CN112380496A - 一种基于皮尔逊相关系数的反窃电分析方法 - Google Patents

一种基于皮尔逊相关系数的反窃电分析方法 Download PDF

Info

Publication number
CN112380496A
CN112380496A CN202010990046.8A CN202010990046A CN112380496A CN 112380496 A CN112380496 A CN 112380496A CN 202010990046 A CN202010990046 A CN 202010990046A CN 112380496 A CN112380496 A CN 112380496A
Authority
CN
China
Prior art keywords
value
correlation coefficient
user
daily freezing
line loss
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
Application number
CN202010990046.8A
Other languages
English (en)
Inventor
范建华
曹乾磊
徐体润
梁浩
王磊
彭绍文
张长帅
黄晓娅
张乐群
张建
李伟
吴雪梅
卢峰
林志超
程艳艳
叶齐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang Keyuan State Grid Power Engineering Survey And Design Co ltd
Qingdao Topscomm Communication Co Ltd
Original Assignee
Shenyang Keyuan State Grid Power Engineering Survey And Design Co ltd
Qingdao Topscomm Communication Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenyang Keyuan State Grid Power Engineering Survey And Design Co ltd, Qingdao Topscomm Communication Co Ltd filed Critical Shenyang Keyuan State Grid Power Engineering Survey And Design Co ltd
Priority to CN202010990046.8A priority Critical patent/CN112380496A/zh
Publication of CN112380496A publication Critical patent/CN112380496A/zh
Pending legal-status Critical Current

Links

Images

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
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • 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

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皮尔逊相关系数的反窃电分析方法，包括以下步骤：1)主站读取台区总表和各用户表的电量日冻结值；2)预处理所有数据；3)台区总表日冻结值减去各用户表日冻结值的和得每日段线损值；4)取一组不重复的随机数作序号，取序号所代表的日段的台区线损值和各用户表日冻结值；5)求所取日段各用户表日冻结值和线损值间的皮尔逊相关系数；6)重复3)、4)和5)i次得台区各用户表日冻结值与线损值的i个相关性系数；7)对每个用户表的i个相关性系数取均值得最终相关性系数；8)最终相关性系数阈值的用户表为疑似窃电表。本发明仅需获取各用户电量日冻结值与总表日冻结值两项数据，无需定义窃电标签，易于实现，节约了成本。

Description

一种基于皮尔逊相关系数的反窃电分析方法
技术领域
本发明涉及配电网自动化技术领域，尤其涉及一种基于皮尔逊相关系数的反窃电分析方法。
背景技术
当今时代，人们日常生产生活中已离不开对电的使用。在巨大的经济利益的驱使下，许多用户铤而走险，根据电表和电力系统的原理实施窃电行为。常见的窃电方式大致分为欠压法、欠流法、移相法和扩差法，其分别通过改变电表计量的电压、电表计量电流、交流电相位和电表构造来造成电表计量值偏差。窃电行为不仅给国家造成巨大经济损失，也容易引发如火灾、线路故障等事故。因此，研究一种简单有效的反窃电分析方法是非常有必要的。
传统的反窃电手段需要依靠人力排查，费时费力。目前，基于数据驱动的反窃电技术往往需要采集电网运行参数、电量采集参数、气象信息、用户场景、征信数据等多项用电特征数据，并且该方法需要给数据定义窃电标签或正常标签。在实际应用中，带有窃电标签的数据较难获取，因此基于数据驱动的反窃电分析方法有一定局限性。
发明内容
本发明针对现有技术存在的不足和缺陷，提出一种基于皮尔逊相关系数的反窃电分析方法，该方法通过求多次台区线损值与各个用户电表日冻结电量数据的相关性系数的均值作为最终相关性系数，根据最终相关性系数大小定位疑似窃电用户。本发明无需人力排查，仅需获取台区各用户电量日冻结值与台区总表日冻结值两项数据且无需定义窃电标签，也无需过多额外设备。
为了实现上述发明目的，本发明采取如下技术方案：
一种基于皮尔逊相关系数的反窃电分析方法，包括以下步骤：
步骤1，主站读取台区总表和台区各个用户表的电量日冻结数据；
步骤2，对所有日冻结数据进行缺失值插值处理；
步骤3，用台区总表的日冻结数据值减去台区各个用户电表的日冻结数据值的和得到每个日段的线损值；
步骤4，取一组不重复的随机正整数作为序号，分别取序号所代表日段的台区线损值和各用户电表日冻结值；
步骤5，以所取日段各用户电表日冻结值和线损值为变量，求二者间的相关性系数；
步骤6，重复步骤3、步骤4和步骤5i次，得到台区每个用户电表日冻结数据与线损值的i个相关性系数；
步骤7，对台区每个用户表的i个相关性系数取平均值得台区每个用户表的最终相关性系数；
步骤8，最终相关性系数超过规定阈值的用户表为疑似窃电表。
进一步地，所述步骤5中的相关性系数为皮尔逊相关系数，公式为：
Figure BDA0002690560640000011
其中n为样本数，在此为日段数，X和Y为两个变量，
Figure BDA0002690560640000012
和
Figure BDA0002690560640000013
为两个变量的均值，corr(X，Y)为两个变量的皮尔逊相关系数。
进一步地，所述步骤6中i的取值为大于50的正整数。
进一步地，所述步骤8中可行的阈值取值范围为0.7以上。
进一步地，所述步骤4中随机正整数的大小不超过最大日段值，随机正整数的个数为n/2，n为日段数。
本发明的有益效果是：通过求多次台区线损值与各个用户电表日冻结电量数据的相关性系数的均值作为最终相关性系数，根据最终相关性系数大小定位疑似窃电用户。本发明无需人力排查，仅需获取台区各用户电量日冻结值与台区总表日冻结值两项数据且无需定义窃电标签，易于实现，也无需过多额外设备，节约了成本。
附图说明
图1为本发明的总体流程图。
图2为本发明实施例中台区不同时段的线损值。
图3为本发明实施例中多次求解所得台区线损值和各用户日冻结值的皮尔逊相关系数的平均值图。
图4为本发明实施例中台区线损值和疑似窃电表用电量的比较图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不限定本发明。
结合附图1，一种基于皮尔逊相关系数的反窃电分析方法，包括以下步骤，：
步骤1，主站读取台区总表和台区各个用户表的电量日冻结数据；
步骤2，对所有日冻结数据进行缺失值插值处理；
步骤3，用台区总表的日冻结数据值减去台区各个用户电表的日冻结数据值的和得到每个日段的线损值，如图2所示；
步骤4，取一组不重复的随机正整数作为序号，分别取序号所代表日段的台区线损值和各用户电表日冻结值；其中随机正整数的大小不超过最大日段值，随机正整数的个数为n/2，n为日段数。
步骤5，以所取日段各用户电表日冻结值和线损值为变量，求二者间的相关性系数；相关性系数为皮尔逊相关系数，公式为：
Figure BDA0002690560640000021
其中n为样本数，在此为日段数，X和Y为两个变量，
Figure BDA0002690560640000022
和
Figure BDA0002690560640000023
为两个变量的均值，corr(X，Y)为两个变量的皮尔逊相关系数；
步骤6，重复步骤3、步骤4和步骤5i次，得到台区每个用户电表日冻结数据与线损值的i个相关性系数；其中i的取值为大于50的正整数；
步骤7，对台区每个用户表的i个相关性系数取平均值得台区每个用户表的最终相关性系数，如图3所示；
步骤8，最终相关性系数超过规定阈值的用户表为疑似窃电表，疑似窃电表用电量与台区线损值的比较如图4所示；其中可行的阈值取值范围为0.7以上。本实施例利用实际的现场数据对本发明所述反窃电分析方法进行了测试验证，经计算，其中有一块表的最终相关性系数超过本文设定阈值0.7，为疑似窃电用户，结果与现场真实窃电情况一致。
上述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，还可做出各种变换和变化以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归入本发明的专利保护范围。

Claims (5)

1.一种基于皮尔逊相关系数的反窃电分析方法，其特征在于，包括以下步骤：
步骤1，主站读取台区总表和台区各个用户表的电量日冻结数据；
步骤2，对所有日冻结数据进行缺失值插值处理；
步骤3，用台区总表的日冻结数据值减去台区各个用户电表的日冻结数据值的和得到每个日段的线损值；
步骤4，取一组不重复的随机正整数作为序号，分别取序号所代表日段的台区线损值和各用户电表日冻结值；
步骤5，以所取日段各用户电表日冻结值和线损值为变量，求二者间的相关性系数；
步骤6，重复步骤3、步骤4和步骤5i次，得到台区每个用户电表日冻结数据与线损值的i个相关性系数；
步骤7，对台区每个用户表的i个相关性系数取平均值得台区每个用户表的最终相关性系数；
步骤8，最终相关性系数超过规定阈值的用户表为疑似窃电表。
2.根据权利要求1所述的一种基于皮尔逊相关系数的反窃电分析方法，其特征在于，所述步骤5中的相关性系数为皮尔逊相关系数，公式为：
Figure FDA0002690560630000011
其中n为样本数，在此为日段数，X和Y为两个变量，
Figure FDA0002690560630000012
和
Figure FDA0002690560630000013
为两个变量的均值，corr(X，Y)为两个变量的皮尔逊相关系数。
3.根据权利要求1所述的一种基于皮尔逊相关系数的反窃电分析方法，其特征在于，所述步骤6中i的取值为大于50的正整数。
4.根据权利要求1所述的一种基于皮尔逊相关系数的反窃电分析方法，其特征在于，所述步骤8中可行的阈值取值范围为0.7以上。
5.根据权利要求1所述的一种基于皮尔逊相关系数的反窃电分析方法，其特征在于，所述步骤4中随机正整数的大小不超过最大日段值，随机正整数的个数为n/2，n为日段数。
CN202010990046.8A 2020-09-18 2020-09-18 一种基于皮尔逊相关系数的反窃电分析方法 Pending CN112380496A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010990046.8A CN112380496A (zh) 2020-09-18 2020-09-18 一种基于皮尔逊相关系数的反窃电分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010990046.8A CN112380496A (zh) 2020-09-18 2020-09-18 一种基于皮尔逊相关系数的反窃电分析方法

Publications (1)

Publication Number Publication Date
CN112380496A true CN112380496A (zh) 2021-02-19

Family

ID=74586547

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010990046.8A Pending CN112380496A (zh) 2020-09-18 2020-09-18 一种基于皮尔逊相关系数的反窃电分析方法

Country Status (1)

Country Link
CN (1) CN112380496A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113176458A (zh) * 2021-03-08 2021-07-27 深圳职业技术学院 一种针对数据不完整的低压台区相户关系识别方法
CN114217160A (zh) * 2022-02-18 2022-03-22 青岛鼎信通讯股份有限公司 一种中压配电线路负荷监测单元安装定位方法
CN114240690A (zh) * 2021-12-17 2022-03-25 国网辽宁省电力有限公司沈阳供电公司 基于多聚合用户电表数据的用户用电异常监测方法
CN116008714A (zh) * 2023-03-23 2023-04-25 青岛鼎信通讯股份有限公司 一种基于智能量测终端的反窃电分析方法
CN116304537B (zh) * 2023-04-27 2023-08-22 青岛鼎信通讯股份有限公司 基于智能量测终端的窃电用户核查方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113176458A (zh) * 2021-03-08 2021-07-27 深圳职业技术学院 一种针对数据不完整的低压台区相户关系识别方法
CN114240690A (zh) * 2021-12-17 2022-03-25 国网辽宁省电力有限公司沈阳供电公司 基于多聚合用户电表数据的用户用电异常监测方法
CN114217160A (zh) * 2022-02-18 2022-03-22 青岛鼎信通讯股份有限公司 一种中压配电线路负荷监测单元安装定位方法
CN116008714A (zh) * 2023-03-23 2023-04-25 青岛鼎信通讯股份有限公司 一种基于智能量测终端的反窃电分析方法
CN116304537B (zh) * 2023-04-27 2023-08-22 青岛鼎信通讯股份有限公司 基于智能量测终端的窃电用户核查方法

Similar Documents

Publication Publication Date Title
CN112380496A (zh) 一种基于皮尔逊相关系数的反窃电分析方法
CN108535599B (zh) 基于电压曲线聚类分析的低压台区用户相位识别方法
Dickert et al. Benchmark low voltage distribution networks based on cluster analysis of actual grid properties
Oliveira et al. A new method for the computation of technical losses in electrical power distribution systems
CN111525697B (zh) 基于电流监测与线路拓扑分析的中低压配电网防窃电方法和系统
CN111624544A (zh) 一种台区户变关系识别方法及相关装置
CN111650431A (zh) 一种电表台区识别方法
CN111160791A (zh) 一种基于gbdt算法及因素融合的异常用户识别方法
Lo et al. Non-technical loss detection using smart distribution network measurement data
CN111930802A (zh) 一种基于Lasso解析的反窃电分析方法
Bosovic et al. Deterministic aggregated harmonic source models for harmonic analysis of large medium voltage distribution networks
CN112668173A (zh) 一种基于偏态分布计算10kV线路拓扑关系阈值的方法
CN111525560A (zh) 基于智能电表电流数据的台区户变识别方法及装置
CN113075475A (zh) 一种台区内电能表分相识别方法、装置、终端及存储介质
Krupa et al. The effects of reduced voltage on distribution circuit loads
CN112730984B (zh) 一种基于智能电表的低压配电网相位识别方法
CN103049661A (zh) Gis剩余使用寿命评估方法和系统
CN115267601A (zh) 一种基于矢量计算的漏电流检测方法
CN112611997B (zh) 一种台区关口表挂接关系在线校验方法和系统
Yin et al. Global configuration strategy of SAPFs combined with comprehensive evaluation of power quality in distribution network
Cieślik On the problem of harmonic source detection in electric power networks
Yang et al. Evaluating the effectiveness of conservation voltage reduction with multilevel robust regression
CN112595996B (zh) 一种变压器的档位确定方法
Zhang et al. Meter-transformer connection relationship detection algorithm based on smart meter data
CN110555244A (zh) 一种配电网同期线损计算系统及方法

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