CN112415310A - 面向用户侧窃电行为识别分析方法及应用 - Google Patents

Abstract

本发明公开是关于面向用户侧窃电行为识别分析方法及应用，涉及电力系统应用技术领域，该面向用户侧窃电行为识别分析方法包括以下步骤：步骤1、数据采集；步骤2、窃电行为分析；步骤3、抄表行为分析步骤；步骤4、电量计量异常判断步骤；步骤5、用户端窃电行为综合分析。本公开技术方案快速查找定位偷电用户，避免偷电带来的经济损失。

Description

面向用户侧窃电行为识别分析方法及应用

技术领域

本发明公开涉及电力系统应用技术领域，尤其涉及面向用户侧窃电行为识别分析方法及应用。

背景技术

窃电的手法虽然五花八门，但万变不离其宗，较常见的是从电能计量的基本原理入手。我们知道，一块电能表计量的多少，主要决定于电压、电流、功率因数三要素和时间的乘积。因此，改变三要素中的任何一个要素，都可以使电能表慢转、停转甚至反转，从而达到窃电的目的。另外，通过采用改变电表本身的结构性能的手法，使电表慢转，也会达到窃电的目的。

目前常用的反窃电技术的主要措施有：

第一、具有防窃电工能的电能表；

第二、针对电量监视器的安装；

第三、采用防伪、防撬铅封。

目前住户私改电表屡治不尽的原因有以下几点：

第一、部分商住公寓是物业公司卖电；

第二、商住公寓户数多，物业电工少，偷电问题没有有效的手段解决。

第三、物业公司为解决偷电问题，只能请专业人员组织大规模排查、整改，投入大量人力物力，但偷电情况仍然屡禁不止。

第四、在物业查出住户电表被改后，没有权利要求住户赔偿和罚款。

因此，物业只有及时发现住户私改电表，阻止住户继续偷电，才能降低偷电造成的经济损失。

现有技术已经广泛应用，但是对于一些特定的小区、公寓，适用性不强，如电表不具有防窃电功能，且考虑到成本等问题无更换计划；智能设备的配置上方便用户使用的以手机为主，电量监视器实用性不强；配电箱需要每月抄表打开，铅封比较麻烦。设计一种在窃电行为识别分析中结合实际情况，软硬件相配合的面向用户侧窃电行为识别分析方法是亟待解决的问题。

发明内容

为克服相关技术中存在的问题，本发明公开实施例提供了面向用户侧窃电行为识别分析方法及应用。所述技术方案如下：

根据本发明公开实施例的第一方面，提供面向用户侧窃电行为识别分析方法，该面向用户侧窃电行为识别分析方法包括以下步骤：

步骤1、数据采集：分别以额定频率采集并记录用户端的用电数据：实际用电流以及电量，记录“0”值变化的初始时间以及结束时间以“0”值变化前后的电流值；

步骤2、窃电行为分析：计算用户端的电流的“0”值变化的时间差值以及电流值前后的差值，对比分析“0”值变化的时间差与预设值的关系以及“0”值变化变量差的正负，判断是否存在窃电行为；

步骤3、抄表行为分析步骤：获取当月和上月的抄表数据，结合用户端的实际监测的用电数据，计算当月抄表用电量以及当月实际监测用电量；

步骤4、电量计量异常判断步骤：分析当月抄表用电量与当月监测用电量的差值以及该差值与占实际用电量的百分比，判断是否处于电量异常状态；

步骤5、用户端窃电行为综合分析：判断存在步骤2的窃电行为的房间是否同时处于步骤4的电量异常状态，若是，则该房间为窃电房间，若否，则继续步骤1进行下一循环。

在一个实施例中，所述步骤1数据采集中：

以1s的频率获取并记录用户端的电流；

以15min的频率获取并记录用户端的电量。

在一个实施例中，所述步骤1数据采集中：

所述“0”值变化为客户端的电流非0到0的变化或者0到非0的变化；

所述“0”值变化的时间差值为电流0到非0时刻-电流非0到0时刻；

所述“0”值变化的时间差值的额定值为10min-15min。

在一个实施例中，所述“0”值变化变量差为0到非0时刻的电流值-非0的到0前1s的电流值。

在一个实施例中，所述窃电行为分析：计算用户端的电流的“0”值变化的时间差值以及电流值前后的差值，对比分析“0”值变化的时间差与预设值的关系以及“0”值变化变量差的正负，判断是否存在窃电行为，其具体为：

