CN112730938B - 一种基于用电采集大数据的窃电用户判断方法 - Google Patents
一种基于用电采集大数据的窃电用户判断方法 Download PDFInfo
- Publication number
- CN112730938B CN112730938B CN202011472846.7A CN202011472846A CN112730938B CN 112730938 B CN112730938 B CN 112730938B CN 202011472846 A CN202011472846 A CN 202011472846A CN 112730938 B CN112730938 B CN 112730938B
- Authority
- CN
- China
- Prior art keywords
- electricity
- daily
- user
- electricity consumption
- time period
- 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
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R11/00—Electromechanical arrangements for measuring time integral of electric power or current, e.g. of consumption
- G01R11/02—Constructional details
- G01R11/24—Arrangements for avoiding or indicating fraudulent use
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于用电采集大数据的窃电用户判断方法,包括获取台区/线路从投运至当前的全部统计线损率;根据台区/线路的统计线损率,计算台区/线路日统计线损率标准值,查找高损发生时间段;获取台区/线路用户在高损发生时间段内的日用电量变化,查找用户疑似窃电时间段;对疑似窃电时间段进行分段,获取各段的用电特征,根据正常用电特征和各分段的用电特征,判断各分段是否有效;响应于至少一个分段有效,则判定该用户为窃电用户。本发明仅仅依赖用户日用电量数据,对采集数据质量要求较低,在分析时计算简单、资源需求小,是一种可广泛应用的窃电用户预判方法。
Description
技术领域
本发明涉及一种基于用电采集大数据的窃电用户判断方法,属于电力行业窃电用户判断领域。
背景技术
目前,电力企业已经通过用电信息采集系统实现了对电力用户用电的自动采集,采集频次逐步从每日一个日冻结数据发展到每小时、每15分钟一个数据,采集内容在电能数据基础上拓展了电压等交流模拟量数据、工况数据及电能质量越限统计数据。数据采集越来越多,导致用电信息采集系统数据每月以GB甚至PB级别增长。为应对长期以来社会中屡禁不止的窃电现象,进一步规范用户用电行为,确保供电秩序,电力企业利用采集积累的数据开展了用户窃电行为大数据挖掘分析,取得了一定成效。这些方式方法,一方面强依赖于电力企业采集数据质量,另一方面又只针对某类具体窃电行为。由于采集质量受通信稳定性、现场设备质量及电力企业管理水平影响,对于一些电力企业采集数据质量不高的,此类方式方法无法完全适用。此外,此类高频海量数据分析技术手段所需耗费的资源较大,导致在硬件资源有限现状下一些分析方法仅仅保留了理论上的可行,因此现在急需一种新的窃电用户判断方法。
发明内容
本发明提供了一种基于用电采集大数据的窃电用户判断方法,解决了背景技术中披露的问题。
为了解决上述技术问题,本发明所采用的技术方案是:
一种基于用电采集大数据的窃电用户判断方法,包括,
获取台区/线路从投运至当前的全部统计线损率;
根据台区/线路的统计线损率,计算台区/线路日统计线损率标准值,查找高损发生时间段;
获取台区/线路用户在高损发生时间段内的日用电量变化,查找用户疑似窃电时间段;
对疑似窃电时间段进行分段,获取各段的用电特征,根据正常用电特征和各分段的用电特征,判断各分段是否有效;
响应于至少一个分段有效,则判定该用户为窃电用户。
根据台区/线路的统计线损率,计算台区/线路日统计线损率标准值,查找高损发生时间段,具体过程为,
将台区/线路的月统计线损率按照升序排序;
计算每月日统计线损率标准差std;
计算台区/线路所有月std的平均值avg;
基于排序,顺序取std≤K3*avg的前N个月;其中,K3为参数;
