电流电网单相故障选线方法及装置 | |
| Parle et al. | Trends in power quality monitoring | |
| CN110045182B (zh) | 一种基于阻抗计算的低压台区供电回路异常分析方法 | |
| CN112180158B (zh) | 一种基于典型用电类型特征库的窃电行为识别方法 | |
| CN106291085B (zh) | 变压器近区短路电流监测方法 | |
| CN101286635B (zh) | 中压供电系统综合自动监测方法及装置 | |
| CN106094571B (zh) | 多功能防窃电仿真实验平台 | |
| CN103149528B (zh) | 一种变频器pcba测试系统及测试方法 | |
| CN106970347B (zh) | 一种利用母线不平衡率排查变电站电度表二次回路故障的方法 | |
| CN111679163A (zh) | 一种用于干式电抗器匝间的绝缘性在线监测装置 | |
| CN109888729B (zh) | 一种预警型变压器保护方法和装置 | |
| CN111552682A (zh) | 一种基于专家模型库的窃电类型诊断方法 | |
| CN106199298A (zh) | 一种超级电容器模组测试工艺 | |
| CN112505610A (zh) | 一种35kV及以下计量用电压互感器绝缘及计量性能一体化试验装置及方法 | |
| CN112184477A (zh) | 一种基于聚类和pqui识别算法的追补电量方法 | |
| CN113128024A (zh) | 一种基于大数据分析的低压窃电客户及窃电手段确定方法 | |
| CN104111381A (zh) | 一种35kV高压并联电力电容器组介损在线监测装置 | |
| CN209085791U (zh) | 变压器温升自动检测系统 | |
| CN111175689A (zh) | 一种快速电能表校验装置及使用方法 | |
| CN204758790U (zh) | 矿用交流电动机自动故障诊断系统 | |
| CN103616581B (zh) | 不拆引线测试无功补偿装置的方法 | |
| Gomez et al. | A novel methodology to locate originating points of voltage sags in electric power systems | |
| CN118731530A (zh) | 配电设备的功率负载实时在线监测方法和系统 | |
| CN203191498U (zh) | 小电流接地选线装置 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220429 Address after: 100192 Beijing city Haidian District Qinghe small Camp Road No. 15 Applicant after: CHINA ELECTRIC POWER RESEARCH INSTITUTE Co.,Ltd. Applicant after: Marketing service center of State Grid Zhejiang Electric Power Co.,Ltd. Applicant after: ZHEJIANG HUAYUN INFORMATION TECHNOLOGY Co.,Ltd. Address before: 100192 Beijing city Haidian District Qinghe small Camp Road No. 15 Applicant before: CHINA ELECTRIC POWER RESEARCH INSTITUTE Co.,Ltd. Applicant before: STATE GRID ZHEJIANG ELECTRIC POWER COMPANY LIMITED ELECTRIC POWER Research Institute Applicant before: ZHEJIANG HUAYUN INFORMATION TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |