CN113253007B - 专变用户多维度智能反窃电精准定位方法及系统 - Google Patents
专变用户多维度智能反窃电精准定位方法及系统 Download PDFInfo
- Publication number
- CN113253007B CN113253007B CN202010357420.0A CN202010357420A CN113253007B CN 113253007 B CN113253007 B CN 113253007B CN 202010357420 A CN202010357420 A CN 202010357420A CN 113253007 B CN113253007 B CN 113253007B
- Authority
- CN
- China
- Prior art keywords
- electricity
- electric quantity
- user
- screening
- daily
- 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
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明公开了一种专变用户多维度智能反窃电精准定位方法及系统,属于窃电监测技术领域,从线损系统采集专变用户日售电量、月售电量、用户档案、发行电量和用户档案信息;从同期线损系统采集的月售电量是计量点的电量,将计量点电量合并为用户电量,通过月用电量与用户的月发行电量,得出偏差电量、偏差系数;日电量计算按时间段对日电量进行计算,从同期线损系统采集的日售电量是计量点的电量,计算该户在时间段内的零电量用户、日用电量、极限电量、极限偏差电量、极限偏差系数、波动系数;根据计算结果筛选出零度户、电量异常波动、发行电量和极限电量,并通过图形展示。本发明能够针对专变用户进行逐户循环计算筛选,实现反窃电精准定位。
Description
技术领域
本发明涉及窃电监测技术领域,具体是一种专变用户多维度智能反窃电精准定位方法及系统。
背景技术
电力供应企业日常经营活动中极易遇到个人或公司的窃电行为,不仅会对正常用电的单位和个人造成干扰,并且盗用了国家财产,是一种严重的违法行为,严重扰乱了市场秩序,造成国有财产的损失。现有采用用电系统、线损系统中产生大量的与窃电有关的异常报警数据,然而这种窃电报警并不准确,经常出现误报情况,而且不可能做到人工逐户进行分析或每户都到现场排查,从而造成反窃电不能精准定位,影响排查效率。
公布号为CN 110097297 A的专利文献公开了一种多维度窃电态势智能感知方法,包括步骤:基于不同系统获取不同地区典型行业用户的电力原始数据;构造不同典型行业用户的聚类因子,通过聚类算法对电力原始数据分析,生成典型行业的用电特征曲线,建立典型行业用电矩阵化数据集;构建初始特征,对电力原始数据中对应特征量进行选择及提取,生成反窃电专家样本库;以典型行业用电矩阵化数据集与反窃电专家样本库为基础,构建反窃电诊断模型;对典型行业用户的电力原始数据进行筛选,再输入至反窃电诊断模型以分析用户的窃电情况。该发明构通过建反窃电诊断模型,对窃电嫌疑户进行概率推测和风险预警,未能针对每一专变用户进行筛选,反窃电定位准确度不高。
公布号为CN 107742127 A的专利文献公开了一种改进的防窃电智能预警系统及方法,属于智能电网信息化领域。该系统包括数据源模块、存储模块、诊断模块、预警模块。该方法建立用户窃电行为概率大数据分析模型,经过多维度分析,精准识别疑似窃电用户,应用于反窃电业务,解决目前人工进行反窃电监控、分析、排查工作量大、精准度低的瓶颈,为现场一线用电检查及反窃电人员精准、高效开展反窃电分析和查处工作提供可靠的技术支撑。配置设定后,无需人工干涉,自主独立对电力系统窃电行为进行精准分析并预警;解决目前人工进行反窃电监控、分析、排查工作量大、精准度低的瓶颈,提升电网资源管理的合理性及精确性。但是,该发明仍未针对专变用户进行逐户循环计算筛选,易出现误报,不能精准定位。
发明内容
有鉴于此,本发明针对现有技术的不足,提供的一种能够针对专变用户进行逐户循环计算筛选,实现反窃电精准定位的专变用户多维度智能反窃电精准定位方法及系统。
为解决上述技术问题,本发明所采取的技术方案是:一种专变用户多维度智能反窃电精准定位方法,包括以下步骤:
S1:从同期线损系统采集专变用户日售电量、月售电量、用户档案、发行电量和用户档案信息;
S2:从同期线损系统采集的月售电量是计量点的电量,将计量点电量合并为用户电量,循环所有在运的专变用户,然后查询计算月份内该户所有的计量点电量进行电量合并,按户计算出用户的月用电量,然后通过月用电量与用户的月发行电量,得出偏差电量、偏差系数;
S3:日电量计算按时间段对日电量进行计算,从同期线损系统采集的日售电量是计量点的电量,将计量点电量合并为用户电量,然后按户循环,分别计算出该户在时间段内的零电量用户、日用电量、极限电量、极限偏差电量、极限偏差系数、波动系数;
S4:根据计算结果筛选出零度户、电量异常波动、发行电量和极限电量,并通过图形展示。
进一步的,S4中,筛选规则包括零度户筛选、电量波动筛选、极限电量筛选、发行电量筛选、以及综合分析法筛选。
进一步的,零度户筛选:筛选计算时间段内电量为零,或者无电量的用户;
电量波动筛选:根据设定的晒选系数筛选出符合条件的用户;
极限电量筛选:根据设定的筛选系数筛选出符合条件的用户;
发行电量筛选:根据设定的筛选系数筛选出符合条件的用户;
综合分析法:对电量波动、极限电量、发行电量三种分析结果求交集。
一种专变用户多维度智能反窃电精准定位系统,包括数据采集模块,用于从同期线损系统采集专变用户日售电量、月售电量、用户档案、发行电量和用户档案信息;
数据计算模块,用于计算专变用户月用电量和日用电量;
数据分析模块,用于零度户筛选、电量波动筛选、极限电量筛选、发行电量筛选、以及综合分析法筛选;
显示模块,用于显示筛选结果。
进一步的,所述数据采集模块包括控制器、数据采集卡、存储器和信号传输器,所述数据采集卡通过数据交换平台DEP从同期线损系统采集专变用户日售电量、月售电量、用户档案、发行电量和用户档案信息,并存储在所述存储器内,通过信号传输器传输至数据计算模块。
进一步的,所述数据采集模块采集电量信息后,对其进行数据预处理,所述预处理包括数据清洗、数据标准化和数据集成转换。
专变用户窃电行为严重影响电力运行、发展,由于窃电行为隐蔽性强、不易定位,现有窃电监测多采用基于硬件的反窃电监测系统,如公布号为CN 104133092 A的专利文献公开的一种智能远程反窃电稽查系统,包括无线高压变比测试仪、RS485通讯电缆、无线数据记录仪、GPRS网络、无线路由器、硬件防火墙、通信前置机、数据总线、数据库服务器、磁盘阵列、应用服务器、WEB服务器、维护工作站、打印机、冗余交换机、GPS时钟;其中,无线数据记录仪的数据传输端与无线高压变比测试仪的数据传输端无线连接,且无线数据记录仪的数据传输端与RS485通讯电缆的末端连接。基于硬件的反窃电监测系统与变压器连接,针对性强,能够满足变压器窃电监测,本行业技术人员在面对专变用户反窃电定位时,基于实施便利性,容易想到采用基于硬件的反窃电系统,而不会想到采用技术门槛高的涵盖所有专变用户的云计算精准定位方法及系统。
为了提高反窃电系统的普适性和经济性,本行业人员构建了用户电力模型来进行窃电预警,如公布号为CN 107742127 A的专利文献公开了一种改进的防窃电智能预警系统及方法,该系统包括数据源模块、存储模块、诊断模块、预警模块。该方法建立用户窃电行为概率大数据分析模型,经过多维度分析,精准识别疑似窃电用户,应用于反窃电业务,解决目前人工进行反窃电监控、分析、排查工作量大、精准度低的瓶颈,为现场一线用电检查及反窃电人员精准、高效开展反窃电分析和查处工作提供可靠的技术支撑。构建用户模型是一个复杂的过程,需要综合用户对象、数据采集、数据处理等多个方面,不同的构建对象决定了数据采集和数据处理的基础,数据采集的内容不同,数据处理的过程不同,数据计算和分析需要经过创造性的劳动才能针对专变用户进行逐户循环计算筛选,实现反窃电精准定位,本领域技术人员在现有技术中难以获得本申请反窃电方法及系统。
与现有技术相比,本发明的有益效果如下:
本发明专变用户多维度智能反窃电精准定位方法,采用零度户、电量异常波动、发行电量、极限电量等多种严密的计算方法及筛选逻辑,通过对专变用户的日用电量、月用电量、月发行电量、极限电量等维度数据进行挖掘分析,加以逻辑严谨的判定条件和严密的算法前置条件,从而分析出每个专变用户的用电行为及习惯,并配以图形的方式展示,反窃电人员可简单直观的筛选出窃电用户或疑似窃电用户,从而实现对供电区域所有专变用户异常用电行为高效甄别、精准打击,让窃电分子无处遁形,有效减少、阻止国有财产的损失。
本发明专变用户多维度智能反窃电精准定位系统,包括数据采集、数据计算、数据分析三部分,数据采集指专变用户日售电量、月售电量、发行电量、及用户档案等数据的获取,日售电量、月售电量、用户档案、发行电量、用户档案等均来源于同期线损系统。数据计算包括月电量计算和日电量计算两部分,根据零度户、电量波动、极限电量、发现电量比对等筛选逻辑逐条对每一户进行计算,从而能够针对专变用户进行逐户循环计算筛选,实现反窃电精准定位,数据分析是对数据计算的结果进行分析,从而筛选出窃电用户及疑似窃电用户。
附图说明
图1是本发明的流程图;
图2是本发明实施例二的结构框图;
图3是本发明实施例四的结构框图;
图4是本发明实施例三中系统数据采集界面图;
图5是本发明实施例三中系统日电量计算界面图;
图6是本发明实施例三中系统月电量计算界面图;
图7是本发明实施例三中系统零度户筛选界面图;
图8是本发明实施例三中系统电量波动筛选界面图;
图9是本发明实施例三中系统电量波动曲线图;
图10是本发明实施例三中系统极限电量筛选界面图;
图11是本发明实施例三中系统极限电量曲线图;
图12是本发明实施例三中系统发行电量筛选界面图;
图13是本发明实施例三中系统筛选系数设置界面图。
具体实施方式
为了更好地理解本发明,下面结合实施例进一步清楚阐述本发明的内容,但本发明的保护内容不仅仅局限于下面的实施例。在下文的描述中,给出了大量具体的细节以便提供对本发明更为彻底的理解。然而,对于本领域技术人员来说显而易见的是,本发明可以无需一个或多个这些细节而得以实施。
实施例一
如图1所示,一种专变用户多维度智能反窃电精准定位方法,包括以下步骤:
S1:从同期线损系统采集专变用户日售电量、月售电量、用户档案、发行电量和用户档案信息;
S2:从同期线损系统采集的月售电量是计量点的电量,将计量点电量合并为用户电量,循环所有在运的专变用户,然后查询计算月份内该户所有的计量点电量进行电量合并,按户计算出用户的月用电量,然后通过月用电量与用户的月发行电量,得出偏差电量、偏差系数。
偏差电量=月售电量-月发行电量
偏差系数=(月售电量-月发行电量)/月发行电量
S3:日电量计算按时间段对日电量进行计算,从同期线损系统采集的日售电量是计量点的电量,将计量点电量合并为用户电量,然后按户循环,分别计算出该户在时间段内的零电量用户、日用电量、极限电量、极限偏差电量、极限偏差系数、波动系数;
说明:设定时间段为1到N。
零电量用户=N天内均无售电量用户+N天内日售电量均为0用户
日用电量=(日售电量1+日售电量2…日售电量N)/N
极限电量=用电时长(小时数)*极限容量占比*运行容量
极限偏差电量=SUM(日电量1:日电量N)/N-日用电量
极限偏差系数=|(日用电量-极限电量)/极限电量|
波动系数=(最大日电量-最小日电量)/最大日电量
S4:根据计算结果筛选出零度户、电量异常波动、发行电量和极限电量,并通过图形展示。
S4中,筛选规则包括零度户筛选、电量波动筛选、极限电量筛选、发行电量筛选、以及综合分析法筛选。
零度户筛选:筛选计算时间段内电量为零,或者无电量的用户;
电量波动筛选:根据设定的晒选系数筛选出符合条件的用户;波动系数的计算参照S3,筛选系数的设定可以通过系统参数设置功能进行配置,正常情况下设定为0.6较合理,用户时间段内波动系数大于等于筛选系数的用户判定为窃电用户。
极限电量筛选:根据设定的筛选系数筛选出符合条件的用户,筛选系数为经验值,根据实践经验确定,0.6较合理;
发行电量筛选:根据设定的筛选系数筛选出符合条件的用户,筛选系数为经验值,根据实践经验确定,0.6较合理;
综合分析法:对电量波动、极限电量、发行电量三种分析结果求交集。
实施例二
如图2所示,一种专变用户多维度智能反窃电精准定位系统,包括数据采集模块,用于从同期线损系统采集专变用户日售电量、月售电量、用户档案、发行电量和用户档案信息;
数据计算模块,用于计算专变用户月用电量和日用电量;
数据分析模块,用于零度户筛选、电量波动筛选、极限电量筛选、发行电量筛选、以及综合分析法筛选;
显示模块,用于显示筛选结果。
所述数据采集模块包括控制器、数据采集卡、存储器和信号传输器,所述数据采集卡通过数据交换平台DEP从同期线损系统采集专变用户日售电量、月售电量、用户档案、发行电量和用户档案信息,并存储在所述存储器内,通过信号传输器传输至数据计算模块。
所述数据采集模块采集电量信息后,对其进行数据预处理,所述预处理包括数据清洗、数据标准化和数据集成转换。
实施例三
如图1、图2、图4~13所示,一种专变用户多维度智能反窃电精准定位系统,包括数据采集模块,用于从同期线损系统采集专变用户日售电量、月售电量、用户档案、发行电量和用户档案信息;
数据计算模块,用于计算专变用户月用电量和日用电量;
数据分析模块,用于零度户筛选、电量波动筛选、极限电量筛选、发行电量筛选、以及综合分析法筛选;
显示模块,用于显示筛选结果。
所述数据采集模块包括控制器、数据采集卡、存储器和信号传输器,所述数据采集卡通过数据交换平台DEP从同期线损系统采集专变用户日售电量、月售电量、用户档案、发行电量和用户档案信息,并存储在所述存储器内,通过信号传输器传输至数据计算模块。
所述数据采集模块采集电量信息后,对其进行数据预处理,所述预处理包括数据清洗、数据标准化和数据集成转换。
所述专变用户多维度智能反窃电精准定位系统,其定位方法,包括以下步骤:S1:数据采集模块从同期线损系统采集专变用户日售电量、月售电量、用户档案、发行电量和用户档案信息;
S2:从同期线损系统采集的月售电量是计量点的电量,数据计算模块将计量点电量合并为用户电量,循环所有在运的专变用户,然后查询计算月份内该户所有的计量点电量进行电量合并,按户计算出用户的月用电量,然后通过月用电量与用户的月发行电量,得出偏差电量、偏差系数;
偏差电量=月售电量-月发行电量
偏差系数=(月售电量-月发行电量)/月发行电量;
S3:日电量计算按时间段对日电量进行计算,从同期线损系统采集的日售电量是计量点的电量,数据计算模块将计量点电量合并为用户电量,然后按户循环,分别计算出该户在时间段内的零电量用户、日用电量、极限电量、极限偏差电量、极限偏差系数、波动系数;
说明:设定时间段为1到N。
零电量用户=N天内均无售电量用户+N天内日售电量均为0用户
日用电量=(日售电量1+日售电量2…日售电量N)/N
极限电量=用电时长(小时数)*极限容量占比*运行容量
极限偏差电量=SUM(日电量1:日电量N)/N-日用电量
极限偏差系数=|(日用电量-极限电量)/极限电量|
波动系数=(最大日电量-最小日电量)/最大日电量
S4:数据分析模块根据计算结果筛选出零度户、电量异常波动、发行电量和极限电量,并通过显示模块进行图形展示。
零度户筛选:筛选计算时间段内电量为零,或者无电量的用户;
电量波动筛选:根据设定的晒选系数筛选出符合条件的用户;波动系数的计算参照S3章节,筛选系数的设定可以通过系统参数设置功能进行配置,正常情况下设定为0.6较合理,用户时间段内波动系数大于等于筛选系数的用户判定为窃电用户。
极限电量筛选:根据设定的筛选系数筛选出符合条件的用户,筛选系数为经验值,根据实践经验确定,0.6较合理;
发行电量筛选:根据设定的筛选系数筛选出符合条件的用户,筛选系数为经验值,根据实践经验确定,0.6较合理;
综合分析法:对电量波动、极限电量、发行电量三种分析结果求交集。
实施例四
如图3所示,本发明实施例的专变用户多维度智能反窃电精准定位系统,与实施例三的不同之处在于:还包括预警模块、以及与专变用户电能表连接的警告显示模块,所述预警模块通过可视化图形界面和报表界面向现场一线用电检查及反窃电人员提供疑似窃电用户的预警信息,所述警告显示模块显示窃电警告信息,对窃电专变用户进行警示,督促改正。
所述警告显示模块与专变用户电能表一体连接,所述警告显示模块包括显示屏、声光报警器、微控制器和无线信号收发器,所述无线信号收发器接收所述预警模块信息,并传输至微控制器,所述微控制器将警示信息显示在所述显示屏上,并控制所述声光报警器发出警报,警告窃电专变用户停止窃电,从而减轻稽查人员警告工作负担。
本发明实施例中,专变用户电量信息经数据计算模块、数据分析模块处理筛选后,零度户、电量异常波动、发行电量和极限电量通过预警模块发生警报信息,显示模块显示图形信息,与专变用户电能表电连接的警告显示模块接收所述预警模块信息并显示警告,警示窃电专变用户停止违法活动并补缴电费。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,本领域普通技术人员对本发明的技术方案所做的其他修改或者等同替换,只要不脱离本发明技术方案的精神和范围,均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种专变用户多维度智能反窃电精准定位方法,其特征在于,包括以下步骤:
S1:从同期线损系统采集专变用户日售电量、月售电量、用户档案、发行电量和用户档案信息;
S2:从同期线损系统采集的月售电量是计量点的电量,将计量点电量合并为用户电量,循环所有在运的专变用户,然后查询计算月份内该户所有的计量点电量进行电量合并,按户计算出用户的月用电量,然后通过月用电量与用户的月发行电量,得出偏差电量、偏差系数;
S3:日电量计算按时间段对日电量进行计算,从同期线损系统采集的日售电量是计量点的电量,将计量点电量合并为用户电量,然后按户循环,分别计算出该户在时间段内的零电量用户、日用电量、极限电量、极限偏差电量、极限偏差系数、波动系数;
零电量用户=N天内均无售电量用户+N天内日售电量均为0用户
日用电量=(日售电量1+日售电量2…日售电量N)/N
极限电量=用电时长(小时数)*极限容量占比*运行容量
极限偏差电量=SUM(日电量1:日电量N)/N-日用电量
极限偏差系数=|(日用电量-极限电量)/极限电量|
波动系数=(最大日电量-最小日电量)/最大日电量;
S4:根据计算结果筛选出零度户、电量异常波动、发行电量和极限电量,并通过图形展示。
2.如权利要求1所述的专变用户多维度智能反窃电精准定位方法,其特征在于:S4中,筛选规则包括零度户筛选、电量波动筛选、极限电量筛选、发行电量筛选、以及综合分析法筛选;
零度户筛选:筛选计算时间段内电量为零,或者无电量的用户;
电量波动筛选:根据设定的筛选系数筛选出符合条件的用户;
极限电量筛选:根据设定的筛选系数筛选出符合条件的用户;
发行电量筛选:根据设定的筛选系数筛选出符合条件的用户;
综合分析法筛选:对电量波动、极限电量、发行电量三种分析结果求交集。
3.一种专变用户多维度智能反窃电精准定位系统,其特征在于:包括数据采集模块,用于从同期线损系统采集专变用户日售电量、月售电量、用户档案、发行电量和用户档案信息;
数据计算模块,用于计算专变用户月用电量和日用电量;
从同期线损系统采集的月售电量是计量点的电量,将计量点电量合并为用户电量,循环所有在运的专变用户,然后查询计算月份内该户所有的计量点电量进行电量合并,按户计算出用户的月用电量,然后通过月用电量与用户的月发行电量,得出偏差电量、偏差系数;
日电量计算按时间段对日电量进行计算,从同期线损系统采集的日售电量是计量点的电量,将计量点电量合并为用户电量,然后按户循环,分别计算出该户在时间段内的零电量用户、日用电量、极限电量、极限偏差电量、极限偏差系数、波动系数;
零电量用户=N天内均无售电量用户+N天内日售电量均为0用户
日用电量=(日售电量1+日售电量2…日售电量N)/N
极限电量=用电时长(小时数)*极限容量占比*运行容量
极限偏差电量=SUM(日电量1:日电量N)/N-日用电量
极限偏差系数=|(日用电量-极限电量)/极限电量|
波动系数=(最大日电量-最小日电量)/最大日电量;
数据分析模块,用于零度户筛选、电量波动筛选、极限电量筛选、发行电量筛选、以及综合分析法筛选;
零度户筛选:筛选计算时间段内电量为零,或者无电量的用户;
电量波动筛选:根据设定的筛选系数筛选出符合条件的用户;
极限电量筛选:根据设定的筛选系数筛选出符合条件的用户;
发行电量筛选:根据设定的筛选系数筛选出符合条件的用户;
综合分析法筛选:对电量波动、极限电量、发行电量三种分析结果求交集;
显示模块,用于显示筛选结果。
4.如权利要求3所述的一种专变用户多维度智能反窃电精准定位系统,其特征在于:所述数据采集模块包括控制器、数据采集卡、存储器和信号传输器,所述数据采集卡通过数据交换平台DEP从同期线损系统采集专变用户日售电量、月售电量、用户档案、发行电量和用户档案信息,并存储在所述存储器内,通过信号传输器传输至数据计算模块。
5.如权利要求4所述的一种专变用户多维度智能反窃电精准定位系统,其特征在于:所述数据采集模块采集电量信息后,对其进行数据预处理,所述预处理包括数据清洗、数据标准化和数据集成转换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010357420.0A CN113253007B (zh) | 2020-04-29 | 2020-04-29 | 专变用户多维度智能反窃电精准定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010357420.0A CN113253007B (zh) | 2020-04-29 | 2020-04-29 | 专变用户多维度智能反窃电精准定位方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113253007A CN113253007A (zh) | 2021-08-13 |
CN113253007B true CN113253007B (zh) | 2022-07-05 |
Family
ID=77220039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010357420.0A Active CN113253007B (zh) | 2020-04-29 | 2020-04-29 | 专变用户多维度智能反窃电精准定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113253007B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005039897A (ja) * | 2003-07-16 | 2005-02-10 | Tadahiro Omi | 生産設備用給電方式 |
CN102821274A (zh) * | 2012-09-24 | 2012-12-12 | 长沙威胜信息技术有限公司 | 专变采集终端 |
CN103076477A (zh) * | 2012-12-18 | 2013-05-01 | 广东电网公司汕头供电局 | 一种10kV专变计量装置CT二次侧分流窃电的在线监测方法 |
CN103364649A (zh) * | 2012-04-06 | 2013-10-23 | 国家电网公司 | 一种检测装置、启动通信检测方法及其防窃电检测方法 |
CN203965498U (zh) * | 2014-07-28 | 2014-11-26 | 国家电网公司 | 专变用户用电监测装置与系统 |
CN106651055A (zh) * | 2016-12-30 | 2017-05-10 | 北京中电普华信息技术有限公司 | 一种短期售电量预测方法及系统 |
CN106779400A (zh) * | 2016-12-13 | 2017-05-31 | 国家电网公司 | 用户电量指数对比与分析的方法 |
CN107727953A (zh) * | 2017-08-30 | 2018-02-23 | 国家电网公司 | 高压专变远程稽查仪及其防窃电方法 |
-
2020
- 2020-04-29 CN CN202010357420.0A patent/CN113253007B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005039897A (ja) * | 2003-07-16 | 2005-02-10 | Tadahiro Omi | 生産設備用給電方式 |
CN103364649A (zh) * | 2012-04-06 | 2013-10-23 | 国家电网公司 | 一种检测装置、启动通信检测方法及其防窃电检测方法 |
CN102821274A (zh) * | 2012-09-24 | 2012-12-12 | 长沙威胜信息技术有限公司 | 专变采集终端 |
CN103076477A (zh) * | 2012-12-18 | 2013-05-01 | 广东电网公司汕头供电局 | 一种10kV专变计量装置CT二次侧分流窃电的在线监测方法 |
CN203965498U (zh) * | 2014-07-28 | 2014-11-26 | 国家电网公司 | 专变用户用电监测装置与系统 |
CN106779400A (zh) * | 2016-12-13 | 2017-05-31 | 国家电网公司 | 用户电量指数对比与分析的方法 |
CN106651055A (zh) * | 2016-12-30 | 2017-05-10 | 北京中电普华信息技术有限公司 | 一种短期售电量预测方法及系统 |
CN107727953A (zh) * | 2017-08-30 | 2018-02-23 | 国家电网公司 | 高压专变远程稽查仪及其防窃电方法 |
Non-Patent Citations (3)
Title |
---|
Dedicated Transformer Stealing Identification System Based on Big Data Analysis Technology;Jian Zhang;《2019 10th International Conference on Information Technology in Medicine and Education (ITME)》;20191231;全文 * |
专变用户窃电查处的案例分析及思考;顾博;《重庆电力高等专科学校学报》;20140430;全文 * |
浅析电力专变用户精细化管理实践;吕文洁;《科技创新导报》;20171231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113253007A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110097297B (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
CN116796907A (zh) | 一种基于物联网的水环境动态监测系统及其方法 | |
CN109800250B (zh) | 不再配置企业中心服务器的系统架构 | |
CN105426980B (zh) | 一种配电网健康指数评估工程应用系统 | |
CN112307003B (zh) | 电网数据多维辅助分析方法、系统、终端及可读存储介质 | |
CN111291076A (zh) | 基于大数据的异常用水监测报警系统及其构建方法 | |
CN112785458A (zh) | 一种桥梁健康大数据智能管养系统 | |
CN111121874A (zh) | 一种水源地水质监测评估系统及其评估方法 | |
CN113112169A (zh) | 一种污水处理厂的智慧云服务系统 | |
CN112765143A (zh) | 一种基于边缘计算技术的低压物联网配网数据处理方法 | |
CN117132025A (zh) | 一种基于多源数据融合的用电监测预警系统 | |
CN114446037A (zh) | 一种基于物联网技术的碳排放量监测系统及方法 | |
CN116467366A (zh) | 一种基于区块链的碳足迹监测分析与评估系统 | |
CN111178754A (zh) | 一种能源系统实时预警方法及装置 | |
Zafar et al. | Step towards secure and reliable smart grids in Industry 5.0: A federated learning assisted hybrid deep learning model for electricity theft detection using smart meters | |
CN112232843B (zh) | 一种基于大数据技术的药品监管系统和方法 | |
CN114240086A (zh) | 碳排放监测方法、装置、存储介质及处理器 | |
CN109858807A (zh) | 一种企业运营监控的方法及系统 | |
CN111208384A (zh) | 一种智能电网管理系统 | |
CN113253007B (zh) | 专变用户多维度智能反窃电精准定位方法及系统 | |
CN116714469A (zh) | 充电桩健康监测方法、装置、终端及存储介质 | |
CN116930652A (zh) | 一种公共建筑能耗监测系统及节能效果监测方法 | |
CN115798155A (zh) | 一种天然气计量分析系统 | |
CN104601396B (zh) | 电网数据监控方法和装置 | |
CN114839462A (zh) | 一种智能反窃电监察方法和系统 |
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 |