计算所选取N个月每月日统计线损率均值,并将N个日统计线损率均值的平均值作为日统计线损率标准值;
根据日统计线损率标准值,查找高损发生时间段。
获取台区/线路用户在高损发生时间段内的日用电量变化,查找用户疑似窃电时间段,具体过程为,
基于预设的周期,对高损发生时间段进行分段;
根据日用电量,计算用户在各段内日均用电量,判断各分段是否存在窃电;
若某分段为第一个窃电时间段时、且该段首次出现从A日起用户日电量连续多日小于等于用户日均用电基准值*阈值,则A日为疑似窃电起始时间;
若A日后某分段为第一个非窃电时间段、且首次出现从B日起用户日电量连续多日大于用户日均用电基准值*阈值,则B日为疑似窃电截止时间;其中,用户日均用电基准值为用户从计量点投运开始连续若干个自然月每月日均用电量的平均值。
对疑似窃电时间段进行分段,获取各段的用电特征,根据正常用电特征和各分段的用电特征,判断各分段是否有效,具体过程为,
基于预设的周期,对疑似窃电时间段进行分段;
获取各分段的日均用电量、日电量标准差;
获取正常用电时段的日均用电量、日电量标准差;
获取各总时段的日用电量移动平均值标准差;其中,一个总时段为一分段与正常用电时段的并集;
根据分段的日均用电量、分段的日电量标准差、正常用电时段的日均用电量、正常用电时段的日电量标准差、总时段的日用电量移动平均值标准差和预设第一规则,判断各分段是否有效。
预设第一规则为,
若max(stdb/stds,stds/stdb)>=K1、avgs≤K2*avgb、且stdf>max(stdb,stds),则对应分段有效;
其中,stdb为正常用电时段的日电量标准差,stds为分段的日电量标准差,K1为日电量波动率,avgs为分段的日均用电量,avgb为正常用电时段的日均用电量,K2为日用电量缩小倍率,stdf为总时段的日用电量移动平均值标准差。
响应于至少一个分段有效,修正疑似窃电时间段,并判定该用户为窃电用户;获取窃电用户初始一段时间用电特征和最近一段时间的用电特征,根据预设第二规则,判定该用户最近是否窃电,将最近是否窃电的判定结果和修正后疑似窃电时间段传输给供电侧。
预设第二规则为,
若avgPc≤K2*avgP0、且max(stdPc/devP0,devP0/stdPc)≥K1,则判定用户最近窃电;
其中,K1为日电量波动率,K2为日用电量缩小倍率,avgPc为最近一段时间的日均用电量,stdPc为最近一段时间的日用电量标准差,avgPc和stdPc为最近一段时间的用电特征,avgP0为初始一段时间的日均用电量;
参数devP0=∑stdP/6,stdP为初始一段时间每月日用电量标准差。
一种基于用电采集大数据的窃电用户判断系统,包括,
统计线损率模块:获取台区/线路从投运至当前的全部统计线损率;
统计线损率标准值模块:根据台区/线路的统计线损率,计算台区/线路日统计线损率标准值;
高损发生时间段模块:根据台区/线路日统计线损率标准值,查找高损发生时间段;
疑似窃电时间段模块:获取台区/线路用户在高损发生时间段内的日用电量变化,查找用户疑似窃电时间段;
有效判断模块:对疑似窃电时间段进行分段,获取各段的用电特征,根据正常用电特征和各分段的用电特征,判断各分段是否有效;
判定模块:响应于至少一个分段有效,则判定该用户为窃电用户。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行基于用电采集大数据的窃电用户判断方法。
一种计算设备,包括一个或多个处理器、一个或多个存储器以及一个或多个程序,其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行基于用电采集大数据的窃电用户判断方法的指令。
本发明所达到的有益效果:1、本发明仅仅依赖用户日用电量数据,对采集数据质量要求较低,在分析时计算简单、资源需求小,是一种可广泛应用的窃电用户预判方法;2、本发明利用用户窃电必然引起台区/线路统计线损变化来缩小可能发生窃电的用户范围,降低整体计算量,后对用户所采集全部电能数据进行计算分析,计算结果更准确可靠;3、本发明牢牢抓住用户窃电必然引起电量变化这一特征,提供了一种准确判断窃电发生时间的方法,为窃电查处提供了数据依据,解决了以往靠人工主观认定窃电发生时间的经验主义问题;4、本发明可以发现历史窃电但当前不窃电的用电客户,能为电力企业回溯历史分析问题提供支撑,同时有助于电力企业发现潜在风险用户提前部署防范措施。
附图说明
图1为窃电用户判断方法的流程图;
图2为查找日统计线损率值高损时间段的流程图;
图3为查找用户疑似窃电时间段的流程图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
