CN112418687B - 基于用电特征的用户用电异常识别方法、装置和存储介质 - Google Patents
基于用电特征的用户用电异常识别方法、装置和存储介质 Download PDFInfo
- Publication number
- CN112418687B CN112418687B CN202011348877.1A CN202011348877A CN112418687B CN 112418687 B CN112418687 B CN 112418687B CN 202011348877 A CN202011348877 A CN 202011348877A CN 112418687 B CN112418687 B CN 112418687B
- Authority
- CN
- China
- Prior art keywords
- user
- power
- power utilization
- utilization
- target low
- 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
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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
Abstract
本发明公开了一种基于用电特征的用户用电异常识别方法、装置和存储介质,一种基于用电特征的用户用电异常识别方法,包括:构建包括目标低压配电台区各用户的多种用电特征数据的用电特征数据库,根据用电特征数据库计算预设周期内目标低压配电台区内各用户的多种与线损相关的用电异常源指标,根据多种用电异常源指标建立基于用电特征数据的用户用电异常综合评估评分模型,将基于用电特征数据的用户用电异常综合评估评分模型中评分超过预设阈值的用户作为用电异常用户。本发明实施例公开的基于用电特征的用户用电异常识别方法、装置和介质,能够降低对低压配电台区用电异常用户进行检测的成本、提高了工作效率。
Description
技术领域
本发明实施例电力技术,尤其涉及一种基于用电特征的用户用电异常识别方法、装置和存储介质。
背景技术
随着社会经济的发展和电力的关系日益紧密,电力安全在社会安全、稳定中占具有很大的比重。但电网中出现的各种用户用电异常情况可能对电网的供电安全产生影响,并且也影响了供电企业的利益。
电网中的终端用户均通过低压配电台区接入电网,为了保证供电安全,需要对低压配电台区中的用户用电情况进行检测。传统的检测手段主要依靠经验丰富的现场老员工的直觉判断,最后人工现场巡查完成,耗时费力,针对性差,成本高,时间维度长,已经无法满足当前用户用电异常的检测需求。
发明内容
本发明提供一种基于用电特征的用户用电异常识别方法、装置和存储介质,能够降低低压配电台区用电异常检测的成本、提高了工作效率。
第一方面,本发明实施例提供一种基于用电特征的用户用电异常识别方法,包括:
构建目标低压配电台区的用电特征数据库,用电特征数据库中包括目标低压配电台区内各用户的多种用电特征数据;
根据目标低压配电台区的用电特征数据库,计算预设周期内目标低压配电台区内各用户的多种用电异常源指标,多种用电异常源指标为与线损相关的指标;
根据预设周期内目标低压配电台区内各用户的多种用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型,其中,基于用电特征数据的用户用电异常综合评估评分模型中不同用电异常源指标具有不同的权重;
将基于用电特征数据的用户用电异常综合评估评分模型中评分超过预设阈值的用户作为用电异常用户。
在第一方面一种可能的实现方式中,构建目标低压配电台区的用电特征数据库,用电数据库中包括目标低压配电台区内各用户的多种用电特征数据之后,包括:
采集目标低压配电台区内各用户的多种用电特征数据;
对采集的多种用电特征数据进行数据清洗后,构建目标低压配电台区的用电特征数据库。
在第一方面一种可能的实现方式中,多种用电特征数据包括:用户档案信息、用户日用电量、用户抄表成功率、台区日线损率。
在第一方面一种可能的实现方式中,多种用电异常源指标包括:用电量大小、无抄表比例、0度电比例、日用电量标准差、日用电量与线损率曲线滑动相关性系数;
根据目标低压配电台区的用电特征数据库,计算预设周期内目标低压配电台区内各用户的多种用电异常源指标,包括:
使用以下公式计算预设周期内目标低压配电台区内各用户的无抄表比例α、0度电比例β、日用电量标准差δ、日用电量与线损率曲线滑动相关性系数r(X,Y):
其中,Mn为抄表不成功的电表数量,Mtotal为目标低压配电台区抄表目录上的电表数量,M0为电表电量为0的电表数量,Wi为第i个电表的日冻结电量数据,为电表日冻结电量的平均值数据,W为目标低压配电台区电表日冻结电量数据,XS为台区分时线损率数据。
在第一方面一种可能的实现方式中,根据预设周期内目标低压配电台区内各用户的多种用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型之前,还包括:
对多种用电异常源指标进行归一化处理;
根据预设周期内目标低压配电台区内各用户的多种用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型,包括:
根据预设周期内目标低压配电台区内各用户的多种归一化后的用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型。
在第一方面一种可能的实现方式中,对多种用电异常源指标进行归一化处理,包括:
使用如下公式对多种用电异常源指标进行归一化处理
其中A为一用电异常源指标数组,A′为A归一化后的值;ydlsx为用电量大小;wcbblsx为无抄表比例;lddblsx为0度电比例;bzcsx为日用电量标准差;maxcorrsx为日用电量与线损率曲线滑动相关性系数最大值;mincorrsx为日用电量与线损率曲线滑动相关性系数最小值。
在第一方面一种可能的实现方式中,根据预设周期内目标低压配电台区内各用户的多种用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型,包括:
基于如下公式中各用电异常源指标的权重,建立基于用电特征数据的用户用电异常综合评估评分模型yczx,
yczx=max(maxcorrsx,mincorrsx)*2+ydlsx*bzcsx+ydlsx*lddblsx+wcbblsx*0.5。
在第一方面一种可能的实现方式中,将基于用电特征数据的用户用电异常综合评估评分模型中评分超过预设阈值的用户作为用电异常用户,包括:
对基于用电特征数据的用户用电异常综合评估评分模型中的各用户评分进行排序,将排序最高的预设数量阈值个用户作为用电异常用户,
或者将基于用电特征数据的用户用电异常综合评估评分模型中评分绝对值超过预设评分阈值的用户作为用电异常用户。
第二方面,本发明实施例提供一种基于用电特征的用户用电异常识别装置,包括:
数据库模块,用于构建目标低压配电台区的用电特征数据库,用电特征数据库中包括目标低压配电台区内各用户的多种用电特征数据;
指标计算模块,用于根据目标低压配电台区的用电特征数据库,计算预设周期内目标低压配电台区内各用户的多种用电异常源指标,多种用电异常源指标为与线损相关的指标;
模型建立模块,用于根据预设周期内目标低压配电台区内各用户的多种用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型,其中,基于用电特征数据的用户用电异常综合评估评分模型中不同用电异常源指标具有不同的权重;
用电异常识别模块,用于将基于用电特征数据的用户用电异常综合评估评分模型中评分超过预设阈值的用户作为用电异常用户。
第三方面,本发明实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面任一种基于用电特征的用户用电异常识别方法。
本发明实施例提供的基于用电特征的用户用电异常识别方法、装置和存储介质,首先构建目标低压配电台区的用电特征数据库,然后根据目标低压配电台区的用电特征数据库,计算预设周期内目标低压配电台区内各用户与线损相关的多种用电异常源指标,并根据预设周期内目标低压配电台区内各用户的多种用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型,其中,基于用电特征数据的用户用电异常综合评估评分模型中不同用电异常源指标具有不同的权重,最后将基于用电特征数据的用户用电异常综合评估评分模型中评分超过预设阈值的用户作为用电异常用户,有效降低低压配电台区用电异常检测的工作量并提高准确定,降低了低压配电台区用电异常检测的成本、提高了工作效率。
附图说明
图1为本发明实施例提供的一种基于用电特征的用户用电异常识别方法的流程图;
图2为本发明实施例提供的另一种基于用电特征的用户用电异常识别方法的流程图;
图3为目标低压供电台区某日的电表日冻结曲线图;
图4为目标低压供电台区某月的用户总用电量与台区线损率的数据曲线图;
图5为目标低压供电台区各用户电表日用电量标准差数据曲线图;
图6为目标低压供电台区日用电量与台区线损率相关性数据曲线图;
图7为本发明实施例提供的基于用电特征的用户用电异常识别装置的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
图1为本发明实施例提供的一种基于用电特征的用户用电异常识别方法的流程图,如图1所示,本实施例提供的基于用电特征的用户用电异常识别方法包括:
步骤S101,构建目标低压配电台区的用电特征数据库,用电数据库中包括目标低压配电台区内各用户的多种用电特征数据。
本实施例提供的基于用电特征的用户用电异常识别方法,用于对一台低压配电台区内的用户进行用电异常识别,即针对一台低压配电台区内的用户是否存在用电异常进行识别,当识别出某一用户存在用电异常则可以再由人工进行针对性地现场巡查,从而无需人工对低压配电台区内所有用户进行现场巡查,能够大大降低用电异常识别所需人力。另外,通过对低压配电台区内的用户进行用电异常识别,也能够提用电异常识别的准确率,保证电网安全。其中,低压配电台区是指一台低压变压器的供电范围区域,低压配电台区直接与各用户的电表所连接。在对电网中的各低压配电台区均进行用户用电异常识别,从而可以对整个电网中的用户进行用电异常管理。其中,用户用电异常包括由于设备或线路损坏而导致的用电异常,或者由于用户窃电而导致的用电异常等。
本发明实施例提供的基于用电特征的用户用电异常识别无需在低压配电台区中增加终端设备,仅需对低压配电台区中的各种数据进行处理和分析,即可得出低压配电台区中的用电异常用户。在本发明实施例中,低压配电台区的用户是指低压配电台区下连接的各用户电表,获取到的各用户相关数据也表示各用户电表的相关数据。
首先,需要构建目标低压配电台区的用电特征数据库,其中目标低压配电台区的用电特征数据库包括目标低压配电台区内各用户的多种用电特征数据,目标低压配电台区为需要判断用电异常用户的低压配电台区。其中低压配电台区内的各用户的多种用电特征数据为能够表征用户电表在电网中的各种变化的数据。例如多种用电特征数据包括:用户档案信息、用户日用电量、用户抄表成功率、台区日线损率等。其中用户档案信息能够表征用户电表在电网后台系统中的相关信息,从其中可以获取多种与用户用电有关的参数,例如用户购电量等。目标低压配电台区内各用户的多种用电特征数据均无需在低压供电台区中额外设置设备,仅根据低压配电台区以及对用户电表的抄表等信息即可获取。
构建目标低压配电台区的用电特征数据库,可以首先采集目标低压配电台区内各用户的多种用电特征数据,然后对采集的多种用电特征数据进行数据清洗后,构建目标低压配电台区的用电特征数据库。其中数据清洗是指发现并纠正数据中可识别的错误的程序,包括检查数据一致性,处理无效值和缺失值等。通过数据清洗后构建的目标低压配电台区的用电特征数据库,数据更加可靠,在对目标低压配电台区的用电特征数据库中的数据进行处理后,确定的用电异常用户将更加准确。
步骤S102,根据目标低压配电台区的用电特征数据库,计算预设周期内目标低压配电台区内各用户的多种用电异常源指标,多种用电异常源指标为与线损相关的指标。
在低压供电台区下,除了用户的正常用电以外,会有额外的线损。也即低压供电台区的实际用电量会高于低压供电台区中所有用户的总购电量。低压供电台区中的线损需要处于正常的范围内,若线损超过正常的范围则可能意味着用户存在用电异常。因此在构建了目标低压配电台区的用电特征数据库后,需要计算与目标用电异常台区的线损相关的各种线损相关指标,在本实施例中也称为用电异常源指标。目标低压配电台区的用电特征数据库中持续收集了目标低压配电台区中各种用电特征数据,但进行用电异常源指标的计算,需要以一定的时间为单位内的用电特征数据进行计算。因此,需要根据目标低压配电台区的用电特征数据库中的多种用电特征数据,以预设周期为时间单位,计算目标低压配电台区内各用户的多种用电异常源指标。由于电网可能存在一定的波动,因此低压配电台区中的线损可能存在正常的波动,那么该预设周期设置的越小,则计算出的多种用电异常源指标更容易受到电网波动的影响而存在较大误差。而该预设周期设置的较长,则可能导致用电异常用户无法被即使识别出而对供电安全和供电企业的利益产生影响。因此该预设周期可以根据用电异常识别需求而设置。目标低压配电台区中的每个用户,均可以计算出多种与线损相关的用电异常源指标。其中多种用电异常源指标可以包括:用电量大小、无抄表比例、0度电比例、日用电量标准差、日用电量与线损率曲线滑动相关性系数等。
步骤S103,根据预设周期内目标低压配电台区内各用户的多种用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型,其中,基于用电特征数据的用户用电异常综合评估评分模型中不同用电异常源指标具有不同的权重。
在计算出预设周期内目标低压配电台区内各用户的多种用电异常源指标后,虽然每种用电异常源指标均与线损相关,但不同的用电异常指标均用于从不同的角度反映线损相关信息,因此需要为不同的用电异常源指标设定不同的权重,并根据预设周期内目标低压配电台区内各用户的多种用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型。不同的用电异常源指标的权重根据不同用电异常源指标对用电异常概率的影响而确定。那么基于用电特征数据的用户用电异常综合评估评分模型就能够表征低压配电台区中不同用户的用电异常概率。
另外,由于多种用电异常源指标的标准不同,因此为了能够根据不同标准的用电异常源指标建立基于用电特征数据的用户用电异常综合评估评分模型,可以首先对多种用电异常源指标进行归一化处理,然后根据预设周期内目标低压配电台区内各用户的多种归一化后的用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型。
步骤S104,将基于用电特征数据的用户用电异常综合评估评分模型中评分超过预设阈值的用户作为用电异常用户。
在建立了基于用电特征数据的用户用电异常综合评估评分模型后,就可以确定不同用户的评分值,根据不同用户的评分制即可确定用电异常用户。其中可以对基于用电特征数据的用户用电异常综合评估评分模型中的各用户评分进行排序,然后将排序最高的预设数量阈值个用户作为用电异常用户。或者还可以将基于用电特征数据的用户用电异常综合评估评分模型中评分绝对值超过预设评分阈值的用户作为用电异常用户。在确定了用电异常用户后,再通过现场巡查等方式进行核实,即可确定各用电异常用户是否真实存在用电异常情况。由于用电异常用户是从低压配电台区中的多个用户中通过本发明实施例提供的基于用电特征的用户用电异常识别方法识别出的,因此用电异常用户存在用电异常的可能性较大,且仅为低压配电台区中的少部分用户,因此采用本实施例提供的基于用电特征的用户用电异常识别方法可以有效降低低压配电台区用电异常检测的工作量并提高准确定,降低了低压配电台区用电异常检测的成本、提高了工作效率。
本实施例提供的基于用电特征的用户用电异常识别方法,首先构建目标低压配电台区的用电特征数据库,然后根据目标低压配电台区的用电特征数据库,计算预设周期内目标低压配电台区内各用户与线损相关的多种用电异常源指标,并根据预设周期内目标低压配电台区内各用户的多种用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型,其中,基于用电特征数据的用户用电异常综合评估评分模型中不同用电异常源指标具有不同的权重,最后将基于用电特征数据的用户用电异常综合评估评分模型中评分超过预设阈值的用户作为用电异常用户,有效降低低压配电台区用电异常检测的工作量并提高准确定,降低了低压配电台区用电异常检测的成本、提高了工作效率。
下面以多种用电特征数据包括:用户档案信息、用户日用电量、用户抄表成功率、台区日线损率;多种用电异常源指标包括:用电量大小、无抄表比例、0度电比例、日用电量标准差、日用电量与线损率曲线滑动相关性系数为例,对本发明实施例提供的基于用电特征的用户用电异常识别方法进行详细说明。
图2为本发明实施例提供的另一种基于用电特征的用户用电异常识别方法的流程图,如图2所示,本实施例提供的基于用电特征的用户用电异常识别方法包括:
步骤S201,采集目标低压配电台区内各用户的多种用电特征数据,对采集的多种用电特征数据进行数据清洗后,构建目标低压配电台区的用电特征数据库,其中多种用电特征数据包括用户档案信息、用户日用电量、用户抄表成功率、台区日线损率。
步骤S202,根据目标低压配电台区的用电特征数据库,计算预设周期内目标低压配电台区内各用户的多种用电异常源指标,多种用电异常源指标包括用电量大小、无抄表比例、0度电比例、日用电量标准差、日用电量与线损率曲线滑动相关性系数。
具体地,可以使用以下公式计算预设周期内目标低压配电台区内各用户的无抄表比例α、0度电比例β、日用电量标准差δ、日用电量与线损率曲线滑动相关性系数r(X,Y):
其中,Mn为抄表不成功的电表数量,Mtotal为目标低压配电台区抄表目录上的电表数量,M0为电表电量为0的电表数量,Wi为第i个电表的日冻结电量数据,为电表日冻结电量的平均值数据,W为目标低压配电台区电表日冻结电量数据,XS为台区分时线损率数据。
步骤S203,对多种用电异常源指标进行归一化处理。
对用电异常源指标进行归一化处理的目的,是建立同一标准下的权重指标,归一化处理的方法可以采用以下公式:
其中A∈{ydlsx、wcbblsx、lddblsx、bzcsx、maxcorrsx、mincorrsx},A为一用电异常源指标数组,A′为A归一化后的值;ydlsx为用电量大小;wcbblsx为无抄表比例;lddblsx为0度电比例;bzcsx为日用电量标准差;maxcorrsx为日用电量与线损率曲线滑动相关性系数最大值;mincorrsx为日用电量与线损率曲线滑动相关性系数最小值。通过上述归一化处理,即可将多种不同的用电异常源指标统一到统一标准下。
步骤S204,根据归一化的多种用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型,其中,基于用电特征数据的用户用电异常综合评估评分模型中不同用电异常源指标具有不同的权重。
具体地,可以基于如下公式中各用电异常源指标的权重,建立基于用电特征数据的用户用电异常综合评估评分模型yczx,
yczx=max(maxcorrsx,mincorrsx)*2+ydlsx*bzcsx+ydlsx*lddblsx+wcbblsx*0.5。
其中ydlsx为用电量大小;wcbblsx为无抄表比例;lddblsx为0度电比例;bzcsx为日用电量标准差;maxcorrsx为日用电量与线损率曲线滑动相关性系数最大值;mincorrsx为日用电量与线损率曲线滑动相关性系数最小值。
步骤S205,将基于用电特征数据的用户用电异常综合评估评分模型中评分超过预设阈值的用户作为用电异常用户。
在本实施例中,以预设数量阈值个用户为用电异常用户为例。即对基于用电特征数据的用户用电异常综合评估评分模型中的各用户评分进行排序,将排序最高的预设数量阈值个用户作为用电异常用户。那么可以执行yczx=sort(yczs),表示对不同用户的基于用电特征数据的用户用电异常综合评估评分模型yczx进行排序。
然后以预设数量阈值为6为例,选择yczx=yczsi,(i∈[1,6]),即基于用电特征数据的用户用电异常综合评估评分模型的评分排序前6个的用户为用电异常用户。
以目标低压供电台区中用户电表为31块为例,图3-图6示出各种相关分析曲线图。其中图3为目标低压供电台区某日的电表日冻结曲线图,图4为目标低压供电台区某月的用户总用电量与台区线损率的数据曲线图,其中曲线41为归一化电表总用电量,曲线42为归一化台区线损率曲线。图5为目标低压供电台区各用户电表日用电量标准差数据曲线图;图6为目标低压供电台区日用电量与台区线损率相关性数据曲线图。从图3-图6中可以看出,目标低压配电台区的用电特征数据库中的多种用电特征数据均可以直接获取,无需配置其他设备。
图7为本发明实施例提供的基于用电特征的用户用电异常识别装置的结构示意图,如图7所示,本实施例提供的基于用电特征的用户用电异常识别装置包括:
数据库模块71,用于构建目标低压配电台区的用电特征数据库,用电特征数据库中包括目标低压配电台区内各用户的多种用电特征数据。
指标计算模块72,用于根据目标低压配电台区的用电特征数据库,计算预设周期内目标低压配电台区内各用户的多种用电异常源指标,多种用电异常源指标为与线损相关的指标。
模型建立模块73,用于根据预设周期内目标低压配电台区内各用户的多种用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型,其中,基于用电特征数据的用户用电异常综合评估评分模型中不同用电异常源指标具有不同的权重。
用电异常识别模块74,用于将基于用电特征数据的用户用电异常综合评估评分模型中评分超过预设阈值的用户作为用电异常用户。
本实施例提供的基于用电特征的用户用电异常识别装置用于实现图1所示基于用电特征的用户用电异常识别方法的技术方案,其实现原理和技术效果类似,此处不再赘述。
本发明还提供一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行一种基于用电特征的用户用电异常识别方法,该方法包括:构建目标低压配电台区的用电特征数据库,用电特征数据库中包括目标低压配电台区内各用户的多种用电特征数据;根据目标低压配电台区的用电特征数据库,计算预设周期内目标低压配电台区内各用户的多种用电异常源指标,多种用电异常源指标为与线损相关的指标;根据预设周期内目标低压配电台区内各用户的多种用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型,其中,基于用电特征数据的用户用电异常综合评估评分模型中不同用电异常源指标具有不同的权重;将基于用电特征数据的用户用电异常综合评估评分模型中评分超过预设阈值的用户作为用电异常用户。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (5)
1.一种基于用电特征的用户用电异常识别方法,其特征在于,包括:
构建目标低压配电台区的用电特征数据库,所述用电特征数据库中包括目标低压配电台区内各用户的多种用电特征数据;
根据所述目标低压配电台区的用电特征数据库,计算预设周期内所述目标低压配电台区内各用户的多种用电异常源指标,所述多种用电异常源指标为与线损相关的指标;
根据预设周期内所述目标低压配电台区内各用户的多种用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型,其中,所述基于用电特征数据的用户用电异常综合评估评分模型中不同用电异常源指标具有不同的权重;
将所述基于用电特征数据的用户用电异常综合评估评分模型中评分超过预设阈值的用户作为用电异常用户;
所述构建目标低压配电台区的用电特征数据库,所述用电特征数据库中包括目标低压配电台区内各用户的多种用电特征数据之后,包括:
采集目标低压配电台区内各用户的多种用电特征数据;对采集的多种用电特征数据进行数据清洗后,构建所述目标低压配电台区的用电特征数据库;
所述多种用电特征数据包括:用户档案信息、用户日用电量、用户抄表成功率、台区日线损率;
所述根据预设周期内所述目标低压配电台区内各用户的多种用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型之前,还包括:
对所述多种用电异常源指标进行归一化处理;
所述根据预设周期内所述目标低压配电台区内各用户的多种用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型,包括:
根据预设周期内所述目标低压配电台区内各用户的多种归一化后的用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型;
所述对所述多种用电异常源指标进行归一化处理,包括:
使用如下公式对所述多种用电异常源指标进行归一化处理
其中A为一用电异常源指标数组,A′为A归一化后的值;ydlsx为用电量大小;wcbblsx为无抄表比例;lddblsx为0度电比例;bzcsx为日用电量标准差;maxcorrsx为日用电量与线损率曲线滑动相关性系数最大值;mincorrsx为日用电量与线损率曲线滑动相关性系数最小值;
所述根据预设周期内所述目标低压配电台区内各用户的多种用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型,包括:
基于如下公式中各用电异常源指标的权重,建立基于用电特征数据的用户用电异常综合评估评分模型yczx,
yczx=max(maxcorrsx,mincorrsx)*2+ydlsx*bzcsx+ydlsx*lddblsx+wcbblsx*0.5。
2.根据权利要求1所述的方法,其特征在于,所述多种用电异常源指标包括:用电量大小、无抄表比例、0度电比例、日用电量标准差、日用电量与线损率曲线滑动相关性系数;
所述根据所述目标低压配电台区的用电特征数据库,计算预设周期内所述目标低压配电台区内各用户的多种用电异常源指标,包括:
使用以下公式计算预设周期内所述目标低压配电台区内各用户的无抄表比例wcbblsx、0度电比例lddblsx、日用电量标准差bzcsx、日用电量与线损率曲线滑动相关性系数r(X,Y):
3.根据权利要求1~2任一项所述的方法,其特征在于,所述将所述基于用电特征数据的用户用电异常综合评估评分模型中评分超过预设阈值的用户作为用电异常用户,包括:
对基于用电特征数据的用户用电异常综合评估评分模型中的各用户评分进行排序,将排序最高的预设数量阈值个用户作为用电异常用户,
或者将所述基于用电特征数据的用户用电异常综合评估评分模型中评分绝对值超过预设评分阈值的用户作为用电异常用户。
4.一种基于用电特征的用户用电异常识别装置,其特征在于,包括:
数据库模块,用于构建目标低压配电台区的用电特征数据库,所述用电特征数据库中包括目标低压配电台区内各用户的多种用电特征数据;
数据采集模块,用于采集目标低压配电台区内各用户的多种用电特征数据;对采集的多种用电特征数据进行数据清洗后,构建所述目标低压配电台区的用电特征数据库;所述多种用电特征数据包括:用户档案信息、用户日用电量、用户抄表成功率、台区日线损率;
指标计算模块,用于根据所述目标低压配电台区的用电特征数据库,计算预设周期内所述目标低压配电台区内各用户的多种用电异常源指标,所述多种用电异常源指标为与线损相关的指标;
归化处理模块,用于对所述多种用电异常源指标进行归一化处理;包括:
使用如下公式对所述多种用电异常源指标进行归一化处理
其中A为一用电异常源指标数组,A′为A归一化后的值;ydlsx为用电量大小;wcbblsx为无抄表比例;lddblsx为0度电比例;bzcsx为日用电量标准差;maxcorrsx为日用电量与线损率曲线滑动相关性系数最大值;mincorrsx为日用电量与线损率曲线滑动相关性系数最小值;
模型建立模块,用于根据预设周期内所述目标低压配电台区内各用户的多种用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型,包括:根据预设周期内所述目标低压配电台区内各用户的多种归一化后的用电异常源指标,建立基于用电特征数据的用户用电异常综合评估评分模型;基于如下公式中各用电异常源指标的权重,建立基于用电特征数据的用户用电异常综合评估评分模型yczx,
yczx=max(maxcorrsx,mincorrsx)*2+ydlsx*bzcsx+ydlsx*lddblsx+wcbblsx*0.5;其中,所述基于用电特征数据的用户用电异常综合评估评分模型中不同用电异常源指标具有不同的权重;
用电异常识别模块,用于将所述基于用电特征数据的用户用电异常综合评估评分模型中评分超过预设阈值的用户作为用电异常用户。
5.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1~3中任一所述的基于用电特征的用户用电异常识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011348877.1A CN112418687B (zh) | 2020-11-26 | 2020-11-26 | 基于用电特征的用户用电异常识别方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011348877.1A CN112418687B (zh) | 2020-11-26 | 2020-11-26 | 基于用电特征的用户用电异常识别方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112418687A CN112418687A (zh) | 2021-02-26 |
CN112418687B true CN112418687B (zh) | 2023-03-24 |
Family
ID=74842184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011348877.1A Active CN112418687B (zh) | 2020-11-26 | 2020-11-26 | 基于用电特征的用户用电异常识别方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112418687B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113642641B (zh) * | 2021-08-13 | 2024-03-05 | 北京中电普华信息技术有限公司 | 应用于电费追缴工单的数据处理方法及装置 |
CN116699499B (zh) * | 2023-05-29 | 2024-04-12 | 浙江东鸿电子股份有限公司 | 一种电表精度及可靠性自动检测系统 |
CN116562653B (zh) * | 2023-06-28 | 2023-11-28 | 广东电网有限责任公司 | 一种分布式能源台区线损监测方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110634080B (zh) * | 2018-06-25 | 2023-03-31 | 中兴通讯股份有限公司 | 异常用电检测方法、装置、设备及计算机可读存储介质 |
CN109359848A (zh) * | 2018-10-09 | 2019-02-19 | 烟台海颐软件股份有限公司 | 一种线损异常相关的用电户识别方法与系统 |
CN110824270B (zh) * | 2019-10-09 | 2022-04-26 | 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 |
CN111507611A (zh) * | 2020-04-15 | 2020-08-07 | 北京中电普华信息技术有限公司 | 一种确定窃电嫌疑用户的方法及系统 |
-
2020
- 2020-11-26 CN CN202011348877.1A patent/CN112418687B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112418687A (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112418687B (zh) | 基于用电特征的用户用电异常识别方法、装置和存储介质 | |
CN112699913B (zh) | 一种台区户变关系异常诊断方法及装置 | |
CN110516912B (zh) | 一种配电台区户变关系的识别方法 | |
CN110097297A (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
CN110739686B (zh) | 一种基于总表异常分析的台区线损治理方法及系统 | |
CN112688428B (zh) | 一种基于物联网技术的10千伏电网同期线损治理方法 | |
CN112684401B (zh) | 轻载台区电能表运行误差数据的处理方法及系统 | |
CN108198408B (zh) | 一种基于用电信息采集系统的自适应反窃电监控方法及系统 | |
CN115170000A (zh) | 一种基于电能表通信模块的远程监测方法及系统 | |
CN116775731B (zh) | 基于滑动窗口的三相电能表错接线追退电量的计算方法 | |
CN111709668A (zh) | 基于数据挖掘技术的电网设备参数风险识别方法及装置 | |
CN110231503B (zh) | 高损台区基于格兰杰因果检验的窃电用户识别定位方法 | |
CN116502160A (zh) | 一种电量数据自动采集系统 | |
CN115796708A (zh) | 一种工程建设用的大数据智能质检方法、系统和介质 | |
CN110555619A (zh) | 一种基于智能配电网的供电能力评估方法 | |
CN111178690A (zh) | 基于风控评分卡模型的用电客户窃电风险评估方法 | |
CN113642933A (zh) | 一种配电台区低电压诊断方法及装置 | |
CN112215482A (zh) | 一种户变关系识别方法和装置 | |
CN112182499A (zh) | 一种基于时序电量数据的低压配电网拓扑结构辨识方法 | |
CN114862229A (zh) | 电能质量评估方法、装置、计算机设备和存储介质 | |
CN115166625A (zh) | 智能电表误差估计方法及装置 | |
CN116136580A (zh) | 一种基于感知设备的线损分级检测方法及装置 | |
CN107450030B (zh) | 一种通信蓄电池遥测数据处理方法、装置及系统 | |
CN112611997A (zh) | 一种台区关口表挂接关系在线校验方法和系统 | |
CN106707224B (zh) | 一种电能计量装置状态评估方法、装置及系统 |
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 |