CN112348270B - 一种异常用电客户检测方法及装置 - Google Patents
一种异常用电客户检测方法及装置 Download PDFInfo
- Publication number
- CN112348270B CN112348270B CN202011261750.6A CN202011261750A CN112348270B CN 112348270 B CN112348270 B CN 112348270B CN 202011261750 A CN202011261750 A CN 202011261750A CN 112348270 B CN112348270 B CN 112348270B
- Authority
- CN
- China
- Prior art keywords
- power
- power distribution
- utilization
- abnormal
- evaluated
- 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 266
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 199
- 238000001514 detection method Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000012937 correction Methods 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Health & Medical Sciences (AREA)
- Fuzzy Systems (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种异常用电客户检测方法及装置,所述方法包括如下步骤:S1.获取待评估电网系统的配电等级,按照配电等级统计各级配电的用电数据,并计入用电数据库;S2.获取待评估电网系统的异常用电客户历史用电数据,并根据异常用电客户历史用电数据创建基于配电等级的异常用电客户预测模型;S3.通过各级异常用电客户侦测模型逐级对待评估电网系统的异常用电客户进行预测,对预测的异常用电客户进行核实后报警;S4.通过核实后的异常用电客户的用电数据对各配电等级的异常用电客户预测模型进行修正。
Description
技术领域
本发明属于电能监控技术领域,具体涉及一种异常用电客户检测方法及装置。
背景技术
随着科技的发展和居民生活水平的提高,用电量需求越来越高,对电力企业的要求也越来越高,需发电、输电、配电几个环节密切配合,才能到用电客户处,无疑整个供电的成本是相当高,在能源日益短缺的形势下,节约电能已经不仅仅是一个号召,但是,有些用电客户存在偷电漏电的行为,为电力企业造成重大损失,形成恶性电力循环,必须及时查处,严厉打击。
但是电力企业客户众多,在每个用户客户处进行功能监控,需要增加大量监控设备,成本相当高,不容易实现,目前还缺少的对偷电漏电用户行为进行定位的有效手段。
此为现有技术的不足,因此,针对现有技术中的上述缺陷,提供一种异常用电客户检测方法及装置,是非常有必要的。
发明内容
针对现有技术的上述目前还缺少的对偷电漏电用户行为进行定位的有效手段的缺陷,本发明提供一种异常用电客户检测方法及装置,以解决上述技术问题。
第一方面,本发明提供一种异常用电客户检测方法,包括如下步骤:
S1.获取待评估电网系统的配电等级,按照配电等级统计各级配电的用电数据,并计入用电数据库;
S2.获取待评估电网系统的异常用电客户历史用电数据,并根据异常用电客户历史用电数据创建基于配电等级的异常用电客户预测模型;
S3.通过各级异常用电客户侦测模型逐级对待评估电网系统的异常用电客户进行预测,对预测的异常用电客户进行核实后报警;
S4.通过核实后的异常用电客户的用电数据对各配电等级的异常用电客户预测模型进行修正。
进一步地,步骤S1具体步骤如下:
S11.获取待评估配电网系统的配电等级数量N;
S12.设置配电等级K=1;
S13.统计每个K级配电的各K+1级配电的用电数据,将用电数据、对应配电等级及所在配电等级供电段的序号计入用电数据库;
S14.判断K+2是否大于N;
若是,进入步骤S2;
若否,进入步骤S15;
S15.设置K=K+1,返回步骤S12。
进一步地,步骤S2具体步骤如下:
S21.获取待评估电网系统的异常用电客户历史用电数据;
S22.获取待评估配电网系统的配电等级数量N及每个配电等级的供电段序号;
S23.统计每个配电等级下的每个供电端的异常用电客户历史用电数据,创建基于该配电等级的异常用电客户预测模型,得到N个不同配电等级的异常用电客户预测模型。
进一步地,步骤S3具体步骤如下:
S31.获取待评估电网系统的各配电等级的实时用电数据;
S32.将实时用电数据按配电等级及所在配电等级的供电段进行划分,生成若干待评估用电单元;
S33.将待评估用电单元按照配电等级用对应配电等级的异常用电客户预测模型进行预测,判断是否为异常待评估用电单元;
若是,进入步骤S34;
若否,进入步骤S37;
S34.当前待评估用电单元判为异常的次数是否超过阈值;
若是,进入步骤S35;
若否,进入步骤S37;
S35.判断当前待评估用电单元是否为用电客户;
若是,进入步骤S36;
若否,将当前待评估用电单元所在配电等级的下级各供电段作为待评估用电单元,返回步骤S33;
S36.定位当前用电客户为异常用电客户,进入步骤S4;
S37.将当前待评估用电单元所在配电等级的同级其他供电段作为待评估用电单元,返回步骤S33。
进一步地,步骤S4具体步骤如下:
S41.获取新核实的异常用电客户;
S42.统计新核实的异常用电客户的在各配电等级的用电数据;
S43.获取各配电等级的异常用电客户预测模型;
S44.用对应配电等级的新核实异常客户在该配电等级的用电数据对相应的异常用电客户预测模型进行修正。
第二方面,本发明提供一种异常用电客户检测装置,包括:
用电数据库创建模块,用于获取待评估电网系统的配电等级,按照配电等级统计各级配电的用电数据,并计入用电数据库;
异常用电客户预测模型创建模块,用于获取待评估电网系统的异常用电客户历史用电数据,并根据异常用电客户历史用电数据创建基于配电等级的异常用电客户预测模型;
异常用电客户预测模块,用于通过各级异常用电客户侦测模型逐级对待评估电网系统的异常用电客户进行预测,对预测的异常用电客户进行核实后报警;
异常用电客户预测模型修正模块,用于通过核实后的异常用电客户的用电数据对各配电等级的异常用电客户预测模型进行修正。
进一步地,用电数据库创建模块包括:
配电等级数量获取单元,用于获取待评估配电网系统的配电等级数量N;
配电等级参数初始化单元,用于设置配电等级K=1;
用电数据统计单元,用于统计每个K级配电的各K+1级配电的用电数据,将用电数据、对应配电等级及所在配电等级供电段的序号计入用电数据库;
配电等级判断单元,用于判断K+2是否大于N;
下一配电等级定位单元,用于当K+2小于等于N时,设置K=K+1。
进一步地,异常用电客户预测模型创建模块包括:
异常历史用电数据获取单元,用于获取待评估电网系统的异常用电客户历史用电数据;
配电等级及供电段序号获取单元,用于获取待评估配电网系统的配电等级数量N及每个配电等级的供电段序号;
异常用电客户预测模型创建单元,用于统计每个配电等级下的每个供电端的异常用电客户历史用电数据,创建基于该配电等级的异常用电客户预测模型,得到N个不同配电等级的异常用电客户预测模型。
进一步地,异常用电客户预测模块包括:
实时用电数据获取单元,用于获取待评估电网系统的各配电等级的实时用电数据;
待评估用电单元生成单元,用于将实时用电数据按配电等级及所在配电等级的供电段进行划分,生成若干待评估用电单元;
模型预测单元,用于将待评估用电单元按照配电等级用对应配电等级的异常用电客户预测模型进行预测,判断是否为异常待评估用电单元;
异常次数判断单元,用于当待评估用电单元为异常时,判断当前待评估用电单元判为异常的次数是否超过阈值;
用电客户判断单元,用于当前待评估用电单元判为异常的次数超过阈值时,判断当前待评估用电单元是否为用电客户;
待评估用电单元下级再定位单元,用于当前待评估用电单元不是用电客户时,将当前待评估用电单元所在配电等级的下级各供电段作为待评估用电单元;
异常用电客户定位单元,用于当前待评估用电单元为用电客户时,定位当前用电客户为异常用电客户;
待评估用电单元级再定位单元,用于将当前待评估用电单元所在配电等级的同级其他供电段作为待评估用电单元。
进一步地,异常用电客户预测模型修正模块包括:
异常用电客户获取单元,用于获取新核实的异常用电客户;
异常各级用电数据统计单元,统计新核实的异常用电客户的在各配电等级的用电数据;
各级模型获取单元,用于获取各配电等级的异常用电客户预测模型;
各级模型修正单元,用于对应配电等级的新核实异常客户在该配电等级的用电数据对相应的异常用电客户预测模型进行修正。
本发明的有益效果在于,
本发明提供的异常用电客户检测方法及装置,通过异常用电客户预测模型按照配电等级逐级定位异常用电客户所在配电等级及对应供电段,直至最终定位异常用电客户;无需安装监控设备,对定位的异常用电客户核实后可查处偷电漏电行为,节约电能,维护良好的电力供电循环。
此外,本发明设计原理可靠,结构简单,具有非常广泛的应用前景。
由此可见,本发明与现有技术相比,具有突出的实质性特点和显著的进步,其实施的有益效果也是显而易见的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明的方法流程示意图一;
图2是本发明的方法流程示意图二;
图3是本发明的系统示意图;
图中,1-用电数据库创建模块;1.1-配电等级数量获取单元;1.2-配电等级参数初始化单元;1.3-用电数据统计单元;1.4-配电等级判断单元;1.5-下一配电等级定位单元;2-异常用电客户预测模型创建模块;2.1-异常历史用电数据获取单元;2.2-配电等级及供电段序号获取单元;2.3-异常用电客户预测模型创建单元;3-异常用电客户预测模块;3.1-实时用电数据获取单元;3.2-待评估用电单元生成单元;3.3-模型预测单元;3.4-异常次数判断单元;3.5-用电客户判断单元;3.6-待评估用电单元下级再定位单元;3.7-异常用电客户定位单元;3.8-待评估用电单元级再定位单元;4-异常用电客户预测模型修正模块;4.1-异常用电客户获取单元;4.2-异常各级用电数据统计单元;4.3-各级模型获取单元;4.4-各级模型修正单元。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
实施例1:
如图1所示,本发明提供一种异常用电客户检测方法,包括如下步骤:
S1.获取待评估电网系统的配电等级,按照配电等级统计各级配电的用电数据,并计入用电数据库;
S2.获取待评估电网系统的异常用电客户历史用电数据,并根据异常用电客户历史用电数据创建基于配电等级的异常用电客户预测模型;
S3.通过各级异常用电客户侦测模型逐级对待评估电网系统的异常用电客户进行预测,对预测的异常用电客户进行核实后报警;
S4.通过核实后的异常用电客户的用电数据对各配电等级的异常用电客户预测模型进行修正。
实施例2:
如图2所示,本发明提供一种异常用电客户检测方法,包括如下步骤:
S1.获取待评估电网系统的配电等级,按照配电等级统计各级配电的用电数据,并计入用电数据库;具体步骤如下:
S11.获取待评估配电网系统的配电等级数量N;
S12.设置配电等级K=1;
S13.统计每个K级配电的各K+1级配电的用电数据,将用电数据、对应配电等级及所在配电等级供电段的序号计入用电数据库;
S14.判断K+2是否大于N;
若是,进入步骤S2;
若否,进入步骤S15;
S15.设置K=K+1,返回步骤S12;
S2.获取待评估电网系统的异常用电客户历史用电数据,并根据异常用电客户历史用电数据创建基于配电等级的异常用电客户预测模型;具体步骤如下:
S21.获取待评估电网系统的异常用电客户历史用电数据;
S22.获取待评估配电网系统的配电等级数量N及每个配电等级的供电段序号;
S23.统计每个配电等级下的每个供电端的异常用电客户历史用电数据,创建基于该配电等级的异常用电客户预测模型,得到N个不同配电等级的异常用电客户预测模型;
S3.通过各级异常用电客户侦测模型逐级对待评估电网系统的异常用电客户进行预测,对预测的异常用电客户进行核实后报警;具体步骤如下:
S31.获取待评估电网系统的各配电等级的实时用电数据;
S32.将实时用电数据按配电等级及所在配电等级的供电段进行划分,生成若干待评估用电单元;
S33.将待评估用电单元按照配电等级用对应配电等级的异常用电客户预测模型进行预测,判断是否为异常待评估用电单元;
若是,进入步骤S34;
若否,进入步骤S37;
S34.当前待评估用电单元判为异常的次数是否超过阈值;
若是,进入步骤S35;
若否,进入步骤S37;
S35.判断当前待评估用电单元是否为用电客户;
若是,进入步骤S36;
若否,将当前待评估用电单元所在配电等级的下级各供电段作为待评估用电单元,返回步骤S33;
S36.定位当前用电客户为异常用电客户,进入步骤S4;
S37.将当前待评估用电单元所在配电等级的同级其他供电段作为待评估用电单元,返回步骤S33;
S4.通过核实后的异常用电客户的用电数据对各配电等级的异常用电客户预测模型进行修正;具体步骤如下:
S41.获取新核实的异常用电客户;
S42.统计新核实的异常用电客户的在各配电等级的用电数据;
S43.获取各配电等级的异常用电客户预测模型;
S44.用对应配电等级的新核实异常客户在该配电等级的用电数据对相应的异常用电客户预测模型进行修正。
实施例3:
如图3所示,本发明提供一种异常用电客户检测装置,包括:
用电数据库创建模块1,用于获取待评估电网系统的配电等级,按照配电等级统计各级配电的用电数据,并计入用电数据库;用电数据库创建模块1包括:
配电等级数量获取单元1.1,用于获取待评估配电网系统的配电等级数量N;
配电等级参数初始化单元1.2,用于设置配电等级K=1;
用电数据统计单元1.3,用于统计每个K级配电的各K+1级配电的用电数据,将用电数据、对应配电等级及所在配电等级供电段的序号计入用电数据库;
配电等级判断单元1.4,用于判断K+2是否大于N;
下一配电等级定位单元1.5,用于当K+2小于等于N时,设置K=K+1;
异常用电客户预测模型创建模块2,用于获取待评估电网系统的异常用电客户历史用电数据,并根据异常用电客户历史用电数据创建基于配电等级的异常用电客户预测模型;异常用电客户预测模型创建模块2包括:
异常历史用电数据获取单元2.1,用于获取待评估电网系统的异常用电客户历史用电数据;
配电等级及供电段序号获取单元2.2,用于获取待评估配电网系统的配电等级数量N及每个配电等级的供电段序号;
异常用电客户预测模型创建单元2.3,用于统计每个配电等级下的每个供电端的异常用电客户历史用电数据,创建基于该配电等级的异常用电客户预测模型,得到N个不同配电等级的异常用电客户预测模型;
异常用电客户预测模块3,用于通过各级异常用电客户侦测模型逐级对待评估电网系统的异常用电客户进行预测,对预测的异常用电客户进行核实后报警;异常用电客户预测模块3包括:
实时用电数据获取单元3.1,用于获取待评估电网系统的各配电等级的实时用电数据;
待评估用电单元生成单元3.2,用于将实时用电数据按配电等级及所在配电等级的供电段进行划分,生成若干待评估用电单元;
模型预测单元3.3,用于将待评估用电单元按照配电等级用对应配电等级的异常用电客户预测模型进行预测,判断是否为异常待评估用电单元;
异常次数判断单元3.4,用于当待评估用电单元为异常时,判断当前待评估用电单元判为异常的次数是否超过阈值;
用电客户判断单元3.5,用于当前待评估用电单元判为异常的次数超过阈值时,判断当前待评估用电单元是否为用电客户;
待评估用电单元下级再定位单元3.6,用于当前待评估用电单元不是用电客户时,将当前待评估用电单元所在配电等级的下级各供电段作为待评估用电单元;
异常用电客户定位单元3.7,用于当前待评估用电单元为用电客户时,定位当前用电客户为异常用电客户;
待评估用电单元级再定位单元3.8,用于将当前待评估用电单元所在配电等级的同级其他供电段作为待评估用电单元;
异常用电客户预测模型修正模块4,用于通过核实后的异常用电客户的用电数据对各配电等级的异常用电客户预测模型进行修正;异常用电客户预测模型修正模块4包括:
异常用电客户获取单元4.1,用于获取新核实的异常用电客户;
异常各级用电数据统计单元4.2,统计新核实的异常用电客户的在各配电等级的用电数据;
各级模型获取单元4.3,用于获取各配电等级的异常用电客户预测模型;
各级模型修正单元4.4,用于对应配电等级的新核实异常客户在该配电等级的用电数据对相应的异常用电客户预测模型进行修正。
尽管通过参考附图并结合优选实施例的方式对本发明进行了详细描述,但本发明并不限于此。在不脱离本发明的精神和实质的前提下,本领域普通技术人员可以对本发明的实施例进行各种等效的修改或替换,而这些修改或替换都应在本发明的涵盖范围内/任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (2)
1.一种异常用电客户检测方法,其特征在于,包括如下步骤:
S1.获取待评估电网系统的配电等级,按照配电等级统计各级配电的用电数据,并计入用电数据库;具体步骤如下:
S11.获取待评估配电网系统的配电等级数量N;
S12.设置配电等级K=1;
S13.统计每个K级配电的各K+1级配电的用电数据,将用电数据、对应配电等级及所在配电等级供电段的序号计入用电数据库;
S14.判断K+2是否大于N;
若是,进入步骤S2;
若否,进入步骤S15;
S15.设置K=K+1,返回步骤S13;
S2.获取待评估电网系统的异常用电客户历史用电数据,并根据异常用电客户历史用电数据创建基于配电等级的异常用电客户预测模型;具体步骤如下:
S21.获取待评估电网系统的异常用电客户历史用电数据;
S22.获取待评估配电网系统的配电等级数量N及每个配电等级的供电段序号;
S23.统计每个配电等级下的每个供电端的异常用电客户历史用电数据,创建基于该配电等级的异常用电客户预测模型,得到N个不同配电等级的异常用电客户预测模型;
S3.通过各级异常用电客户侦测模型逐级对待评估电网系统的异常用电客户进行预测,对预测的异常用电客户进行核实后报警;具体步骤如下:
S31.获取待评估电网系统的各配电等级的实时用电数据;
S32.将实时用电数据按配电等级及所在配电等级的供电段进行划分,生成若干待评估用电单元;
S33.将待评估用电单元按照配电等级用对应配电等级的异常用电客户预测模型进行预测,判断是否为异常待评估用电单元;
若是,进入步骤S34;
若否,进入步骤S37;
S34.当前待评估用电单元判为异常的次数是否超过阈值;
若是,进入步骤S35;
若否,进入步骤S37;
S35.判断当前待评估用电单元是否为用电客户;
若是,进入步骤S36;
若否,将当前待评估用电单元所在配电等级的下级各供电段作为待评估用电单元,返回步骤S33;
S36.定位当前用电客户为异常用电客户,进入步骤S4;
S37.将当前待评估用电单元所在配电等级的同级其他供电段作为待评估用电单元,返回步骤S33;
S4.通过核实后的异常用电客户的用电数据对各配电等级的异常用电客户预测模型进行修正;具体步骤如下:
S41.获取新核实的异常用电客户;
S42.统计新核实的异常用电客户的在各配电等级的用电数据;
S43.获取各配电等级的异常用电客户预测模型;
S44.用对应配电等级的新核实异常客户在该配电等级的用电数据对相应的异常用电客户预测模型进行修正。
2.一种异常用电客户检测装置,其特征在于,包括:
用电数据库创建模块(1),用于获取待评估电网系统的配电等级,按照配电等级统计各级配电的用电数据,并计入用电数据库;用电数据库创建模块(1)包括:
配电等级数量获取单元(1.1),用于获取待评估配电网系统的配电等级数量N;
配电等级参数初始化单元(1.2),用于设置配电等级K=1;
用电数据统计单元(1.3),用于统计每个K级配电的各K+1级配电的用电数据,将用电数据、对应配电等级及所在配电等级供电段的序号计入用电数据库;
配电等级判断单元(1.4),用于判断K+2是否大于N;
下一配电等级定位单元(1.5),用于当K+2小于等于N时,设置K=K+1;
异常用电客户预测模型创建模块(2),用于获取待评估电网系统的异常用电客户历史用电数据,并根据异常用电客户历史用电数据创建基于配电等级的异常用电客户预测模型;异常用电客户预测模型创建模块(2)包括:
异常历史用电数据获取单元(2.1),用于获取待评估电网系统的异常用电客户历史用电数据;
配电等级及供电段序号获取单元(2.2),用于获取待评估配电网系统的配电等级数量N及每个配电等级的供电段序号;
异常用电客户预测模型创建单元(2.3),用于统计每个配电等级下的每个供电端的异常用电客户历史用电数据,创建基于该配电等级的异常用电客户预测模型,得到N个不同配电等级的异常用电客户预测模型;
异常用电客户预测模块(3),用于通过各级异常用电客户侦测模型逐级对待评估电网系统的异常用电客户进行预测,对预测的异常用电客户进行核实后报警;异常用电客户预测模块(3)包括:
实时用电数据获取单元(3.1),用于获取待评估电网系统的各配电等级的实时用电数据;
待评估用电单元生成单元(3.2),用于将实时用电数据按配电等级及所在配电等级的供电段进行划分,生成若干待评估用电单元;
模型预测单元(3.3),用于将待评估用电单元按照配电等级用对应配电等级的异常用电客户预测模型进行预测,判断是否为异常待评估用电单元;
异常次数判断单元(3.4),用于当待评估用电单元为异常时,判断当前待评估用电单元判为异常的次数是否超过阈值;
用电客户判断单元(3.5),用于当前待评估用电单元判为异常的次数超过阈值时,判断当前待评估用电单元是否为用电客户;
待评估用电单元下级再定位单元(3.6),用于当前待评估用电单元不是用电客户时,将当前待评估用电单元所在配电等级的下级各供电段作为待评估用电单元;
异常用电客户定位单元(3.7),用于当前待评估用电单元为用电客户时,定位当前用电客户为异常用电客户;
待评估用电单元级再定位单元(3.8),用于将当前待评估用电单元所在配电等级的同级其他供电段作为待评估用电单元;
异常用电客户预测模型修正模块(4),用于通过核实后的异常用电客户的用电数据对各配电等级的异常用电客户预测模型进行修正;异常用电客户预测模型修正模块(4)包括:
异常用电客户获取单元(4.1),用于获取新核实的异常用电客户;
异常各级用电数据统计单元(4.2),统计新核实的异常用电客户的在各配电等级的用电数据;
各级模型获取单元(4.3),用于获取各配电等级的异常用电客户预测模型;
各级模型修正单元(4.4),用于对应配电等级的新核实异常客户在该配电等级的用电数据对相应的异常用电客户预测模型进行修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011261750.6A CN112348270B (zh) | 2020-11-12 | 2020-11-12 | 一种异常用电客户检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011261750.6A CN112348270B (zh) | 2020-11-12 | 2020-11-12 | 一种异常用电客户检测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112348270A CN112348270A (zh) | 2021-02-09 |
CN112348270B true CN112348270B (zh) | 2021-12-03 |
Family
ID=74363531
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011261750.6A Active CN112348270B (zh) | 2020-11-12 | 2020-11-12 | 一种异常用电客户检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112348270B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116488204B (zh) * | 2023-06-20 | 2023-09-01 | 南京东新慧科信息技术有限公司 | 一种基于有序用电的线损功耗节能降耗控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205531A (zh) * | 2014-06-30 | 2015-12-30 | 国家电网公司 | 一种基于机器学习的反窃电预测方法及装置 |
CN108090636A (zh) * | 2018-02-09 | 2018-05-29 | 国网江苏省电力有限公司电力科学研究院 | 一种基于分压线损模型的线损率趋势预测方法 |
CN109783894A (zh) * | 2018-12-27 | 2019-05-21 | 国网浙江省电力有限公司台州供电公司 | 一种基于信息再修正的负荷协调预测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009139052A1 (ja) * | 2008-05-14 | 2009-11-19 | 日東紡音響エンジニアリング株式会社 | 信号判定方法、信号判定装置、プログラム、信号判定システム |
CN109063929A (zh) * | 2018-08-29 | 2018-12-21 | 广东电网有限责任公司 | 反窃电分析预警方法、装置及计算机可读存储介质 |
CN109614997A (zh) * | 2018-11-29 | 2019-04-12 | 武汉大学 | 一种基于深度学习的窃电风险预测方法及装置 |
-
2020
- 2020-11-12 CN CN202011261750.6A patent/CN112348270B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205531A (zh) * | 2014-06-30 | 2015-12-30 | 国家电网公司 | 一种基于机器学习的反窃电预测方法及装置 |
CN108090636A (zh) * | 2018-02-09 | 2018-05-29 | 国网江苏省电力有限公司电力科学研究院 | 一种基于分压线损模型的线损率趋势预测方法 |
CN109783894A (zh) * | 2018-12-27 | 2019-05-21 | 国网浙江省电力有限公司台州供电公司 | 一种基于信息再修正的负荷协调预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112348270A (zh) | 2021-02-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Galvan et al. | Networked microgrids with roof-top solar PV and battery energy storage to improve distribution grids resilience to natural disasters | |
Taheri et al. | Distribution system resilience enhancement via mobile emergency generators | |
CN103647276B (zh) | 一种电能质量预警系统及其方法 | |
Tang et al. | Estimation and validation of characteristic load profile through smart grid trials in a medium voltage distribution network | |
Sang et al. | An integrated preventive operation framework for power systems during hurricanes | |
BR102016006907A2 (pt) | sistema, método, instruções de armazenamento de meio legível por computador e meio legível por computador, não transitório e tangível | |
CN105184521B (zh) | 一种电网运行方式的风险评估方法、装置及系统 | |
Hernando-Gil et al. | Reliability performance of smart grids with demand-side management and distributed generation/storage technologies | |
CN111507509A (zh) | 一种电力系统极端事件的风险评估方法 | |
CN114860704A (zh) | 一种面向数据中心的能耗监测和碳排放核算的方法和装置 | |
CN112348270B (zh) | 一种异常用电客户检测方法及装置 | |
CN110020752A (zh) | 多参量监测装置的数据采集优化方法、装置、设备及存储介质 | |
CN114282855B (zh) | 负荷重分配攻击下电-气耦合系统的综合防护方法 | |
Liu et al. | Reliability evaluation of a wind-diesel-battery hybrid power system | |
Ghasemi et al. | A stochastic planning model for improving resilience of distribution system considering master-slave distributed generators and network reconfiguration | |
CN113343467A (zh) | 一种极端灾害条件下的电力系统弹性评估方法和系统 | |
CN108898239A (zh) | 一种基于数据分析的配电变压器选址方法 | |
Billinton | A sequential simulation method for the generating capacity adequacy evaluation of small stand-alone wind energy conversion systems | |
Deng et al. | A quantitative risk assessment model for distribution cyber-physical system under cyberattack | |
CN111382518A (zh) | 风储联合系统的置信容量评估方法 | |
CN117277392B (zh) | 一种面向配电系统弹性提升的应急资源优化配置方法 | |
CN113922505A (zh) | 一种适用于楼宇综合能源管理的边缘计算智能网关 | |
Nanab et al. | A quantitative method for assessing the resilience of infrastructure systems | |
CN107590211B (zh) | 智能电网信息系统 | |
Leite et al. | Risk mitigation approaches for improved resilience in distribution networks |
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 |