如图1所示,一种基于用电采集大数据的窃电用户判断方法,包括以下步骤:
步骤1,获取台区/线路从投运至当前的全部统计线损率。
台区/线路用户类型一般按照大型专变用户、中小型专变用户、三相一般工商业用户、单相一般工商业用户和居民用户区分。
专变用户包括大型专变用户和中小型专变用户,大型专变用户(A类)指的是用电量在100kVA及以上的用户,中小型专变用户(B类)指的是用电量在100kVA及以下的用户。其中专变用户的专变是指某客户专用的变压器,产权归客户所有,是相对公变(公用变压器)而言,专变用户是指配备专用变压器的电力用户。非专变用户包括三相一般工商业用户、单相一般工商业用户、居民用户。三相一般工商业用户(C类)指的是商业、小动力、办公等用电性质的非居民三相用电用户,单相一般工商业用户(D类)指的是商业、小动力、办公等用电性质的非居民单相用电用户。
专变用户从线损管理系统获取所在用户所对应线路的同期日、月线损数据。非专变用户从用电信息采集系统获取台区同期日、月线损数据。
同期统计线损率=(同期供电量-同期售电量)/同期供电量*100%。同期统计线损率简称统计线损率。
步骤2,根据台区/线路的统计线损率,计算台区/线路日统计线损率标准值,查找高损发生时间段。
具体过程如下:
21)将台区/线路的月统计线损率按照升序排序;
22)计算每月日统计线损率标准差std;
23)计算台区/线路所有月std的平均值avg;
24)基于排序,顺序取std≤K3*avg的前N个月;其中,K3为参数,K3取值为≥1.5,默认取值为1.5,可根据台区或线路总运行容量调整,容量越大对应的K3也越大;N一般为6;
25)计算所选取N个月每月日统计线损率均值,并将N个日统计线损率均值的均值作为日统计线损率标准值,记为X*;
26)根据日统计线损率标准值,查找高损发生时间段;即遍历台区/线路所有日期的日统计线损率,基于日统计线损率标准值,以每30天为一个周期,找出日统计线损率为高损的时间段。
假设D0为初始日期,初始值为台区或线路日线损率值的第一天,找出日统计线损率值高损的时间段,具体过程如图2所示:
1)从D0日开始,逐日判断,当找到第一个Dc日满足:日统计线损率lineloss≥1.5X*、且Dc+1与Dc+2两日的日统计线损率均≥1.5X*,判定Dc为高损起始日期,置DB=D0=Dc,若D0=当前日期-1,结束;否则,转步骤2);
2)以DB日为高损起始日期,记终止日期为DE=min{DB+29,当前日期-1},计算[DB,DE]时间段内日统计线损率均值avgLineloss;
若avgLineloss≥1.5X*,置DB=DE+1,若DB=当前日期,转步骤3),否则继续执行步骤2);
若avgLineloss<1.5X*,转步骤3);
3)对输出的[DB,DE],若DB=当前日期,输出高损发生时间段[Dc,DE],结束;
否则,开始逐日判断,当找到第一个Dn日满足:日统计线损率lineloss<1.5X*、且Dn+1与Dn+2两日日统计线损率均满足<1.5X*时,DE=Dn-1为高损截止日期,输出高损发生时间段[Dc,DE],转步骤4)。
4)置D0=DE+1,重复执行步骤1)~步骤4)。
步骤3,获取台区/线路用户在高损发生时间段内的日用电量变化,查找用户疑似窃电时间段。
大概过程如下:
S1)基于预设的周期,对高损发生时间段进行分段;
S2)根据日用电量,计算用户在各段内日均用电量,判断各分段是否存在窃电;
S3)若某分段为第一个窃电时间段时、且该段首次出现从A日起用户日电量连续多日小于等于用户日均用电基准值*阈值,则A日为疑似窃电起始时间;
若A日后某分段为第一个非窃电时间段、且首次出现从B日起用户日电量连续多日大于用户日均用电基准值*阈值,则B日为疑似窃电截止时间;其中,用户日均用电基准值为用户从计量点投运开始连续若干个自然月每月日均用电量的平均值。
具体过程如图3所示:
31)获取用户所有日用电量,按照真实采集数据,不做人工补数;
33)对于每个高损发生时段[Dc,DE],分别计算该时段用户用电量变化,判断该段时间内用户疑似窃电起止时间,获得疑似窃电时间段;
具体如下:
a)以高损起始日期Dc作为用户电量计算起始日期Dbgn,Ds0表示用户疑似窃电起始时间,Dt0表示用户疑似窃电截止时间;Ds0、Dt0初始均为空;
b)构造30天时间周期,设Dend=Dbgn+29天,形成[Dbgn,Dend]时间段,当Dbgn>DE时停止,计算[Dbgn,Dend]时间段内用户日均用电量avgPower,具体过程如下:
b1)若[Dbgn,Dend]内存在连续3天及以上日用电量无数据,则选取第一个无数据时间段记为[Dlb,Dle];
