CN113221931A - 一种基于用电信息采集大数据分析的反窃电智能识别方法 - Google Patents

一种基于用电信息采集大数据分析的反窃电智能识别方法 Download PDF

Info

Publication number
CN113221931A
CN113221931A CN202011544142.6A CN202011544142A CN113221931A CN 113221931 A CN113221931 A CN 113221931A CN 202011544142 A CN202011544142 A CN 202011544142A CN 113221931 A CN113221931 A CN 113221931A
Authority
CN
China
Prior art keywords
users
electricity
index
current
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.)
Granted
Application number
CN202011544142.6A
Other languages
English (en)
Other versions
CN113221931B (zh
Inventor
唐伟宁
郭莉
钟术海
赵建军
朱大铭
安英海
张文宝
马群
白云峰
鞠默欣
孔凡强
赵智勇
于洋
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.)
Changchun Xianghecheng Technology Co ltd
STATE GRID JILINSHENG ELECTRIC POWER SUPPLY Co ELECTRIC POWER RESEARCH INSTITUTE
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd
State Grid Jilin Electric Power Corp
Original Assignee
Changchun Xianghecheng Technology Co ltd
STATE GRID JILINSHENG ELECTRIC POWER SUPPLY Co ELECTRIC POWER RESEARCH INSTITUTE
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd
State Grid Jilin Electric Power Corp
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 Changchun Xianghecheng Technology Co ltd, STATE GRID JILINSHENG ELECTRIC POWER SUPPLY Co ELECTRIC POWER RESEARCH INSTITUTE, State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd, State Grid Jilin Electric Power Corp filed Critical Changchun Xianghecheng Technology Co ltd
Priority to CN202011544142.6A priority Critical patent/CN113221931B/zh
Publication of CN113221931A publication Critical patent/CN113221931A/zh
Application granted granted Critical
Publication of CN113221931B publication Critical patent/CN113221931B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • 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—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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种基于用电信息采集大数据分析的反窃电智能识别方法，属于供电企业反窃电技术领域。包括：1)对台区进行户变变动监测、档案核查、异常监测分析、异常指标分析筛选出存在疑似窃电用户的台区；2)运用指标数据，构建业务分析模型，并通过模型评分规则对业务分析模型各指标进行打分，最终按各指标权重，计算出疑似窃电用户分数排名，找出台区中疑似窃电用户；3)依据按权重输出疑似窃电重点用户清单，进行窃电用户及窃电台区预警。优点是为供电企业反窃电工作提供一种精准、快捷、高效的分析筛选方法，提升对窃电行为分析和管控能力，及时满足各级供电单位快速高效的开展工作，提高供电可靠性，提升用户满意度。

Description

一种基于用电信息采集大数据分析的反窃电智能识别方法
技术领域
本发明涉及一种供电企业反窃电的技术领域，具体涉及一种基于用电信息采集大数据分析的反窃电智能识别方法。
背景技术
随着社会经济发展，社会用电需求不断增加，一些不法经营者为谋取暴利，置国家法律、法规于不顾，不择手段地窃取国家电能，窃电问题已成为困扰电力企业的一项难题。窃电行为不仅损害了国家和电力企业的经济利益，还危及到电网的安全运行，阻碍了电力行业的发展。现有反窃电方法主要是基于用电检查人员进行现场稽查，包括定期巡检、现场校验电表、用户举报等，不仅工作量大，且对人的依赖性太强，精确度和效率难以满足反窃电工作的要求，反窃电工作非常被动，查处准确性低。
发明内容
本发明提供一种基于用电信息采集大数据分析的反窃电智能识别方法，以解决目前采用人工方法进行反窃电监控、分析，存在的排查工作量大、精准度低的问题。
本发明采取的技术方案是：包括下列步骤：
步骤1：筛选目标台区。
(1)台区档案核查：核查内容包括：多考核计量点核查、接线方式三相非直通表倍率为1核查、光伏计量点主用途错误核查、双向计量异常核查，以上4个核查条件为并列条件，核查数据范围为台区、用户、电表、计量点；
(2)筛选可监测台区：可监测台区筛选条件为采集成功率≥98％、采集覆盖率≥98％，以上2个筛选条件为串行条件，核查数据范围包括采集成功率、采集覆盖率；
(3)一周内户变关系未调整判断：判断依据为台区下电表数量未发生变化，核查数据范围包括台区、用户、电表、计量点，其判断公式为：
Nt＝Nt-1......＝Nt-6
其中Nt为当前日期台区下电能表数；
(4)指标筛选：通过对线损率、一周内线损率波系数、三相不平衡度、功率因数4个指标进行筛选；
指标1：线损率≥K1，K1建议取值为15％；
指标2：一周内线损率波动系数≥K2，其中xi为每日线损率μ为N天内线损率均值，K2建议取值为3；
Figure BDA0002852543690000021
其中xi为每日线损率μ为N天内线损率均值；
指标3：三相不平衡度≥K3，K3建议取值为50％；
指标4：功率因数≤K4，K4建议取值为0.6；
步骤2：运用指标数据，构建业务分析模型，并通过模型评分规则对业务分析模型各指标进行打分，最终按各指标权重，计算出疑似窃电用户分数排名，找出台区中疑似窃电用户；
所述业务分析模型共6个指标，分别是与历史用电量比较突变值、用电量与线损率相关度、聚类用户与线损率相关度、开盖与电量突变值、零火线电流不平衡、分流分析。
根据业务分析模型的6个指标，利用层次分析法，为每个模型得到的疑似用户打分，分为一级分、二级分，并按照不同的得分和各模型权重，将用户分为高嫌疑用户、一般嫌疑用户；
(1)与历史用电量比较突变值
1)指标说明及权重
与历史用电量比较突变值是以周为单位，结合前4个周期的用电量，用移动平均法计算出用户历史用电量均值，并将当前周期用电量和历史用电量均值做比较，其权重为0.2；
2)指标计算模型
Figure BDA0002852543690000022
Figure BDA0002852543690000023
其中Mt为移动平均法计算得到的周期用电量，Mt+1为当前周期用电量均值，t为当前日期，N为计算天数，i为按计算周期天数的调整自然数，Δy为当前周期用其中电量与移动平均法计算得到的周期用电量的变化率|Δy|>30％,则认为用电量突变；
3)指标计算数据源
与历史用电量比较突变值的数据源是从当前时间点向前35天用户日用电量；
4)指标评分规则及等级
与历史用电量比较突变值30-35％为5分，35-45％为6分，45-60％为7分，60-80％为8分，80-100％为9分，超100％为10分。一级分为5分，二级分为10分；
(2)用电量与线损率相关度
1)指标说明及权重
用电量与线损率相关度是在统计周期内，找出用户用电量同线损相关性较强的用户，正相关或负相关，其权重为0.3；
2)指标计算模型
Figure BDA0002852543690000031
其中，ρX,Y表示X和Y两个变量的相关系数，cov(X,Y)为X与Y的协方差，σ为标准差，X为台区供电量/线损率，Y为台区台区售电量/用户采集电量，
Figure BDA0002852543690000032
表示X变量的平均值，
Figure BDA0002852543690000033
表示Y变量的平均值，n为计算天数，i为按计算周期天数的调整自然数，筛选绝对值ρX,Y≥0.8的用户；
3)指标计算数据源
用电量与线损率相关度的数据源是从当前时间点向前56天用户日用电量；
4)指标评分规则及等级
用电量与线损率相关度大于0.8，基础分为15分，每超0.01加1分，最高加20分，如相关度为0.93即15+1×(0.93-0.8)/0.01＝28，一级分为15分，二级分为35分；
(3)聚类用户与线损率相关度
1)指标说明及权重
聚类用户与线损率相关度是在进行聚类分析后的用户群同台区线损存在较强的相关性，其权重为0.1；
2)指标计算模型
k-means聚类、皮尔逊相关性分析，筛选用户用电量和台区线损相关性≥0.8；
3)指标计算数据源
聚类用户与线损率相关度的数据源是从当前时间点向前56天用户日用电量；
4)指标评分规则及等级
聚类用户与线损率相关度大于0.8，基础分为5分，每超0.01加0.5分，最高加10分；如相关度为0.93即5+0.5×(0.93-0.8)/0.01＝11.5；一级分为5分，二级分为15分；
(4)开盖与电量突变值
1)指标说明及权重
开盖与电量突变值是存在开盖事件，且开盖前后存在电量突变的用户，其权重为0.05；
2)指标计算模型
Figure BDA0002852543690000041
Figure BDA0002852543690000042
其中Mt为移动平均法计算得到的开盖事件发生前的周期用电量，Mt+1为开盖事件发生后的周期用电量均值，t为当前日期，N为计算天数，i为按计算周期天数的调整自然数，Δy为当前周期用电量与移动平均法计算得到的周期用电量的变化率，筛选|Δy|>30％用户；
3)指标计算数据源
开盖与电量突变值的数据源包括开盖事件，从当前时间点向前35天用户日用电量；
4)指标评分规则及等级
发生开盖事件，且事件前后存在电量突变即为5分即为5分，一级分为5分，二级分为5分；
(5)零火线电流不平衡
1)指标说明及权重
零火线电流不平衡是指火线电流/零线电流小于0.8，其权重为0.05；
2)指标计算模型
Figure BDA0002852543690000043
其中I1为火线电流，I2为零线电流；电流时间点选择7、11、15、19四个点；
3)指标计算数据源
零火线电流不平衡的数据源为用户一天7、11、15、19四个点零线电流、火线电流；
4)指标评分规则及等级
火线电流/零线电流小于0.8，基础分为10分，每减少0.04加0.75分，最高加15分，如比值为0.64即10+1×(0.8-0.64)/0.04*0.75＝13；一级分为10分，二级分为25分；
(6)分流分析
1)指标说明及权重
分流分析是指①7、11、15、19四个点零线电流大于K1，且火线电流/零线电流都小于K2；②7、11、15、19四个点零线电流大于0.1，且至少存在一个点火线电流/零线电流小于等于K3；
2)指标计算模型
满足条件时，
Figure BDA0002852543690000051
σ＜K1
xi：每一点的零、火线比值，μ：零、火线比值平均值，N为计算天数，i为按计算周期天数的调整自然数；K1建议值为0.1，K2建议值为0.8，K3建议值为0.5；
3)指标计算数据源
分流分析的数据源是零/火线电流、11、15、19四点曲线；
4)指标评分规则及等级
存在分流窃电即为5分，一级分为5分，二级分为5分；
步骤3：依据按权重输出疑似窃电重点用户清单，进行窃电用户及窃电台区预警，判断规则为当该疑似窃电用户连续出现3次，且两周内累计出现5次，将该用户列入高风险用户清单；当某一台区的疑似窃电用户≥5户，将该台区列入高风险台区清单，通过给出的窃电预警信息，供电企业人员可开展具体现场核查。
本发明的有益效果：
本发明依托智能电表计量装置的数据采集功能，针对现场实际问题，通过构建反窃电智能识别模型，多维度分析，精准识别疑似窃电用户，解决目前采用人工方法进行反窃电监控、分析，克服了排查工作量大、精准度低的瓶颈，为一线用电检查人员精准、高效开展反窃电分析和查处工作提供可靠的技术支撑。
以算法模型为主导完善低压用户窃电分析场景和规则，同时构建嫌疑用户风险等级评价体系，根据模型评分规则，将嫌疑用户按照评分区间划分为高、一般两档，完善用电检查管理机制，提供高风险等级窃电嫌疑目标用户，提升电力公司反窃查违工作质效，提升对窃电行为分析和管控能力，及时满足各级供电单位快速高效的开展工作，提高供电可靠性，提升用户满意度。该方法依据用电采集数据分析和规则模型，能智能识别出可能存在窃电行为的用户，具有很高的识别精准度。
附图说明
图1是本发明的窃电分析流程图；
图2是本发明的模型评分界面。
具体实施方式
包括下列步骤：
步骤1：筛选目标台区
(1)台区档案核查：核查内容包括：多考核计量点核查、接线方式三相非直通表倍率为1核查、光伏计量点主用途错误核查、双向计量异常核查，以上4个核查条件为并列条件；核查数据范围为台区、用户、电表、计量点；
(2)筛选可监测台区：可监测台区筛选条件为采集成功率≥98％、采集覆盖率≥98％，以上2个筛选条件为串行条件，核查数据范围包括采集成功率、采集覆盖率；
(3)一周内户变关系未调整判断。判断依据为台区下电表数量未发生变化，核查数据范围包括台区、用户、电表、计量点，其判断公式为：
Nt＝Nt-1......＝Nt-6
其中Nt为当前日期台区下电能表数；
(4)指标筛选：通过对线损率、一周内线损率波系数、三相不平衡度、功率因数等4个指标进行筛选；
指标1：线损率≥K1，K1建议取值为15％；
指标2：一周内线损率波动系数≥K2，其中xi为每日线损率μ为N天内线损率均值，K2建议取值为3；
Figure BDA0002852543690000061
其中xi为每日线损率μ为N天内线损率均值；
指标3：三相不平衡度≥K3，K3建议取值为50％；
指标4：功率因数≤K4，K4建议取值为0.6；
步骤2：运用指标数据，构建业务分析模型，并通过模型评分规则对业务分析模型各指标进行打分，最终按各指标权重，计算出疑似窃电用户分数排名，找出台区中疑似窃电用户；
业务分析模型共6个指标，分别是与历史用电量比较突变值、用电量与线损率相关度、聚类用户与线损率相关度、开盖与电量突变值、零火线电流不平衡、分流分析；
根据业务分析模型的6个指标，利用层次分析法，为每个模型得到的疑似用户打分，分为一级分、二级分，并按照不同的得分和各模型权重，将用户分为高嫌疑用户、一般嫌疑用户；
(1)与历史用电量比较突变值
1)指标说明及权重
与历史用电量比较突变值是以周为单位，结合前4个周期的用电量，用移动平均法计算出用户历史用电量均值，并将当前周期用电量和历史用电量均值做比较，其权重为0.2；
2)指标计算模型
Figure BDA0002852543690000071
Figure BDA0002852543690000072
其中Mt为移动平均法计算得到的周期用电量，Mt+1为当前周期用电量均值，t为当前日期，N为计算天数，i为按计算周期天数的调整自然数，Δy为当前周期用其中电量与移动平均法计算得到的周期用电量的变化率|Δy|>30％,则认为用电量突变；
3)指标计算数据源
与历史用电量比较突变值的数据源是从当前时间点向前35天用户日用电量；
4)指标评分规则及等级
与历史用电量比较突变值30-35％为5分，35-45％为6分，45-60％为7分，60-80％为8分，80-100％为9分，超100％为10分。一级分为5分，二级分为10分；
(2)用电量与线损率相关度
1)指标说明及权重
用电量与线损率相关度是在统计周期内，找出用户用电量同线损相关性较强的用户，正相关或负相关，其权重为0.3；
2)指标计算模型
Figure BDA0002852543690000081
其中，ρX,Y表示X和Y两个变量的相关系数。cov(X,Y)为X与Y的协方差，σ为标准差。X为台区供电量/线损率，Y为台区台区售电量/用户采集电量，
Figure BDA0002852543690000082
表示X变量的平均值，
Figure BDA0002852543690000083
表示Y变量的平均值，n为计算天数，i为按计算周期天数的调整自然数，筛选绝对值ρX,Y≥0.8的用户；
3)指标计算数据源
用电量与线损率相关度的数据源是从当前时间点向前56天用户日用电量；
4)指标评分规则及等级
用电量与线损率相关度大于0.8，基础分为15分，每超0.01加1分，最高加20分，如相关度为0.93即15+1×(0.93-0.8)/0.01＝28，一级分为15分，二级分为35分；
(3)聚类用户与线损率相关度
1)指标说明及权重
聚类用户与线损率相关度是在进行聚类分析后的用户群同台区线损存在较强的相关性，其权重为0.1；
2)指标计算模型
k-means聚类、皮尔逊相关性分析。筛选用户用电量和台区线损相关性≥0.8；
3)指标计算数据源
聚类用户与线损率相关度的数据源是从当前时间点向前56天用户日用电量；
4)指标评分规则及等级
聚类用户与线损率相关度大于0.8，基础分为5分，每超0.01加0.5分，最高加10分，如相关度为0.93即5+0.5×(0.93-0.8)/0.01＝11.5，一级分为5分，二级分为15分；
(4)开盖与电量突变值
1)指标说明及权重
开盖与电量突变值是存在开盖事件，且开盖前后存在电量突变的用户，其权重为0.05，
2)指标计算模型
Figure BDA0002852543690000091
Figure BDA0002852543690000092
其中Mt为移动平均法计算得到的开盖事件发生前的周期用电量，Mt+1为开盖事件发生后的周期用电量均值，t为当前日期，N为计算天数，i为按计算周期天数的调整自然数，Δy为当前周期用电量与移动平均法计算得到的周期用电量的变化率，筛选|Δy|>30％用户；
3)指标计算数据源
开盖与电量突变值的数据源包括开盖事件，从当前时间点向前35天用户日用电量；
4)指标评分规则及等级
发生开盖事件，且事件前后存在电量突变即为5分即为5分，一级分为5分，二级分为5分；
(5)零火线电流不平衡
1)指标说明及权重
零火线电流不平衡是指火线电流/零线电流小于0.8，其权重为0.05；
2)指标计算模型
Figure BDA0002852543690000093
其中I1为火线电流，I2为零线电流；电流时间点选择7、11、15、19四个点；
3)指标计算数据源
零火线电流不平衡的数据源为用户一天7、11、15、19四个点零线电流、火线电流；
4)指标评分规则及等级
火线电流/零线电流小于0.8，基础分为10分，每减少0.04加0.75分，最高加15分，如比值为0.64即10+1×(0.8-0.64)/0.04*0.75＝13，一级分为10分，二级分为25分；
(6)分流分析
1)指标说明及权重
分流分析是指①7、11、15、19四个点零线电流大于K1，且火线电流/零线电流都小于K2；②7、11、15、19四个点零线电流大于0.1，且至少存在一个点火线电流/零线电流小于等于K3；
2)指标计算模型
满足条件时，
Figure BDA0002852543690000101
σ＜K1
xi：每一点的零、火线比值，μ：零、火线比值平均值，N为计算天数，i为按计算周期天数的调整自然数；K1建议值为0.1，K2建议值为0.8，K3建议值为0.5；
3)指标计算数据源
分流分析的数据源是零/火线电流、11、15、19四点曲线；
4)指标评分规则及等级
存在分流窃电即为5分，一级分为5分，二级分为5分；
步骤3：依据按权重输出疑似窃电重点用户清单，进行窃电用户及窃电台区预警，判断规则为当该疑似窃电用户连续出现3次，且两周内累计出现5次，将该用户列入高风险用户清单；当某一台区的疑似窃电用户≥5户，将该台区列入高风险台区清单，通过给出的窃电预警信息，供电企业人员可开展具体现场核查。

Claims (3)

1.一种基于用电信息采集大数据分析的反窃电智能识别方法，其特征在于，包括下列步骤：
步骤1：筛选目标台区。
(1)台区档案核查：核查内容包括：多考核计量点核查、接线方式三相非直通表倍率为1核查、光伏计量点主用途错误核查、双向计量异常核查，以上4个核查条件为并列条件，核查数据范围为台区、用户、电表、计量点；
(2)筛选可监测台区：可监测台区筛选条件为采集成功率≥98％、采集覆盖率≥98％，以上2个筛选条件为串行条件，核查数据范围包括采集成功率、采集覆盖率；
(3)一周内户变关系未调整判断：判断依据为台区下电表数量未发生变化，核查数据范围包括台区、用户、电表、计量点，其判断公式为：
Nt＝Nt-1......＝Nt-6
其中Nt为当前日期台区下电能表数；
(4)指标筛选：通过对线损率、一周内线损率波系数、三相不平衡度、功率因数4个指标进行筛选；
指标1：线损率≥K1，K1建议取值为15％；
指标2：一周内线损率波动系数≥K2，其中xi为每日线损率μ为N天内线损率均值，K2建议取值为3；
Figure FDA0002852543680000011
其中xi为每日线损率μ为N天内线损率均值；
指标3：三相不平衡度≥K3，K3建议取值为50％；
指标4：功率因数≤K4，K4建议取值为0.6；
步骤2：运用指标数据，构建业务分析模型，并通过模型评分规则对业务分析模型各指标进行打分，最终按各指标权重，计算出疑似窃电用户分数排名，找出台区中疑似窃电用户；
步骤3：依据按权重输出疑似窃电重点用户清单，进行窃电用户及窃电台区预警，判断规则为当该疑似窃电用户连续出现3次，且两周内累计出现5次，将该用户列入高风险用户清单；当某一台区的疑似窃电用户≥5户，将该台区列入高风险台区清单，通过给出的窃电预警信息，供电企业人员可开展具体现场核查。
2.根据权利要求1所述的一种基于用电信息采集大数据分析的反窃电智能识别方法，其特征在于：所述业务分析模型共6个指标，分别是与历史用电量比较突变值、用电量与线损率相关度、聚类用户与线损率相关度、开盖与电量突变值、零火线电流不平衡、分流分析。
3.根据权利要求2所述的一种基于用电信息采集大数据分析的反窃电智能识别方法，其特征在于：根据业务分析模型的6个指标，利用层次分析法，为每个模型得到的疑似用户打分，分为一级分、二级分，并按照不同的得分和各模型权重，将用户分为高嫌疑用户、一般嫌疑用户；
(1)与历史用电量比较突变值
1)指标说明及权重
与历史用电量比较突变值是以周为单位，结合前4个周期的用电量，用移动平均法计算出用户历史用电量均值，并将当前周期用电量和历史用电量均值做比较，其权重为0.2；
2)指标计算模型
Figure FDA0002852543680000021
Figure FDA0002852543680000022
其中Mt为移动平均法计算得到的周期用电量，Mt+1为当前周期用电量均值，t为当前日期，N为计算天数，i为按计算周期天数的调整自然数，Δy为当前周期用其中电量与移动平均法计算得到的周期用电量的变化率|Δy|>30％,则认为用电量突变；
3)指标计算数据源
与历史用电量比较突变值的数据源是从当前时间点向前35天用户日用电量；
4)指标评分规则及等级
与历史用电量比较突变值30-35％为5分，35-45％为6分，45-60％为7分，60-80％为8分，80-100％为9分，超100％为10分。一级分为5分，二级分为10分；
(2)用电量与线损率相关度
1)指标说明及权重
用电量与线损率相关度是在统计周期内，找出用户用电量同线损相关性较强的用户，正相关或负相关，其权重为0.3；
2)指标计算模型
Figure FDA0002852543680000031
其中，ρX,Y表示X和Y两个变量的相关系数，cov(X,Y)为X与Y的协方差，σ为标准差，X为台区供电量/线损率，Y为台区台区售电量/用户采集电量，
Figure FDA0002852543680000032
表示X变量的平均值，
Figure FDA0002852543680000033
表示Y变量的平均值，n为计算天数，i为按计算周期天数的调整自然数，筛选绝对值ρX,Y≥0.8的用户；
3)指标计算数据源
用电量与线损率相关度的数据源是从当前时间点向前56天用户日用电量；
4)指标评分规则及等级
用电量与线损率相关度大于0.8，基础分为15分，每超0.01加1分，最高加20分，如相关度为0.93即15+1×(0.93-0.8)/0.01＝28，一级分为15分，二级分为35分；
(3)聚类用户与线损率相关度
1)指标说明及权重
聚类用户与线损率相关度是在进行聚类分析后的用户群同台区线损存在较强的相关性，其权重为0.1；
2)指标计算模型
k-means聚类、皮尔逊相关性分析，筛选用户用电量和台区线损相关性≥0.8；
3)指标计算数据源
聚类用户与线损率相关度的数据源是从当前时间点向前56天用户日用电量；
4)指标评分规则及等级
聚类用户与线损率相关度大于0.8，基础分为5分，每超0.01加0.5分，最高加10分；如相关度为0.93即5+0.5×(0.93-0.8)/0.01＝11.5；一级分为5分，二级分为15分；
(4)开盖与电量突变值
1)指标说明及权重
开盖与电量突变值是存在开盖事件，且开盖前后存在电量突变的用户，其权重为0.05；
2)指标计算模型
Figure FDA0002852543680000041
Figure FDA0002852543680000042
其中Mt为移动平均法计算得到的开盖事件发生前的周期用电量，Mt+1为开盖事件发生后的周期用电量均值，t为当前日期，N为计算天数，i为按计算周期天数的调整自然数，Δy为当前周期用电量与移动平均法计算得到的周期用电量的变化率，筛选|Δy|>30％用户；
3)指标计算数据源
开盖与电量突变值的数据源包括开盖事件，从当前时间点向前35天用户日用电量；
4)指标评分规则及等级
发生开盖事件，且事件前后存在电量突变即为5分即为5分，一级分为5分，二级分为5分；
(5)零火线电流不平衡
1)指标说明及权重
零火线电流不平衡是指火线电流/零线电流小于0.8，其权重为0.05；
2)指标计算模型
Figure FDA0002852543680000043
其中I1为火线电流，I2为零线电流；电流时间点选择7、11、15、19四个点；
3)指标计算数据源
零火线电流不平衡的数据源为用户一天7、11、15、19四个点零线电流、火线电流；
4)指标评分规则及等级
火线电流/零线电流小于0.8，基础分为10分，每减少0.04加0.75分，最高加15分，如比值为0.64即10+1×(0.8-0.64)/0.04*0.75＝13；一级分为10分，二级分为25分；
(6)分流分析
1)指标说明及权重
分流分析是指①7、11、15、19四个点零线电流大于K1，且火线电流/零线电流都小于K2；②7、11、15、19四个点零线电流大于0.1，且至少存在一个点火线电流/零线电流小于等于K3；
2)指标计算模型
满足条件时，
Figure FDA0002852543680000051
σ<K1
xi：每一点的零、火线比值，μ：零、火线比值平均值，N为计算天数，i为按计算周期天数的调整自然数；K1建议值为0.1，K2建议值为0.8，K3建议值为0.5；
3)指标计算数据源
分流分析的数据源是零/火线电流、11、15、19四点曲线；
4)指标评分规则及等级
存在分流窃电即为5分，一级分为5分，二级分为5分。
CN202011544142.6A 2020-12-23 2020-12-23 一种基于用电信息采集大数据分析的反窃电智能识别方法 Active CN113221931B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011544142.6A CN113221931B (zh) 2020-12-23 2020-12-23 一种基于用电信息采集大数据分析的反窃电智能识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011544142.6A CN113221931B (zh) 2020-12-23 2020-12-23 一种基于用电信息采集大数据分析的反窃电智能识别方法

Publications (2)

Publication Number Publication Date
CN113221931A true CN113221931A (zh) 2021-08-06
CN113221931B CN113221931B (zh) 2022-06-10

Family

ID=77085872

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011544142.6A Active CN113221931B (zh) 2020-12-23 2020-12-23 一种基于用电信息采集大数据分析的反窃电智能识别方法

Country Status (1)

Country Link
CN (1) CN113221931B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113447712A (zh) * 2021-08-30 2021-09-28 广东电网有限责任公司中山供电局 一种多维度结合发现专变计量装置窃电的方法
CN113642641A (zh) * 2021-08-13 2021-11-12 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
CN115267323A (zh) * 2022-08-01 2022-11-01 合肥顺帆信息科技有限公司 一种线损分析管理系统
CN116450625A (zh) * 2023-02-20 2023-07-18 湖北华中电力科技开发有限责任公司 一种基于用电信息采集系统的计量异常数据甄别装置
CN117874688A (zh) * 2024-03-12 2024-04-12 厦门市盛迅信息技术股份有限公司 基于数字孪生的电力数字化异常识别方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090315535A1 (en) * 2008-06-20 2009-12-24 Lee Jr Robert Edward Method and system for detecting electricity theft
CN103675492A (zh) * 2012-09-07 2014-03-26 国网电力科学研究院 一种用电监测分析方法、便携式用电监测分析装置及系统
US20140358838A1 (en) * 2013-06-04 2014-12-04 International Business Machines Corporation Detecting electricity theft via meter tampering using statistical methods
CN106645935A (zh) * 2016-12-27 2017-05-10 国网浙江象山县供电公司 用电监测方法及系统
CN107742127A (zh) * 2017-10-19 2018-02-27 国网辽宁省电力有限公司 一种改进的防窃电智能预警系统及方法
US20180364287A1 (en) * 2017-06-14 2018-12-20 Cooper Technologies Company System and method for detecting theft of electricity with integrity checks analysis
CN109753989A (zh) * 2018-11-18 2019-05-14 韩霞 基于大数据与机器学习的电力用户窃电行为分析方法
CN110968838A (zh) * 2019-11-29 2020-04-07 国网吉林省电力有限公司电力科学研究院 基于智能电能表开盖事件的用电异常分析方法
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

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090315535A1 (en) * 2008-06-20 2009-12-24 Lee Jr Robert Edward Method and system for detecting electricity theft
CN103675492A (zh) * 2012-09-07 2014-03-26 国网电力科学研究院 一种用电监测分析方法、便携式用电监测分析装置及系统
US20140358838A1 (en) * 2013-06-04 2014-12-04 International Business Machines Corporation Detecting electricity theft via meter tampering using statistical methods
CN106645935A (zh) * 2016-12-27 2017-05-10 国网浙江象山县供电公司 用电监测方法及系统
US20180364287A1 (en) * 2017-06-14 2018-12-20 Cooper Technologies Company System and method for detecting theft of electricity with integrity checks analysis
CN107742127A (zh) * 2017-10-19 2018-02-27 国网辽宁省电力有限公司 一种改进的防窃电智能预警系统及方法
CN109753989A (zh) * 2018-11-18 2019-05-14 韩霞 基于大数据与机器学习的电力用户窃电行为分析方法
CN110968838A (zh) * 2019-11-29 2020-04-07 国网吉林省电力有限公司电力科学研究院 基于智能电能表开盖事件的用电异常分析方法
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

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
PARIA JOKAR 等: "Electricity Theft Detection in AMI Using Customer"s Consumption Patterns", 《IEEE TRANSACTIONS ON SMART GRID》 *
SHUAN LI 等: "Electricity Theft Detection in Power Grids with Deep Learning and Random Forests", 《JOURNAL OF ELECTRICAL AND COMPUTER ENGINEERING》 *
丁力: "用电信息采集系统中基于数据挖掘的防窃电技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)经济与管理科学辑》 *
吴远超: "基于大数据分析的窃电行为识别方法及全方位防窃电系统的研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *
庄池杰 等: "基于无监督学习的电力用户异常用电模式检测", 《中国电机工程学报》 *
李昂 等: "大电量客户窃电风险识别研究", 《通信电源技术》 *
熊霞 等: "基于台区识别和关联监测加权算法的窃电检测方法", 《计算机应用》 *
鞠默欣 等: "基于用电信息采集大数据的窃电智能诊断识别技术研究", 《吉林电力》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113642641A (zh) * 2021-08-13 2021-11-12 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
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
CN113447712A (zh) * 2021-08-30 2021-09-28 广东电网有限责任公司中山供电局 一种多维度结合发现专变计量装置窃电的方法
CN113447712B (zh) * 2021-08-30 2022-01-25 广东电网有限责任公司中山供电局 一种多维度结合发现专变计量装置窃电的方法
CN115267323A (zh) * 2022-08-01 2022-11-01 合肥顺帆信息科技有限公司 一种线损分析管理系统
CN115267323B (zh) * 2022-08-01 2023-11-03 合肥顺帆信息科技有限公司 一种线损分析管理系统
CN116450625A (zh) * 2023-02-20 2023-07-18 湖北华中电力科技开发有限责任公司 一种基于用电信息采集系统的计量异常数据甄别装置
CN117874688A (zh) * 2024-03-12 2024-04-12 厦门市盛迅信息技术股份有限公司 基于数字孪生的电力数字化异常识别方法及系统
CN117874688B (zh) * 2024-03-12 2024-05-14 厦门市盛迅信息技术股份有限公司 基于数字孪生的电力数字化异常识别方法及系统

Also Published As

Publication number Publication date
CN113221931B (zh) 2022-06-10

Similar Documents

Publication Publication Date Title
CN113221931B (zh) 一种基于用电信息采集大数据分析的反窃电智能识别方法
CN110097297B (zh) 一种多维度窃电态势智能感知方法、系统、设备及介质
CN110824270B (zh) 结合台区线损和异常事件的窃电用户辨识方法及装置
CN110222991B (zh) 基于rf-gbdt的计量装置故障诊断方法
CN110927654B (zh) 一种智能电能表批次运行状态评价方法
CN115115282B (zh) 一种高电压台区电力系统数据分析方法
CN110636066B (zh) 基于无监督生成推理的网络安全威胁态势评估方法
CN103886518A (zh) 一种基于监测点电能质量数据挖掘的电压暂降预警方法
CN105303331A (zh) 一种变压器维修风险决策方法
CN113268590A (zh) 一种基于设备画像和集成学习的电网设备运行状态评估方法
CN110321912A (zh) 多计量异常事件关联度分析方法
CN107844067A (zh) 一种水电站闸门在线状态监测控制方法及监测系统
CN110688389A (zh) 变电站二次设备缺陷云管理系统
CN114169424A (zh) 基于k近邻回归算法和用电数据的排污量预测方法
CN107239835A (zh) 构建油气地面生产不同工艺流程差异化等级运维的方法与系统
CN113516336A (zh) 一种确定窃电嫌疑用户的方法及系统
CN112036725A (zh) 一种电能表故障识别方法
CN108171397A (zh) 一种配电二次设备状态风险评估方法
CN117391357B (zh) 一种基于大数据的电网调度运行管理的调度自查系统
Zhang et al. Research on comprehensive diagnosis model of anti-stealing electricity based on big data technology
CN117614137A (zh) 基于多源数据融合的配电网优化系统
CN115840922B (zh) 一种基于深度学习算法的充电异常行为分析方法
CN114167837B (zh) 一种铁路信号系统的智能故障诊断方法及系统
CN116522746A (zh) 高耗能企业配电托管方法
CN114295880A (zh) 一种电力窃电精准定位及异常用电行为检测分析模型

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