遍历房间ID步骤；

查找窃电行为房间步骤：当房间的实际的电流的“0”值变化的时间差值符合“0”值变化的时间差值的额定值且0到非0时刻的电流值≥非0的到0前1s的电流值，则判定该房间存在窃电行为。

在一个实施例中，所述抄表行为分析步骤，其具体为，

3.1数据获取步骤：读取当月和上月的抄表数据以及与抄表日期相邻的计量用电数据；

3.2计算电量差异值：

用电差异值＝计量用电量-抄表用电量。

在一个实施例中，与抄表日期相邻的计量用电数据为：

与上月抄表时间最近的计量电量数据；

与当月抄表时间最接近的计量电量数据；

计量用电量＝当月计量电量-上月计量电量；

抄表用电量＝当月抄表电量-上月抄表电量。

根据本公开实施例的第一方面，提供应用上述面向用户侧窃电行为识别分析方法的分析系统，该面向用户侧窃电行为识别分析系统包括：

数据采集系统，所述数据采集系统用于分别以额定频率采集并记录用户端的用电数据：实际用电流以及电量，记录“0”值变化的初始时间以及结束时间以“0”值变化前后的电流值；

窃电行为分析系统，所述窃电行为分析系统用于计算用户端的电流的“0”值变化的时间差值以及电流值前后的差值，对比分析“0”值变化的时间差与预设值的关系以及以及“0”值变化变量差的正负，判断是否存在窃电行为；

抄表行为分析系统，所述抄表行为分析系统用于获取当月和上月的抄表数据，结合用户端的实际监测的用电数据，计算当月抄表用电量以及当月实际监测用电量；

电量计量异常判断系统，所述电量计量异常判断系统用于分析当月抄表用电量与当月监测用电量的差值以及该差值与占实际用电量的百分比，判断是否处于电量异常状态；

用户端窃电行为综合分析系统，所述用户端窃电行为综合分析系统用于判断存在步骤2的窃电行为的房间是否同时处于步骤4的电量异常状态，若是，则该房间为窃电房间，若否，则继续步骤1进行下一循环。

根据本公开实施例的第一方面，提供上述的面向用户侧窃电行为识别分析方法在物业小区公寓窃电行为识别上的应用。

本发明公开的实施例提供的技术方案可以包括以下有益效果：通过软硬件相结合的方法，实现窃电行为识别并实时定位，排除了人工排除的安全隐患。本发明制定了一套面向用户侧窃电行为识别分析方法。本算法主要通过软硬件相结合来实现，解决了仅靠硬件设备窃电报警的局限性。可扩展性强、使用方便，响应及时。能够直接给出发出窃电行为的用户，省去了现场人工递推排查的工作，既保证了人员安全，又能节约资源。

当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是本发明所述一种面向用户侧窃电行为识别分析方法的步骤流程图；

图2是以某公寓住宅为例，搭载面向用户侧窃电行为识别分析方法的步骤流程图；

图3是本发明适用于面向用户侧窃电行为识别分析方法的监测系统的系统结构图；

图4是本发明适用于面向用户侧窃电行为识别分析方法的监测系统的系统接线图，三相80A以上测控单元；

图5是本发明适用于面向用户侧窃电行为识别分析方法的监测系统的系统接线图，三相80A以下测控单元；

图6是是本发明所述一种面向用户侧窃电行为识别分析方法搭载APP的第一界面示意图，直观、突出展示整个公寓窃电的所有房间；

图7是是本发明所述一种面向用户侧窃电行为识别分析方法搭载APP的窃电识别示意图；

图8是是本发明所述一种面向用户侧窃电行为识别分析方法搭载APP的抄表功能示意图；

图9是是本发明所述一种面向用户侧窃电行为识别分析方法搭载APP的抄表异常示意图，详细展示电量计量异常的差异值；

图10是是本发明所述一种面向用户侧窃电行为识别分析方法搭载APP的发生窃电行为的历史记录，辅助用户追责。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

本发明公开实施例所提供的技术方案涉及面向用户侧窃电行为识别分析方法、介质及应用，尤其涉及电力系统应用技术领域。在相关技术中，不具有防窃电功能的电表以及人工窃电排查存在效率慢、安全隐患问题。基于此，本公开技术方案所提供的面向用户侧窃电行为识别分析方法，通过软硬件相结合来实现，解决了仅靠硬件设备窃电报警的局限性。可扩展性强、使用方便，响应及时。能够直接给出发出窃电行为的用户，省去了现场人工递推排查的工作，既保证了人员安全，又能节约资源。

图1示例性示出了本发明公开技术方案所提供的面向用户侧窃电行为识别分析方法的步骤流程图。该面向用户侧窃电行为识别分析方法包括以下步骤：

步骤S01、数据采集：分别以额定频率采集并记录用户端的用电数据：实际用电流以及电量，记录“0”值变化的初始时间以及结束时间以“0”值变化前后的电流值；

步骤S02、窃电行为分析：计算用户端的电流的“0”值变化的时间差值以及电流值前后的差值，对比分析“0”值变化的时间差与预设值的关系以及以及“0”值变化变量差的正负，判断是否存在窃电行为；

步骤S03、抄表行为分析步骤：获取当月和上月的抄表数据，结合用户端的实际监测的用电数据，计算当月抄表用电量以及当月实际监测用电量；

步骤S04、电量计量异常判断步骤：分析当月抄表用电量与当月监测用电量的差值以及该差值与占实际用电量的百分比，判断是否处于电量异常状态；

步骤S05、用户端窃电行为综合分析：判断存在步骤2的窃电行为的房间是否同时处于步骤4的电量异常状态，若是，则该房间为窃电房间，若否，则继续步骤1进行下一循环。

以某住宅楼为例，通过接入的1s频率的用户电流和15min采集频率的用户电量，搭载抄表校验分析算法、房间窃电行为分析算法、房间电量计量异常算法，综合分析识别用户侧窃电行为：

具体技术方案如下：

硬件采用单相开口电流互感器+电流测量模块(12路)+DTU的方式(374个电流互感器+34个电流测量模块+2个DTU)

每层11户安装一个电流测量模块，每户安装一个开口电流互感器；

每层开关箱安装2组测量模块，放置在开关箱下口开关处；

在负一层配电室安装2个DTU，用485线通过开关箱竖井连接到每层开关箱内的电流测量模块每层分别连接两路，楼层直接串联连接(485线共2组(4根)从负一层直接到20层)；

负一层配电室安装2个树莓派+4G路由器(4端口)，2个端口连接树莓派，2个端口连接DTU；

负一层配置一个服务器箱子，里面放2个树莓派、1个4G路由器、2个DTU，并有4根网线内部连接，2组(4根)485线外部接入。

在硬件安装完毕后，搭载本技术方案中的分析方法进行窃电行为分析：

步骤S01：接入1s频率的实时用户电流和15min采集频率的用户电量。

步骤S02：执行窃电行为分析算法：

输入：房间ID、房间电流；

过程：

步骤S021：遍历房间ID，循环查找房间电流值从非0变为0的房间，记录发生时间记为t1、变0前1秒电流值记为A；

步骤S022：记录电流从0又变为非0的时间记为t2、t2时刻电流值记为B；

步骤S023：用t2-t1得到电流为0持续时间记为t；

步骤S03：分析步骤S02中的数据，做相应判断：

判断10分钟≤t≤15分钟，且B≥A，若是，则退出步骤S03，进入步骤S04判定为窃电行为状态；若否，则退出步骤S03，循环步骤S02；

选取10到15的范围的依据是根据实际窃电行为发生的时间判断的，这个时间段能确认大部分窃电行为，但不排除漏判问题，但是结合第三步的抄表行为分析，最后得出的窃电行为结果就准确性很高。

其他情况，均判定为非行为异常状态。

步骤S04：若判定为窃电行为状态，窃电行为状态发生时间＝t1。

输出：房间ID、发生时间t1、窃电行为。

作用：快速响应识别用户的窃电行为，帮助物业快速定位，及时止损。

步骤S05：抄表行为分析。

输入：上次抄表数据(即上月的抄表电量)，本次抄表数据(即本月的抄表电量)，上次计量数据(与上次抄表时间最近一条的测量电量)，本次计量数据(与本次抄表时间最近一条的测量电量)。

步骤S06：判断本次抄表数据＜上次抄表数据，若是，则退出步骤S06，进入步骤S08，若否，则退出步骤S06，进入步骤S07；

步骤S07：确认本次抄表数据正常，完成本次抄表；

自动得到本月抄表用电量、本月监测用电量。

本月抄表用电量＝本次抄表数据－上次抄表数据；

本月监测用电量＝本次计量数据－上次计量数据。

输出：本月抄表用电量、本月监测用电量。

作用：人工抄表自动校验，并为第四步，为电量计量异常算法做准备。

此步骤的实现，依赖于窃电行为识别APP，通过在APP上输入本次抄表数据，算法自动获取历史记录中的上次抄表数据、本次计量数据、上次计量数据，进行抄表行为分析。

步骤S08：提示“录入有误”，且循环步骤S05；

步骤S09：电量计量异常判断

步骤S091：读取抄表电量数据：本次抄表数据为QA1、上次抄表数据为QA2，抄表实际电量QA＝QA1-QA2。本次抄表时间为t1，上次抄表时间t2，异常结算周期为t2至t1时间；

步骤S092：读取计量电量数据：最接近t1时刻计量电量QB1、最接近t2时刻计量电量为QB2，计量实际电量QB＝QB1-QB2；

最接近t1时刻计量电量QB1，即t1时刻发生后向立即采集装置获取最新的计量电量QB1，若第一次请求无数据，则进行第二次请求，若扔无数据，则返回给算法“数据采集异常”，此次算法结束。

最接近t2时刻计量电量为QB2，同上。

步骤S093：计算电量差异值：Q＝QB-QA；

步骤S10：判断Q＞10且Q/QB≥5％，若是，则判定为电量异常状态，进入步骤S11；若否，则退出步骤S10，循环步骤S04；。

此处的Q＞10且Q/QB≥5％,意思是当误差小于等于10kW·h且误差小于≥5％时，在运营方的接受范围内。该范围本发明支持调节。

作用：找出本月电表设备与监测设备电量相差较大的房间，辅助物业进行用电核实。

步骤S11:判定监测房间存在电量异常状态；

步骤S12：用户侧窃电行为综合分析

结合第二步窃电行为分析结果与第四步电量计量异常结果，存在交集的房间为窃电房间。同时得到相应的窃电时间。

本技术方案，可应用EBIM可视化技术，结合计算机、手机APP等直观展示窃电位置、窃电时间、当前电流、电压、功率和电量等信息，同时通过消息推送通知客户，并辅助客户快速定位。

优选的，电流选用秒级采集频率，一是考虑采集数据的稳定性，二是秒级采集频率市面上的传感器一般都支持且符合算法对数据实时性的要求。

优选的电量选用15min的采集频率，主要是考虑到算法对电量数据频率的要求不高，且用户实际耗电量一般不会秒级增长，考虑到设备使用寿命和传输速度，故选用了分钟级。

示例中，采集频率与算法计算频率相关，算法支持不同的采集频率，但本发明选择了最贴近实际用户的频率。

本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

本发明重点解决经济性、安全性问题，在成本投入最小的情况下，通过软硬件相结合的方法，实现窃电行为识别并实时定位，排除了人工排除的安全隐患。本发明制定了一套面向用户侧窃电行为识别分析方法。本算法主要通过软硬件相结合来实现，解决了仅靠硬件设备窃电报警的局限性。可扩展性强、使用方便，响应及时。能够直接给出发出窃电行为的用户，省去了现场人工递推排查的工作，既保证了人员安全，又能节约资源。

首先，选取的分析对象易于采集，本发明选取电压、电流、功率、电量作为分析对象，广泛通用。

其次，应用电力AI分析技术，结合窃电行为分析与抄表计量分析算法，综合确定窃电对象，结果更精准。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围应由所附的权利要求来限制。

Claims (9)

1.一种面向用户侧窃电行为识别分析方法，其特征在于，该面向用户侧窃电行为识别分析方法包括以下步骤：

步骤1、数据采集：分别以额定频率采集并记录用户端的用电数据：实际用电流以及电量，记录“0”值变化的初始时间以及结束时间以“0”值变化前后的电流值；

步骤2、窃电行为分析：计算用户端的电流的“0”值变化的时间差值以及电流值前后的差值，对比分析“0”值变化的时间差与预设值的关系以及“0”值变化变量差的正负，判断是否存在窃电行为；

步骤3、抄表行为分析步骤：获取当月和上月的抄表数据，结合用户端的实际监测的用电数据，计算当月抄表用电量以及当月实际监测用电量；

步骤4、电量计量异常判断步骤：分析当月抄表用电量与当月监测用电量的差值以及该差值与占实际用电量的百分比，判断是否处于电量异常状态；

步骤5、用户端窃电行为综合分析：判断存在步骤2的窃电行为的房间是否同时处于步骤4的电量异常状态，若是，则该房间为窃电房间，若否，则继续步骤1进行下一循环。

2.根据权利要求1所述的面向用户侧窃电行为识别分析方法，其特征在于，所述步骤1数据采集中：

以1s的频率获取并记录用户端的电流；

以15min的频率获取并记录用户端的电量。

3.根据权利要求2所述的面向用户侧窃电行为识别分析方法，其特征在于，所述步骤1数据采集中：

所述“0”值变化为客户端的电流非0到0的变化或者0到非0的变化；

所述“0”值变化的时间差值为电流0到非0时刻-电流非0到0时刻；

所述“0”值变化的时间差值的额定值为10min-15min。

4.根据权利要求3所述的面向用户侧窃电行为识别分析方法，其特征在于，所述“0”值变化变量差为0到非0时刻的电流值-非0的到0前1s的电流值。

5.根据权利要求3所述的面向用户侧窃电行为识别分析方法，其特征在于，所述窃电行为分析：计算用户端的电流的“0”值变化的时间差值以及电流值前后的差值，对比分析“0”值变化的时间差与预设值的关系以及“0”值变化变量差的正负，判断是否存在窃电行为，其具体为：

遍历房间ID步骤；

查找窃电行为房间步骤：当房间的实际的电流的“0”值变化的时间差值符合“0”值变化的时间差值的额定值且0到非0时刻的电流值≥非0的到0前1s的电流值，则判定该房间存在窃电行为。

6.根据权利要求1所述的面向用户侧窃电行为识别分析方法，其特征在于，所述抄表行为分析步骤，其具体为，

3.1数据获取步骤：读取当月和上月的抄表数据以及与抄表日期相邻的计量用电数据；

3.2计算电量差异值：

用电差异值＝计量用电量-抄表用电量。

7.根据权利要求6所述的面向用户侧窃电行为识别分析方法，其特征在于，与抄表日期相邻的计量用电数据为：

与上月抄表时间最近的计量电量数据；

与当月抄表时间最接近的计量电量数据；

计量用电量＝当月计量电量-上月计量电量；

抄表用电量＝当月抄表电量-上月抄表电量。

8.应用根据权利要求1-7任意一项所述面向用户侧窃电行为识别分析方法的分析系统，其特征在于，该面向用户侧窃电行为识别分析系统包括：

数据采集系统，所述数据采集系统用于分别以额定频率采集并记录用户端的用电数据：实际用电流以及电量，记录“0”值变化的初始时间以及结束时间以“0”值变化前后的电流值；

窃电行为分析系统，所述窃电行为分析系统用于计算用户端的电流的“0”值变化的时间差值以及电流值前后的差值，对比分析“0”值变化的时间差与预设值的关系以及以及“0”值变化变量差的正负，判断是否存在窃电行为；

抄表行为分析系统，所述抄表行为分析系统用于获取当月和上月的抄表数据，结合用户端的实际监测的用电数据，计算当月抄表用电量以及当月实际监测用电量；

电量计量异常判断系统，所述电量计量异常判断系统用于分析当月抄表用电量与当月监测用电量的差值以及该差值与占实际用电量的百分比，判断是否处于电量异常状态；

用户端窃电行为综合分析系统，所述用户端窃电行为综合分析系统用于判断存在步骤2的窃电行为的房间是否同时处于步骤4的电量异常状态，若是，则该房间为窃电房间，若否，则继续步骤1进行下一循环。

9.一种根据权利要求1-7任一所述的面向用户侧窃电行为识别分析方法在物业小区公寓窃电行为识别上的应用。

Images