CN113094884A

CN113094884A - 基于三层递进式分析模型的配电网用户窃电行为诊断方法

Info

Publication number: CN113094884A
Application number: CN202110348972.XA
Authority: CN
Inventors: 穆云飞; 吉杨; 贾宏杰; 肖迁; 侯恺; 余晓丹
Original assignee: Tianjin University
Current assignee: Tianjin University
Priority date: 2021-03-31
Filing date: 2021-03-31
Publication date: 2021-07-09

Abstract

本发明公开了一种基于三层递进式分析模型的配电网用户窃电行为诊断方法，该方法包括：以主站层台区窃电行为存在性判定，采集终端层四维指标的窃电用户嫌疑度评价体系，电能表层高频采集与事件上报的取证确认三部分为主体，建立三层递进式分析模型。基于户变关系识别和理论线损对比判定台区窃电行为是否存在；通过四维指标体系进行台区内用户窃电嫌疑度计算与划分；根据事件上报和高频采集数据进一步确认取证并形成稽查工单。本方法充分发挥HPLC深化应用功能优势，匹配当前用电信息采集系统主站及边缘侧实际计算能力，实现了配电网用户窃电行为快速响应、准确定位和有效取证。

Description

基于三层递进式分析模型的配电网用户窃电行为诊断方法

技术领域

本发明涉及电力系统配电网线损管控领域，尤其涉及一种基于三层递进式分析模型的配电网用户窃电行为诊断方法。

背景技术

近年来，电力为中国经济社会发展提供了越来越多的支撑作用，同时窃电行为也愈加严重，不仅影响了用户用电质量，还可能危及电网安全运行。此外，窃电行为在我国每年造成的损失在百亿以上，供电单位改革创新，提质增效的发展方向要求其要进一步加强线损管理和窃电行为稽查。线损电量为供电量与用电量之差，窃电分子通过导线绕接，干扰等方式，使电能表电量少计、错计，从而达到降低电费的目的，未计量的那部分电量即被算入线损电量中，导致台区线损率过高，加之给计量装置造成的破坏，均会给供电公司造成损失。窃电过程中的违规接电威胁人身安全，在电网感知以外的违规用电会对电网的安全稳定调控及运行带来不利影响。

随着科技的进步，当前窃电手法从简单向高技术转变，窃电方式由简单的分压、分流等手段发展到采用遥控装置间歇性窃电、高频干扰器非侵人式窃电等高科技窃电方式，窃电的地点和过程更加隐蔽。而传统的窃电稽查手段一般为依靠反窃电物理装置，高损台区现场人工排查，用户举报等方式，随着窃电手段的升级，该方法存在效率低下，证据收集困难的问题。

学术界提出基于人工智能的一些智能算法，实际现场采集设备的计算处理能力难以实现。且很多算法针对采集数据缺失，频度低而建立的智能分析模型，未见针对国网新推广应用的HPLC深化应用功能所配置的窃电分析方案。

发明内容

针对配电网线损管控中的用户窃电问题，结合当前新推广应用的HPLC通信技术和计量设备，建立了一种基于三层递进式分析模型的配电网用户窃电行为诊断方法，该方法以台区理论线损分析，四维指标的窃电嫌疑度评价体系，高频采集与事件上报的取证确认三部分为主体建立三层递进式分析模型，详见下文描述：

一种基于三层递进式分析模型的配电网用户窃电行为诊断方法，所述方法包括：

若台区的日线损率高于台区线损率考核指标，且线损率高于理论线损率参考值，则判定台区内存在疑似窃电行为，进行基于四维指标的窃电行为分析；

若台区高损时段内单用户日冻结电量平均值超出用户日冻结电量数据集S_q的取值范围，高于S_q最大值或低于S_q最小值的偏差值为该用户的用电量水平偏差指标取值d_q；

若台区高损时段内单用户用电量占台区总用电量占比平均值超出用户用电量占比数据集S_r的取值范围，高于S_r最大值或低于S_r最小值的偏差值为该用户的用电量占比偏差指标取值d_r；

台区高损时段内求单用户所有相邻两日的用电量变化率，并计算该用户用电量变化率平均值r_aver，取台区高损起始日及前后两日的日用电量变化率最大值r_max，则该用户用电量变化率偏差指标为d_k＝r_max-r_aver；

台区高损时段内计算用户日用电量时序序列Q_user(t)和对应每日的台区线损电量时序序列Q_area(t)的皮尔逊相关系数，即关联性指标d_c；

计算归一化后的四项指标的加权平均值作为用户嫌疑度，按嫌疑度阈值将用户划分为“正常”、“预警”和“异常”用户。

本发明提供的技术方案的有益效果是：

1、本发明以主站层台区窃电疑似判定，采集终端层四维指标的窃电用户嫌疑度评价体系，电能表层高频采集与事件上报的取证确认三部分为主体，建立三层递进式分析模型；本发明在窃电事件的处理上可以更加及时准确，充分掌握窃电证据，有效支撑反窃电工作的开展；

2、通过本发明可以顺应国家电网公司HPLC技术推广应用的趋势，充分挖掘HPLC深化应用功能优势，基于当前用电信息采集系统边缘计算资源与处理能力，以主站-采集终端-电能表的用电信息采集系统主体为依托，实现窃电行为辨识，用户嫌疑度评价，窃电取证和分钟级派工响应，满足现场实际窃电稽查要求。

附图说明

图1为一种基于三层递进式分析模型的配电网用户窃电行为诊断方法的流程图；

图2为案例台区日线损率曲线；

图3为案例台区理论线损率与实际线损率对比曲线；

图4为示例用户线损率正常情况下的日用电量曲线；

图5为示例用户线损率正常情况下的日用电量箱线图；

图6为示例用户线损异常时的日用电量曲线；

图7为示例用户的高频采集瞬时功率曲线；

图8为多案例分析结果混淆矩阵。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详细描述。

当前国家电网公司推广HPLC(High-speed Power Line Communication)通信技术，即高速电力线载波通信技术，并开展深化应用升级工作，其中的高频数据采集、事件主动上报、台区自动识别、相位拓扑识别等功能将对窃电检查工作提供更好的支撑作用，因此需要充分挖掘HPLC的优势，建立基于HPLC技术的窃电行为智能诊断方法，且符合当前用电信息采集系统对边缘计算的支撑能力，为窃电稽查工作提供有效的解决方案。

本发明实施例提供了一种基于三层递进式分析模型的配电网用户窃电行为诊断方法，参见图1，该方法整体架构包括以下三个层级：

1)主站层

用电信息采集系统的主站接收采集终端上传的台区信息、用户档案、线损电量等数据，本方法利用这些数据在主站侧进行台区线损情况总体分析。包括：判断日线损率是否超过考核上限；通过台区户变关系识别功能来检查、修正或排除用户档案中户变关系错乱的高损原因；以及理论线损计算对比。以此来判断哪些台区具有可能因窃电导致的高损问题，作为窃电嫌疑台区进行下一层的具体分析。

2)采集终端层

采集终端包括：集中器和专变采集终端，一个台区一般装设一台，按照任务设定按时采集所在台区内的所有电能表的日冻结电量、负荷电压电流等数据并上传到主站。本方法利用采集到的各用户日冻结电量数据和台区总电量数据进行四维指标分析，对主站层分析得到的窃电嫌疑台区内的所有用户进行嫌疑度评价，为下一层分析缩小范围。

3)电能表层

其中，电能表根据采集终端指令进行用户日冻结电量和负荷电压电流等数据的采集并上传采集终端，每个用户装设一台。本方法在电能表层根据事件上报功能进一步确定“异常”用户，考虑当前HPLC技术中的高频采集功能只对于少量电能表进行采集时才能避免过度占用载波通道影响其他业务，因此只对“异常”用户启用周期为15min的高频采集功能，针对功率发生异常变化的用户生成排查工单，及时进行窃电现场稽查。

下面结合图1，计算公式详细描述上述的诊断方法，详见下文介绍：

步骤1)：高损台区判定

在用电信息采集系统中监控各台区的日线损率，若日线损率高于线损率考核值，则该台区视为高损台区，进入下面的高损台区分析流程；若日线损率低于线损率考核值，则该台区线损率合格，无需进行线损治理。

步骤2)：计量采集与户变关系问题排查

结合现场排查和用电信息采集系统分析，判断计量装置是否存在故障，通信环境是否良好，主站数据处理是否异常等计量采集问题。同时开启户变关系识别功能，利用HPLC的台区自动识别功能进行户变关系(本领域公知的技术术语)识别。问题排除或及时解决后仍存在高损问题，继续以下分析流程。

其中，用电信息采集系统为电力行业公知的系统，用于用电数据远程抄表采集、电费充值等功能，包括简单的线损统计分析等，本发明实施例对此不做赘述。

步骤3)：理论线损对比

进行理论线损率计算，得到当前条件下的理论线损率参考值，若台区的日线损率高于理论线损率，则判定台区内存在疑似窃电行为，进行下面的基于四维指标的窃电行为分析；若台区的日线损率等于或低于理论线损率，则该台区的高线损率可能由负荷特性等其他因素导致，在此不做窃电因素的分析。至此，第一层边缘计算结束。

步骤4)：用电量水平偏差指标分析

从此步骤到步骤9)是台区内每个用户都需要独立执行的分析流程，在此仅基于一个用户进行阐述。取台区线损率正常情况下该用户近3个月至6个月的日冻结电量历史数据，选取的用户历史数据用电量水平应保证与当前未有明显的稳定的差异性。除去该用户停工期、临时外出、节假日等用电量水平极低的数据，余下的历史数据采用箱线图的方式去除异常值：设Q₁和Q₃分别为日冻结电量数据集的1/4分位点和3/4分位点，IQR为1/4分位点和3/4分位点的距离，则上限为Q₃+1.5×IQR，下限为Q₁-1.5×IQR，超过上限和低于下限的数据进行剔除，最终得到该用户日冻结电量数据集S_q，表征该用户正常情况下日用电量水平。取台区高损时段内该用户日冻结电量平均值，若平均值超出S_q的取值范围，则其高于S_q最大值或低于S_q最小值的偏差值为该用户的用电量水平偏差指标取值d_q；若未超出S_q的取值范围，则d_q＝0。

步骤5)：用电量占比偏差指标分析

将该用户的日用电量数据集S_q中的每日用电量除以当日台区用户总用电量，得到该用户用电量占比数据集S_r。取台区高损时段内该用户用电量占比平均值，若平均值超出S_r的取值范围，则其高于S_r最大值或低于S_r最小值的偏差值为该用户的用电量占比偏差指标取值d_r；若未超出S_r的取值范围，则d_r＝0。

步骤6)：用电量变化率偏差指标分析

定义日用电量变化率为相邻两日的用电量之差与时间差(min)的比值，取数据集S_q，求所有相邻两日的用电量变化率，并计算变化率平均值r_aver。取台区高损起始日及前后两日 (共5日)的日用电量变化率最大值r_max，则该用户用电量变化率偏差指标为d_k＝r_max-r_aver。

步骤7)：用电量-台区线损电量关联性指标分析

取台区高损时段区间，往前取到整月的时段，如7月10日开始出现台区高损，则时段区间从7月1日开始。根据式(1)，计算用户日用电量时序序列Q_user(t)和对应每日的台区线损电量时序序列Q_area(t)的皮尔逊相关系数，即关联性指标d_c。

其中，

为序列中的用户日用电量平均值，

为序列中的台区线损电量平均值，T 为序列的天数。

步骤8)：指标归一化

为解决上述四项指标量纲的差异性带来的误差，分别针对每项指标，将该指标的台区所有用户计算结果进行归一化处理，即所有用户最大值取1，其他用户取其结果与最大值的比值，由此得到用户归一化处理后的四项指标d_q′、d_r′、d_k′、d_c′。

步骤9)：计算嫌疑度

计算四项指标的加权平均值作为用户嫌疑度P_suspition，如式(2)所示，其中权重一般取1，或可根据现场准确率反馈作适当调整。进行用户嫌疑度排序，默认选取嫌疑度大于0.5的用户为“异常”，大于0.4小于0.5的用户等级划分为“预警”，记录用户异常时间，至此，第二层边缘计算结束。

其中，w₁,w₂,w₃,w₄为四项指标各自的权重。

步骤10)：基于HPLC事件上报功能的事件取证

针对“异常”和“预警”用户，利用HPLC的事件上报和相位拓扑识别功能，考察智能电表经HPLC模块上报的事件数据，若在台区高损期间存在电表开盖事件和三相不平衡事件记录，则“预警”用户变为“异常”用户，并作为窃电嫌疑证据。

步骤11)：基于HPLC高频采集的用户窃电行为确认及快速响应

HPLC通信单元的高频数据采集功能为智能电表每15min采集一次功率数据上传给集中器，考虑目前规模较大台区进行高频数据采集时存在通信通道占用过量导致远程充值等其他采集功能无法正常运行的情况，因此本发明实施例只针对上述步骤筛选的“异常”用户实施高频采集数据上传。分析用户功率曲线，若在台区高损起始日该用户功率存在显著的异常下降时刻(功率正常范围及异常偏差判别方法参考步骤4)，则以此作为证据，生成预警排查任务，进行排查任务的拆分、派工、处理、审核，实现窃电稽查快速响应。

案例分析

选取浙江某地区低压配电网中某台区作为窃电分析案例，该台区共有163个用户，其中有居民用户107个，一般工商业用户56个。

(1)主站层

步骤1)：

电力公司线损管理人员通过用电信息采集系统的主站发现该台区自8月21日起线损率始终高于考核要求的8％，因此将其列为窃电嫌疑台区，该台区8月份的日线损率曲线如图2所示。

步骤2)：

分析用电信息采集系统的主站采集到的数据及计量表计状态情况可见，计量表计未发生采集缺失等故障，远程充值等其他业务正常运行，通信环境良好。开启户变关系识别功能使集中器与电能表组网，并将组网后实际在网电能表户号与档案记录的户号对比，未发现缺失和多余电能表户号，因此户变关系错乱因素排除。

步骤3)：

通过主站进行理论线损计算，得到的理论线损率和实际线损率曲线如图3所示。可见 8月21日前理论线损率略低于实际线损率，该差异是由于理论线损计算误差或各类装备损耗在计算时考虑不全面导致的，8月21日以后实际线损率与理论线损率差异明显增大，窃电一般为该情形的主要原因，因此判定台区内存在疑似窃电行为。

(2)采集终端层

该层分析针对台区内所有用户，这里仅以用户A为例进行结果展示。

步骤4)：

对用户选取前三个月台区线损正常时的日用电量数据作为该用户正常数据集，用户A 的日冻结电量曲线如图4所示。

对正常数据集进行异常值剔除。用户A正常情况下日用电量箱线图如图5所示。去除图中左侧箱线以外用电量较低的异常值，得到台区线损率正常情况下用户A的日用电量数据集S_q，范围为204.3kWh～368.8kWh。

用户A在台区线损异常时的日用电量曲线如图6所示，在8月21日至8月31日台区线损异常期间的平均日用电量为137.5，因此用电量水平偏差指标d_q＝204.3-137.5＝66.8kWh。

步骤5)：

将步骤4中采用的日用电量数据全部替换为日用电量除以当日台区总电量，分析过程不变，得到线损率正常情况下用户A的用电量占比数据集S_r，范围为2.43％～2.95％，用电量占比偏差指标d_r＝2.43％-2.12％＝0.31％kWh。

步骤6)：

由数据集S_q得到用户A正常情况下的日用电量绝对值的平均变化率为14.29％，则用电量偏差指标d_k＝r_max-r_aver＝44.96％-14.29％＝30.67％。

步骤7)：

根据公式(1)，计算8月份台区总的日用电量和用户A的日用电量的皮尔逊相关系数，得到关联性指标d_c＝-0.869。

步骤8)：

将四项指标归一化处理得到d_q′＝0.92，d_r′＝0.76，d_k′＝1，d_c′＝1。

步骤9)：

根据公式(2)计算用户嫌疑度，得到用户A的嫌疑度为0.92，大于0.5，因此判定该用户为异常用户。

(3)电能表层

步骤10)：

考察时间上报数据，未发现电能表开盖事件、三相不平衡等事件记录。

步骤11)：

针对“异常”用户利用高频数据采集，由电能表每15min采集一次瞬时功率数据，如图7所示。由图中可见，8月21日11时45分，该用户瞬时功率明显降低，且功率曲线波动性减小。由此生成现场稽查工单，供电公司人员到现场排查，根据上述提供的功率突降时刻查看现场监控发现该时间之前存在非电力公司人员打开计量箱进行未知操作的行为，用户处查看发现存在私拉电线到大功率负荷用电的情况，属窃电行为。至此窃电用户诊断及稽查完毕，该窃电智能诊断方法判断正确。

针对该地区近一年不同台区发生的23个用户窃电案例，采用本方法进行窃电智能诊断，其结果如图8所示。由混淆矩阵第一列可见，实际为窃电用户的23个用户中，诊断为窃电用户的为21个，判定窃电用户的准确率达到91.3％；由混淆矩阵第一行可见，所有诊断为窃电用户的26个用户中，有21个确实为窃电用户，5个为窃电误判用户，通过现场稽查可排除，判定窃电用户的精准率达到80.8％。

综上所述，本方法能够准确地判定窃电用户，有效帮助窃电稽查管控，满足实际应用需求。

本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要能完成上述功能的器件均可。

本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims

1.一种基于三层递进式分析模型的配电网用户窃电行为诊断方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种基于三层递进式分析模型的配电网用户窃电行为诊断方法，其特征在于，所述用户正常用电情况下日冻结电量数据集S_q为：设Q₁和Q₃分别为日冻结电量数据集的1/4分位点和3/4分位点，IQR为1/4分位点和3/4分位点的距离，则上限为Q₃+1.5×IQR，下限为Q₁-1.5×IQR，超过上限和低于下限的数据进行剔除，最终的数据集。

3.根据权利要求1所述的一种基于三层递进式分析模型的配电网用户窃电行为诊断方法，其特征在于，所述用户用电量占比数据集S_r为：将该用户的日用电量数据集S_q中的每日用电量除以当日台区用户总用电量得到。

4.根据权利要求1所述的一种基于三层递进式分析模型的配电网用户窃电行为诊断方法，其特征在于，所述关联性指标为：

其中，

为序列中的用户日用电量平均值，

为序列中的台区线损电量平均值，T为序列的天数。

5.根据权利要求1所述的一种基于三层递进式分析模型的配电网用户窃电行为诊断方法，其特征在于，所述用户嫌疑度为：

其中，w₁,w₂,w₃,w₄为四项指标各自的权重。

6.根据权利要求1所述的一种基于三层递进式分析模型的配电网用户窃电行为诊断方法，其特征在于，所述方法还包括：

若在台区高损期间存在电表开盖事件和三相不平衡事件记录，则“预警”用户变为“异常”用户，并作为窃电嫌疑证据；

仅对“异常”用户进行高频数据采集，确定窃电起始时刻，将瞬时功率曲线变化作为窃电证据。