比较Dlb-1日与Dle+1日示值;如示值一样,则表明该段时间为停电,则avgPower=Σ[Dbgn,Dend]段每日电量/未停电天数;如示值不一样,则说明此段为采集失败但是未停电,窃电嫌疑较大,此时,将[Dbgn,Dend]拆分为[Dbgn,Dlb-1]与[Dle+1,Dend]两段时间分别计算日均用电量,记[Dbgn,Dlb-1]段日均用电量为p1,记[Dle+1,Dend]日均用电量为p2,判断规则如下:
4、如果且且(p1-p2)/p1>M,判定为窃电;当窃电时,窃电标识为Y,若Ds0为空,则窃电起始日期Ds0=Dlb;当不窃电时,窃电标识为N。其中,M为一个设定阈值,与用户容量正相关,默认为0.2;
b2)如[Dbgn,Dend]内不存在连续3天及以上日电量无数据,但是存在1-2天连续日电量无数据记录,采用分段计算日均用电量,avgPower=分段日均用电量求和/分段数;当判定此段时间有窃电,窃电标识位Y;否则,判定此段时间无窃电,窃电标识为N;
c)如窃电标识为Y,且Ds0为空,转步骤d);如窃电标识为Y,且Ds0非空,Dbgn=Dend+1,转步骤b);如窃电标识为N,且Ds0为空,Dbgn=Dend+1,转步骤b);如窃电标识为N,且Ds0非空,转步骤e);
d)对于[Dbgn,Dend]存在窃电记录,计算窃电起始日期;
若[Dbgn,Dend]为第一个时间周期,则计算[Dbgn-29,Dbgn]时间段日均用电量记为Pbe;
若[Dbgn,Dend]为第一个时间周期且或者[Dbgn,Dend]不是第一个判断周期,执行规则:对[Dbgn,Dend]时间段从Dbgn开始逐日判断,找到: 且往后连续两日均满足记第一个满足条件的日期为窃电起始日期Ds0;否则,对[Dbgn-29,Dbgn]时间段从Dbgn-29开始逐日判断,找到:且往后连续两日均满足记第一个满足条件的日期为窃电起始日期Ds0;
e)对于[Dbgn,Dend]存在非窃电记录,计算窃电截止日期;对[Dbgn,Dend]时间段从Dbgn开始逐日判断,找到:且往后连续两日均满足 记第一个满足条件的日期前一日为窃电截止日期Dt0;若遍历整个[Dbgn,Dend]周期,都无法找到满足条件的日期,则置Dt0=Dbgn-1,即Dbgn前一日。
f)输出用户疑似窃电时间段[Ds0、Dt0]。
上述阈值K,代表电量变化的倍数,经验值为0.5;实际可将已查处窃电用户作为样本数据,计算所有已查处窃电用户,窃电时日均用电量/正常用电日均用电量的均值,作为K值更合理。
步骤4,对疑似窃电时间段进行分段,获取各段的用电特征,根据正常用电特征和各分段的用电特征,判断各分段是否有效。
具体过程为如下:
41)基于预设的周期,对疑似窃电时间段进行分段;
42)获取各分段的日均用电量、日电量标准差;
42)获取正常用电时段的日均用电量、日电量标准差;
44)获取各总时段的日用电量移动平均值标准差;其中,一个总时段为一分段与正常用电时段的并集;
45)根据分段的日均用电量、分段的日电量标准差、正常用电时段的日均用电量、正常用电时段的日电量标准差、总时段的日用电量移动平均值标准差和预设第一规则,判断各分段是否有效。
预设第一规则为:若max(stdb/stds,stds/stdb)>=K1、avgs≤K2*avgb、且stdf>max(stdb,stds),则对应分段有效;其中,stdb为正常用电时段的日电量标准差,stds为分段的日电量标准差,K1为日电量波动率,值越大窃电嫌疑越大,K1≥5,avgs为分段的日均用电量,avgb为正常用电时段的日均用电量,K2为日用电量缩小倍率,值越小窃电嫌疑越大,K2≤0.5,stdf为总时段的日用电量移动平均值标准差。
假设疑似窃电时间段[Ds0、Dt0]长度为N天,如N>=30天,则取计算周期M=30,否则M=N,具体如下:
S1)对[Ds0、Dt0]进行周期切分,时间周期为M天,Count=取整(N/M)。如Count>=1,置M=30;否则,M=N;对i=1至Count,记D00表示分段起始日期,D00初始值为Ds0,循环执行如下过程步骤S2)至步骤S5);
S2)设Db0=Ds0-M、De0=Ds0-1,[Db0,De0]代表疑似窃电起始日期前推M天,计算此段时间用户用电的日均用电量avgb、日电量标准差stdb。
S3)设D11=D00+M-1,代表分段后疑似窃电截止日期,计算[D00,D11]时间段内用户用电的日均用电量avgs、日电量标准差stds。
S5)若max(stdb/stds,stds/stdb)>=K1、avgs≤K2*avgb、且stdf>max(stdb,stds),判定[D00,D11]有效,即用户窃电;否则判定[D00,D11]无效。
修正疑似窃电时间段,即将有效的分段剔除,重新获取疑似窃电时间段。
步骤5,响应于至少一个分段有效,修正疑似窃电时间段,并判定该用户为窃电用户;获取窃电用户初始一段时间用电特征和最近一段时间(默认6个自然月)的用电特征,根据预设第二规则,判定该用户最近是否窃电,将最近是否窃电的判定结果和修正后疑似窃电时间段传输给供电侧。
预设第二规则为:若avgPc≤K2*avgP0、且max(stdPc/devP0,devP0/stdPc)≥K1,则判定用户最近窃电;其中,K1为日电量波动率,K2为日用电量缩小倍率,avgPc为最近一段时间的日均用电量,stdPc为最近一段时间的日用电量标准差,avgPc和stdPc为最近一段时间的用电特征,avgP0为初始一段时间的日均用电量;参数devP0=∑stdP/6,stdP为初始一段时间每月的日电量标准差。
确定最近是否窃电的过程如下:
51)计算窃电嫌疑用户初始6个月月均日用电量及每月日电量标准差;
计算公式为:
日均用电量avgP0=∑日电量/总天数。
月日电量标准差stdP=sqrt(∑(日电量-avgP0)2/N1);N1—每月天数;
devP0=∑stdP/6;sqrt代表开平方根。
52)计算以当前日期为起点,前推连续30天日均用电量及标准差
日均用电量avgPc=∑日电量/30。
月日电量标准差stdPc=sqrt(∑(日电量-avgPc)2/30);
53)若满足预设第二规则,判定该用户最近窃电。
上述方法仅仅依赖用户日用电量数据,对采集数据质量要求较低,在分析时计算简单、资源需求小,是一种可广泛应用的窃电用户预判方法。上述方法利用用户窃电必然引起台区/线路统计线损变化来缩小可能发生窃电的用户范围,降低整体计算量,后对用户所采集全部电能数据进行计算分析,计算结果更准确可靠;上述方法牢牢抓住用户窃电必然引起电量变化这一特征,提供了一种准确判断窃电发生时间的方法,为窃电查处提供了数据依据,解决了以往靠人工主观认定窃电发生时间的经验主义问题;上述方法可以发现历史窃电但当前不窃电的用电客户,能为电力企业回溯历史分析问题提供支撑,同时有助于电力企业发现潜在风险用户提前部署防范措施。
一种基于用电采集大数据的窃电用户判断系统,包括,
统计线损率模块:获取台区/线路从投运至当前的全部统计线损率;
统计线损率标准值模块:根据台区/线路的统计线损率,计算台区/线路日统计线损率标准值;
高损发生时间段模块:根据台区/线路日统计线损率标准值,查找高损发生时间段;
疑似窃电时间段模块:获取台区/线路用户在高损发生时间段内的日用电量变化,查找用户疑似窃电时间段;
有效判断模块:对疑似窃电时间段进行分段,获取各段的用电特征,根据正常用电特征和各分段的用电特征,判断各分段是否有效;
判定模块:响应于至少一个分段有效,则判定该用户为窃电用户。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行基于用电采集大数据的窃电用户判断方法。
一种计算设备,包括一个或多个处理器、一个或多个存储器以及一个或多个程序,其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行基于用电采集大数据的窃电用户判断方法的指令。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (6)
1.一种基于用电采集大数据的窃电用户判断方法,其特征在于:包括,
获取台区/线路从投运至当前的全部统计线损率;
根据台区/线路的统计线损率,计算台区/线路日统计线损率标准值,查找高损发生时间段,过程为:
将台区/线路的月统计线损率按照升序排序,计算每月日统计线损率标准差std,计算台区/线路所有月std的平均值avg,基于排序,顺序取std≤K3*avg的前N个月;其中,K3为参数,计算所选取N个月每月日统计线损率均值,并将N个日统计线损率均值的均值作为日统计线损率标准值,根据日统计线损率标准值,查找高损发生时间段;
获取台区/线路用户在高损发生时间段内的日用电量变化,查找用户疑似窃电时间段,过程为:
基于预设的周期,对高损发生时间段进行分段,根据日用电量,计算用户在各段内日均用电量,判断各分段是否存在窃电,若某分段为第一个窃电时间段时、且该段首次出现从A日起用户日用电量连续多日小于等于用户日均用电基准值*阈值,则A日为疑似窃电起始时间,若A日后某分段为第一个非窃电时间段、且首次出现从B日起用户日用电量连续多日大于用户日均用电基准值*阈值,则B日为疑似窃电截止时间,其中,用户日均用电基准值为用户从计量点投运开始连续若干个自然月每月日均用电量的平均值;
对疑似窃电时间段进行分段,获取各段的用电特征,根据正常用电特征和各分段的用电特征,判断各分段是否有效,过程为:
基于预设的周期,对疑似窃电时间段进行分段,获取各分段的日均用电量、日电量标准差,获取正常用电时段的日均用电量、日电量标准差,获取各总时段的日用电量移动平均值标准差;其中,一个总时段为一分段与正常用电时段的并集,根据分段的日均用电量、分段的日电量标准差、正常用电时段的日均用电量、正常用电时段的日电量标准差、总时段的日用电量移动平均值标准差和预设第一规则,判断各分段是否有效;
预设第一规则为,若max(stdb/stds,stds/stdb)≥K1、avgs≤K2*avgb、且stdf>max(stdb,stds),则对应分段有效;其中,stdb为正常用电时段的日电量标准差,stds为分段的日电量标准差,K1为日电量波动率,avgs为分段的日均用电量,avgb为正常用电时段的日均用电量,K2为日用电量缩小倍率,stdf为总时段的日用电量移动平均值标准差;
响应于至少一个分段有效,则判定该用户为窃电用户。
2.根据权利要求1所述的一种基于用电采集大数据的窃电用户判断方法,其特征在于:响应于至少一个分段有效,修正疑似窃电时间段,并判定该用户为窃电用户;获取窃电用户初始一段时间用电特征和最近一段时间的用电特征,根据预设第二规则,判定该用户最近是否窃电,将最近是否窃电的判定结果和修正后疑似窃电时间段传输给供电侧。
3.根据权利要求2所述的一种基于用电采集大数据的窃电用户判断方法,其特征在于:预设第二规则为,
若avgPc≤K2*avgP0、且max(stdPc/devP 0,devP 0/stdPc)≥K1,则判定用户最近窃电;
其中,K1为日电量波动率,K2为日用电量缩小倍率,avgPc为最近一段时间的日均用电量,stdPc为最近一段时间的日用电量标准差,avgPc和stdPc为最近一段时间的用电特征,avgP0为初始一段时间的日均用电量;
参数devP 0=∑stdP/6,stdP为初始一段时间的每月日电量标准差。
4.一种基于用电采集大数据的窃电用户判断系统,其特征在于:包括,
统计线损率模块:获取台区/线路从投运至当前的全部统计线损率;
统计线损率标准值模块:根据台区/线路的统计线损率,计算台区/线路日统计线损率标准值,过程为:
将台区/线路的月统计线损率按照升序排序,计算每月日统计线损率标准差std,计算台区/线路所有月std的平均值avg,基于排序,顺序取std≤K3*avg的前N个月;其中,K3为参数,计算所选取N个月每月日统计线损率均值,并将N个日统计线损率均值的均值作为日统计线损率标准值,根据日统计线损率标准值,查找高损发生时间段;
高损发生时间段模块:根据台区/线路日统计线损率标准值,查找高损发生时间段,过程为:
基于预设的周期,对高损发生时间段进行分段,根据日用电量,计算用户在各段内日均用电量,判断各分段是否存在窃电,若某分段为第一个窃电时间段时、且该段首次出现从A日起用户日用电量连续多日小于等于用户日均用电基准值*阈值,则A日为疑似窃电起始时间,若A日后某分段为第一个非窃电时间段、且首次出现从B日起用户日用电量连续多日大于用户日均用电基准值*阈值,则B日为疑似窃电截止时间,其中,用户日均用电基准值为用户从计量点投运开始连续若干个自然月每月日均用电量的平均值;
疑似窃电时间段模块:获取台区/线路用户在高损发生时间段内的日用电量变化,查找用户疑似窃电时间段,过程为:
基于预设的周期,对疑似窃电时间段进行分段,获取各分段的日均用电量、日电量标准差,获取正常用电时段的日均用电量、日电量标准差,获取各总时段的日用电量移动平均值标准差;其中,一个总时段为一分段与正常用电时段的并集,根据分段的日均用电量、分段的日电量标准差、正常用电时段的日均用电量、正常用电时段的日电量标准差、总时段的日用电量移动平均值标准差和预设第一规则,判断各分段是否有效;
预设第一规则为,若max(stdb/stds,stds/stdb)≥K1、avgs≤K2*avgb、且stdf>max(stdb,stds),则对应分段有效;其中,stdb为正常用电时段的日电量标准差,stds为分段的日电量标准差,K1为日电量波动率,avgs为分段的日均用电量,avgb为正常用电时段的日均用电量,K2为日用电量缩小倍率,stdf为总时段的日用电量移动平均值标准差;
有效判断模块:对疑似窃电时间段进行分段,获取各段的用电特征,根据正常用电特征和各分段的用电特征,判断各分段是否有效;
判定模块:响应于至少一个分段有效,则判定该用户为窃电用户。
5.一种存储一个或多个程序的计算机可读存储介质,其特征在于:所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行根据权利要求1至3所述的方法中的任一方法。
6.一种计算设备,其特征在于:包括,
一个或多个处理器、一个或多个存储器以及一个或多个程序,其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1至3所述的方法中的任一方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011472846.7A CN112730938B (zh) | 2020-12-15 | 2020-12-15 | 一种基于用电采集大数据的窃电用户判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011472846.7A CN112730938B (zh) | 2020-12-15 | 2020-12-15 | 一种基于用电采集大数据的窃电用户判断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112730938A CN112730938A (zh) | 2021-04-30 |
CN112730938B true CN112730938B (zh) | 2023-05-02 |
Family
ID=75602204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011472846.7A Active CN112730938B (zh) | 2020-12-15 | 2020-12-15 | 一种基于用电采集大数据的窃电用户判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112730938B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113325232B (zh) * | 2021-06-09 | 2023-02-17 | 贵州电网有限责任公司 | 一种基于电能表负荷记录的电量追补装置和方法 |
CN113362199B (zh) * | 2021-06-15 | 2022-12-02 | 国网河南省电力公司许昌市建安供电公司 | 基于用户采集电量与台区线损相关性的窃电用户核查方法 |
CN113381408B (zh) * | 2021-08-12 | 2021-12-31 | 国网江西省电力有限公司电力科学研究院 | 一种基于配电自动化数据的用电异常配变定位方法及装置 |
CN115170003A (zh) * | 2022-09-08 | 2022-10-11 | 国网山东省电力公司兰陵县供电公司 | 窃电监控方法及系统、存储介质、终端 |
CN116128256B (zh) * | 2023-04-12 | 2023-06-20 | 国网吉林省电力有限公司信息通信公司 | 一种电力业务数据处理方法 |
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 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109270372A (zh) * | 2018-09-14 | 2019-01-25 | 美林数据技术股份有限公司 | 一种基于线损和用户用电量变化关系的窃电识别系统及方法 |
CN109633517A (zh) * | 2018-12-27 | 2019-04-16 | 国网湖南省电力有限公司 | 分相分时查找窃电的方法 |
CN111046319A (zh) * | 2019-11-26 | 2020-04-21 | 江苏方天电力技术有限公司 | 一种电力大用户用电异常分析方法及系统 |
CN111524025A (zh) * | 2019-12-06 | 2020-08-11 | 国网天津静海供电有限公司 | 一种基于分时电量计算的窃电查处方法 |
CN111521868A (zh) * | 2020-04-28 | 2020-08-11 | 广东电网有限责任公司梅州供电局 | 一种基于计量大数据筛查窃电用户的方法及装置 |
CN112035784A (zh) * | 2020-07-16 | 2020-12-04 | 中国电力科学研究院有限公司 | 一种基于用电采集数据确定低压台区的损耗的方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108664990B (zh) * | 2018-03-29 | 2020-09-18 | 清华大学 | 综合熵方法和密度聚类方法的窃电检测方法及装置 |
-
2020
- 2020-12-15 CN CN202011472846.7A patent/CN112730938B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109270372A (zh) * | 2018-09-14 | 2019-01-25 | 美林数据技术股份有限公司 | 一种基于线损和用户用电量变化关系的窃电识别系统及方法 |
CN109633517A (zh) * | 2018-12-27 | 2019-04-16 | 国网湖南省电力有限公司 | 分相分时查找窃电的方法 |
CN111046319A (zh) * | 2019-11-26 | 2020-04-21 | 江苏方天电力技术有限公司 | 一种电力大用户用电异常分析方法及系统 |
CN111524025A (zh) * | 2019-12-06 | 2020-08-11 | 国网天津静海供电有限公司 | 一种基于分时电量计算的窃电查处方法 |
CN111521868A (zh) * | 2020-04-28 | 2020-08-11 | 广东电网有限责任公司梅州供电局 | 一种基于计量大数据筛查窃电用户的方法及装置 |
CN112035784A (zh) * | 2020-07-16 | 2020-12-04 | 中国电力科学研究院有限公司 | 一种基于用电采集数据确定低压台区的损耗的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112730938A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112730938B (zh) | 一种基于用电采集大数据的窃电用户判断方法 | |
CN110231528B (zh) | 基于负荷特征模型库的变压器户变异常识别方法及装置 | |
CN110988422B (zh) | 一种窃电识别方法、装置及电子设备 | |
US20180075356A1 (en) | Method and apparatus for monitoring system | |
US20170371757A1 (en) | System monitoring method and apparatus | |
CN102982489A (zh) | 一种基于海量计量数据的电力客户在线分群方法 | |
CN104811344A (zh) | 网络动态业务监控方法及装置 | |
CN102637288A (zh) | 一种用于供电企业台区线损分析的方法 | |
CN105373118A (zh) | 一种智能设备数据采集方法 | |
CN109307811A (zh) | 一种基于大数据挖掘的用户专用变压器用电监测方法 | |
CN109002924B (zh) | 一种配网故障抢修预测分析系统及方法 | |
CN109494757B (zh) | 一种电压无功运行预警方法和系统 | |
CN107832949A (zh) | 一种面向电力用户的大数据服务方法 | |
CN110780261A (zh) | 一种电量采集数据核对方法及系统 | |
CN105160145B (zh) | 一种加油站自动卸油检测的方法和系统 | |
CN116523140A (zh) | 窃电检测方法、装置、电子设备和存储介质 | |
CN113516192A (zh) | 一种用户用电异动识别方法、系统、装置及存储介质 | |
JP2015137866A (ja) | 漏水量推定装置及び方法並びにシステム | |
CN110414776B (zh) | 分行业用电特性快速响应分析系统 | |
CN111650432A (zh) | 一种基于线损的窃电确定方法及装置 | |
CN116307886A (zh) | 一种企业生产状态的实时监测方法及装置 | |
CN110263033A (zh) | 管控对象画像生成方法、终端设备及介质 | |
CN112069168B (zh) | 一种设备运行数据云端存储方法 | |
CN113722557A (zh) | 一种燃气供销差的确定方法及装置 | |
CN112649641A (zh) | 一种基于窃电特征的窃电用户判断方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |