CN113313163A - 一种用电行为检测方法及系统 - Google Patents

一种用电行为检测方法及系统 Download PDF

Info

Publication number
CN113313163A
CN113313163A CN202110579343.8A CN202110579343A CN113313163A CN 113313163 A CN113313163 A CN 113313163A CN 202110579343 A CN202110579343 A CN 202110579343A CN 113313163 A CN113313163 A CN 113313163A
Authority
CN
China
Prior art keywords
electrical characteristic
criterion
user
electrical
power utilization
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.)
Pending
Application number
CN202110579343.8A
Other languages
English (en)
Inventor
冯小峰
冯浩洋
江泽涛
郭文翀
李健
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.)
Measurement Center of Guangdong Power Grid Co Ltd
Metrology Center of Guangdong Power Grid Co Ltd
Original Assignee
Measurement Center of Guangdong Power Grid Co Ltd
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 Measurement Center of Guangdong Power Grid Co Ltd filed Critical Measurement Center of Guangdong Power Grid Co Ltd
Priority to CN202110579343.8A priority Critical patent/CN113313163A/zh
Publication of CN113313163A publication Critical patent/CN113313163A/zh
Pending legal-status Critical Current

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
    • G06F18/211—Selection of the most significant subset of features
    • 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

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

Abstract

本发明公开了一种用电行为检测方法及系统，涉及用电行为检测技术领域。所述方法，包括获取电表计量的电气数据；电气数据包括用户电量、台区线损和公变负荷；根据电气数据，提取用以表征用电异常性的电气特征参数；电气特征参数包括用电系数、用户离散系数、线损与电量的相关系数和月最大负荷利用日；根据电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据；根据电气特征判据，筛选高窃电嫌疑用户。本发明可以完整、准确地提取可以表征用户窃电异常表现的电气特征，最终输出准确的用户窃电行为判断结果，为供电公司的窃电排查工作提供参考。

Description

一种用电行为检测方法及系统
技术领域
本发明涉及用电行为检测技术领域，尤其涉及一种用电行为检测方法及系统。
背景技术
随着经济水平的提高，用户用电量也日益增加，一些不法分子通过破坏电表、非法接线等手段，故意使电表读数少计或不计，使计量电量少于实际用电量，从而达到少交电费的目的，对供电公司的利益、电网的稳定运行等都造成了不良影响。长期以来我国在反窃电体系建设方面还停留在初级阶段，主要依靠人工排查，防治手段落后，导致窃电分子日趋猖獗，窃电行为日趋严重。随着专变和低压用户用电量的增加，窃电问题比以往更为严重。主要表现为窃电手段高科技化、窃电过程隐蔽化、窃电数量大额化，给国家造成严重的经济损失。此外，因窃电导致事故所造成的间接损失则更为巨大。
近年来，我国电网不断研究反窃电方法，主要着手于机械止逆和电磁两个方面，并重点研发了防窃型的电能表。多措并举，反窃电技术也在不断进步和提高，供电企业也加大了在反窃电技术研究的力度。因此多方面探索新的方法、新的科学技术来更大力度的抑制窃电行为是很有必要的。
发明内容
本发明目的在于，提供一种基于电气特征判据的用电行为检测方法及系统，基于大量电力数据，分析用户的统计数据，对计量、用电异常进行定位。
为实现上述目的，本发明实施例提供一种用电行为检测方法，包括：
获取电表计量的电气数据；所述电气数据包括用户电量、台区线损和公变负荷；根据所述电气数据，提取用以表征用电异常性的电气特征参数；所述电气特征参数包括用电系数、用户离散系数、线损与电量的相关系数和月最大负荷利用日；根据所述电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据；根据所述电气特征判据，筛选高窃电嫌疑用户。
优选地，所述根据所述电气特征判据，筛选高窃电嫌疑用户，包括：
计算所述高窃电嫌疑用户的用电特征的满足情况，得到用户的窃电嫌疑度。
优选地，所述根据所述电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据，包括：
根据用户的夏季或冬季的用电曲线及其电气特征参数，生成第一判据；所述第一判据为：
Figure BDA0003085455820000021
其中，χ为用电系数，n为用户数，
Figure BDA0003085455820000022
为用户离散系数差值，r为皮尔逊相关系数。
优选地，所述根据所述电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据，包括：
根据用户20-40天的用电曲线及其电气特征参数，生成第二判据；所述第二判据为：
专变线损率在晚间增大(线损率L>20％)，且r>0.6；
其中，r为皮尔逊相关系数。
优选地，所述根据所述电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据，包括：
根据用户50-100天的用电曲线及其电气特征参数，生成第三判据；所述第三判据为：
χ<0.3或线损率在周末增大(线损率L>20％)，且r>0.6；
其中，χ为用电系数，r为皮尔逊相关系数。
优选地，所述根据所述电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据，包括：
根据用户300天以上的用电曲线及其电气特征参数，生成第四判据；所述第四判据为：
线损率在月中明显增大，且与某用户的相关系数比较高((线损率L>20％)，且r>0.6)，且d<15；
其中，d为月最大负荷利用日，r为皮尔逊相关系数。
优选地，所述根据所述电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据，包括：
根据用户600天以上的用电曲线及其电气特征参数，生成第五判据；所述第五判据为：
线损率L>20％，且r>0.6，且
Figure BDA0003085455820000031
其中，r为皮尔逊相关系数，
Figure BDA0003085455820000032
为用户离散系数差值。
本发明实施例还提供一种用电行为检测系统，包括：
数据获取模块，用于获取电表计量的电气数据；所述电气数据包括用户电量、台区线损和公变负荷；
特征提取模块，用于根据所述电气数据，提取用以表征用电异常性的电气特征参数；所述电气特征参数包括用电系数、用户离散系数、线损与电量的相关系数和月最大负荷利用日；
判据划分模块，用于根据所述电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据；
嫌疑筛选模块，用于根据所述电气特征判据，筛选高窃电嫌疑用户。
本发明实施例还提供一种计算机终端设备，包括一个或多个处理器和存储器。存储器与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一实施例所述的用电行为检测方法。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一实施例所述的用电行为检测方法。
本发明提供的用电行为检测方法，首先采集智能电表计量的用户各类型电气数据；接着整理实际排查过程中的经验；然后将经验转换成可供计算的电气特征判据；最后比较不同用户的用电曲线与相应电气特征，从而确定用户是否存在窃电行为。可以完整、准确地提取可以表征用户窃电异常表现的电气特征，最终输出准确的用户窃电行为判断结果，可以为供电公司的窃电排查工作提供参考。与现有技术相比，本发明具有以下有益效果：本发明提出表征用电异常的电气特征参数，根据实际的排查经验建立电气特征判据，既保证了方法的实用性，同时保证了方法的理论性。本发明采用了较为准确的嫌疑度计算方法，考虑了组合判据的嫌疑度，使得用户的嫌疑度计算更加合理和准确。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明某一实施例提供的用电行为检测方法的流程示意图；
图2是本发明另一实施例提供的用电行为检测方法的流程示意图；
图3是本发明某一实施例提供的用电行为检测系统的结构示意图；
图4是本发明某一实施例提供的计算机终端设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
随着智能电表和高级量测体系的推广应用，可用的电气数据也大量增加，在此背景下，首先采集智能电表计量的用户各类型电气数据；接着整理实际排查过程中的经验；然后将经验转换成可供计算的电气特征判据；最后比较不同用户的用电曲线与相应电气特征，从而确定用户是否存在窃电行为。本发明可以完整、准确地提取可以表征用户窃电异常表现的电气特征，最终输出准确的用户窃电行为判断结果，可以为供电公司的窃电排查工作提供参考。
请参阅图1，图1是本发明某一实施例提供的用电行为检测方法的流程示意图。本实施例的用电行为检测方法，包括以下步骤：
S110，获取电表计量的电气数据。电气数据包括用户电量、台区线损和公变负荷。
S120，根据电气数据，提取用以表征用电异常性的电气特征参数。电气特征参数包括用电系数、用户离散系数、线损与电量的相关系数和月最大负荷利用日。
S130，根据电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据。其中的判据来源主要是根据历史窃电排查的数据建立起来的。
S140，根据电气特征判据，筛选高窃电嫌疑用户。进一步地，还能根据电气特征判据和电气特征参数计算高窃电嫌疑用户的用电特征的满足情况，得到用户更细致的窃电嫌疑度信息。
上述步骤S110，获取电表计量的电气数据。电气数据包括用户电量、台区线损和公变负荷。需要确定电气数据，包括用户电量、台区线损、公变负荷等关键数据类型，实际用电数据的采集完整度应较高，才能保证后续的计算检测精准。
在某一实施例中，各电气特征参数的公式计算方法包括：
利用采集得到的用户电量数据、台区线损率等数据及用户户号、台区编号等标签信息，计算用以表征用户用电特征异常性的电气参数。用户数为n，数据采集的时间长度为t，S为变压器容量，E为用户每日电量，L为线损率。
用电系数(用户该段时间内的总电量与公变或专变的容量之比)χ的计算公式为：
Figure BDA0003085455820000061
用户离散系数差值
Figure BDA0003085455820000062
的计算公式为：
Figure BDA0003085455820000063
Figure BDA0003085455820000064
台区线损率与用户用电量的皮尔逊相关系数r的计算公式为：
rj＝R(L,Ej)；
月最大负荷利用日d的计算公式为：
Figure BDA0003085455820000065
请参阅图2，图2是本发明另一实施例提供的用电行为检测方法的流程示意图。本实施例提供的用电行为检测方法，需要根据实际经验，整理了用电气特征参数表示的电气特征判据，根据判断所需的时间长度，分别生成基于日、周、月、季节和年用电曲线的共五种电气特征判据。
第一方面，根据电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据，包括：
根据用户的夏季或冬季的用电曲线及其电气特征参数，生成第一判据。第一判据：“炎热或寒冷天气时用电量较低”
1)数据规模：同行业或同台区用户的夏季六七月份/冬季的电量数据；
2)排查方法：与同行业或同台区下其他用户进行比较，若月平均用电明显低于其他用户，则存在窃电嫌疑。
3)综上，第一判据为：
Figure BDA0003085455820000071
其中，χ为用电系数，n为用户数，
Figure BDA0003085455820000072
为用户离散系数差值，r为皮尔逊相关系数。
第二方面，根据电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据，包括：
根据用户20-40天的用电曲线及其电气特征参数，生成第二判据。第二判据：“日曲线中存在午高峰，无晚高峰”
1)数据规模：一个月的用户日电量曲线
2)排查方法：重点比较日电量曲线中的11：00-13：00和19：00-24：00区段，并持续一月的观察时间，若月内至少24天或者存在连续一周的时间段，中午用电量远大于晚上用电量，则存在窃电嫌疑；
3)综上，第二判据为：
专变线损率在晚间增大(L>20％)，且r>0.6；其中，L表示线损率。
其中，r为皮尔逊相关系数。
第三方面，根据电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据，包括：
根据用户50-100天的用电曲线及其电气特征参数，生成第三判据。第三判据：“周曲线内周末低电量或者周中低电”
1)数据规模：采集2-3个月的用户日电量曲线
2)排查方法：对于低压用户，重点观察每周的周末两天的用电量数据，并持续2-3个月的观察时间，若每周的周末均保持低电量，则存在窃电嫌疑；反之，对于带有工作日性质的专变用户，重点观察其周一至周五的用电量数据，若其平均电量与周末两天的基本一致，则有窃电嫌疑。
3)综上，第三判据为：
χ<0.3或线损率L在周末增大(L>20％)，且r>0.6；
其中，χ为用电系数，r为皮尔逊相关系数。
第四方面，根据电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据，包括：
根据用户300天以上的用电曲线及其电气特征参数，生成第四判据。第四判据：“月曲线中非抄表期长期零电”
1)数据规模：采集一整年的用户日电量曲线
2)排查方法：观察每月的月中和月初月末的电量数据差，若一年中有8月以上，月中的平均值和该月1号或者下一月的1号的电量差很大。
3)综上，第四判据为：
线损率在月中明显增大，且与某用户的相关系数比较高((L>20％)，且r>0.6)，且d<15；
其中，d为月最大负荷利用日，r为皮尔逊相关系数。
第五方面，根据电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据，包括：
根据用户600天以上的用电曲线及其电气特征参数，生成第五判据。第五判据：“年用电曲线中较历史同期数据对比异常”
1)数据规模：采集2-3年的用户年电量曲线
2)排查方法：以日电量为单位(专变取平均值)，计算两年之间每月的电量相关系数，将这12个相关系数中的最小的几个作为窃电嫌疑月。若其他用户的这几个月的电量相关系数同样很低，则可能是其他因素导致；但如果只有某几个用户很低，线损率在该几个嫌疑月很大，且与这些用户的相关系数比较高，则可能存在窃电行为。
3)综上，第五判据为：
((L>20％)，且r>0.6)，且
Figure BDA0003085455820000091
其中，r为皮尔逊相关系数，
Figure BDA0003085455820000092
为用户离散系数差值。
在某一实施例中，步骤S140需要对每一种电气特征判据设定其相应的窃电嫌疑度，考虑到组合窃电的情形，对于满足多种判据的用户，计算其组合判据嫌疑度，输出最终的用户嫌疑度，从而为电网公司排查顺序提供参考。
结合上述第一方面，第一判据：“炎热或寒冷天气时用电量较低”。将电气特征判据依次设为case_a、case_b、case_c；考虑原有判据不足以描述用户的窃电严重性，在原有判据基础上将其修改为：
Figure BDA0003085455820000093
Figure BDA0003085455820000094
case_c1:r>0.8
根据专家经验，设定各case的嫌疑度大小：b＝(case_a：0.6，case_b：0.6，case_c：0.7，case_a1：0.8，case_b1：0.8，case_c1：0.9)；
考虑到用户可能同时满足不同的case，则组合case的嫌疑度计算方法：
Figure BDA0003085455820000095
结合上述第二方面，第二判据：“日曲线中存在午高峰，无晚高峰”。该判据只有一种情形，将其嫌疑度设为b_＝0.7；在原来基础上，若满足(L>25％)，且r>0.8，则嫌疑度为b_＝0.9。
结合上述第三方面，第三判据：“周曲线内周末低电量或者周中低电”。该判据有两种情形，嫌疑度分别为b＝(case_a：0.6，case_b：0.8)；在原来基础上，若满足χ<0.15or(L>25％)，且r>0.8，则嫌疑度分别为b＝(case_a1：0.8，case_b1：0.9)。
组合case的嫌疑度计算方法：
case_(i,j):b_＝max(bi,bj)
i,j∈(case_a&b,case_a&b1,case_a1&b,case_a1&b1)
结合上述第四方面，第四判据：“月曲线中非抄表期长期零电”。该判据只有一种情形，将其嫌疑度设为b_＝0.8；在原来基础上，若满足((L>20％)，且r>0.8)and d<12，则嫌疑度为b_＝0.9。
结合上述第五方面，第五判据：“年用电曲线中较历史同期数据对比异常”。该判据只有一种情形，将其嫌疑度设为b_＝0.8；在原来基础上，若满足((L>20％)，且r>0.8)and
Figure BDA0003085455820000101
则嫌疑度为b_＝0.9。
组合判据的嫌疑度计算方法
根据以上方法，分别计算五种电气特征判据对应的窃电嫌疑度，若用户同时满足不同的特征判据，则组合判据的嫌疑度计算方法：
b_＝min(0.99,max(bi)+0.1),i＝(1,2,3,4,5)。
请参阅图3，图3是本发明某一实施例提供的用电行为检测系统的结构示意图。在本实施例中与上述实施例相同的部分，在此不再赘述。本实施例的用电行为检测系统，包括：
数据获取模块210，用于获取电表计量的电气数据。电气数据包括用户电量、台区线损和公变负荷。
特征提取模块220，用于根据电气数据，提取用以表征用电异常性的电气特征参数。电气特征参数包括用电系数、用户离散系数、线损与电量的相关系数和月最大负荷利用日。
判据划分模块230，用于根据电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据。
嫌疑筛选模块240，用于根据电气特征判据，筛选高窃电嫌疑用户。
请参阅图4，本发明实施例提供一种计算机终端设备，包括一个或多个处理器和存储器。存储器与所述处理器耦接，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任意一个实施例中的用电行为检测方法。
处理器用于控制该计算机终端设备的整体操作，以完成上述的用电行为检测方法的全部或部分步骤。存储器用于存储各种类型的数据以支持在该计算机终端设备的操作，这些数据例如可以包括用于在该计算机终端设备上操作的任何应用程序或方法的指令，以及应用程序相关的数据。该存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，例如静态随机存取存储器(Static Random Access Memory，简称SRAM)，电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory，简称EEPROM)，可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，简称EPROM)，可编程只读存储器(Programmable Read-Only Memory，简称PROM)，只读存储器(Read-Only Memory，简称ROM)，磁存储器，快闪存储器，磁盘或光盘。
在一示例性实施例中，计算机终端设备可以被一个或多个应用专用集成电路(Application Specific 1ntegrated Circuit，简称AS1C)、数字信号处理器(DigitalSignal Processor，简称DSP)、数字信号处理设备(Digital Signal Processing Device,简称DSPD)、可编程逻辑器件(Programmable Logic Device，简称PLD)、现场可编程门阵列(Field Programmable Gate Array，简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述的用电行为检测方法，并达到如上述方法一致的技术效果。
在另一示例性实施例中，还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现上述任意一个实施例中的用电行为检测方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器，上述程序指令可由计算机终端设备的处理器执行以完成上述的用电行为检测方法，并达到如上述方法一致的技术效果。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种用电行为检测方法，其特征在于，包括：
获取电表计量的电气数据；所述电气数据包括用户电量、台区线损和公变负荷；
根据所述电气数据，提取用以表征用电异常性的电气特征参数；所述电气特征参数包括用电系数、用户离散系数、线损与电量的相关系数和月最大负荷利用日；
根据所述电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据；
根据所述电气特征判据，筛选高窃电嫌疑用户。
2.根据权利要求1所述的用电行为检测方法，其特征在于，所述根据所述电气特征判据，筛选高窃电嫌疑用户，包括：
计算所述高窃电嫌疑用户的用电特征的满足情况，得到用户的窃电嫌疑度。
3.根据权利要求1所述的用电行为检测方法，其特征在于，所述根据所述电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据，包括：
根据用户的夏季或冬季的用电曲线及其电气特征参数，生成第一判据；所述第一判据为：
Figure FDA0003085455810000011
其中，χ为用电系数，n为用户数，
Figure FDA0003085455810000012
为用户离散系数差值，r为皮尔逊相关系数。
4.根据权利要求1所述的用电行为检测方法，其特征在于，所述根据所述电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据，包括：
根据用户20-40天的用电曲线及其电气特征参数，生成第二判据；所述第二判据为：
专变线损率在晚间增大(线损率L>20％)，且r>0.6；
其中，r为皮尔逊相关系数。
5.根据权利要求1所述的用电行为检测方法，其特征在于，所述根据所述电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据，包括：
根据用户50-100天的用电曲线及其电气特征参数，生成第三判据；所述第三判据为：
χ<0.3或线损率在周末增大(线损率L>20％)，且r>0.6；
其中，χ为用电系数，r为皮尔逊相关系数。
6.根据权利要求1所述的用电行为检测方法，其特征在于，所述根据所述电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据，包括：
根据用户300天以上的用电曲线及其电气特征参数，生成第四判据；所述第四判据为：
线损率在月中明显增大，且与某用户的相关系数比较高((线损率L>20％)，且r>0.6)，且d<15；
其中，d为月最大负荷利用日，r为皮尔逊相关系数。
7.根据权利要求1所述的用电行为检测方法，其特征在于，所述根据所述电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据，包括：
根据用户600天以上的用电曲线及其电气特征参数，生成第五判据；所述第五判据为：
线损率L>20％，且r>0.6，
Figure FDA0003085455810000021
其中，r为皮尔逊相关系数，
Figure FDA0003085455810000022
为用户离散系数差值。
8.一种用电行为检测系统，其特征在于，包括：
数据获取模块，用于获取电表计量的电气数据；所述电气数据包括用户电量、台区线损和公变负荷；
特征提取模块，用于根据所述电气数据，提取用以表征用电异常性的电气特征参数；所述电气特征参数包括用电系数、用户离散系数、线损与电量的相关系数和月最大负荷利用日；
判据划分模块，用于根据所述电气特征参数和不同时间段的时间用电曲线，生成对应的电气特征判据；
嫌疑筛选模块，用于根据所述电气特征判据，筛选高窃电嫌疑用户。
9.一种计算机终端设备，其特征在于，包括：
一个或多个处理器；
存储器，与所述处理器耦接，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至7任一项所述的用电行为检测方法。
10.一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，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的用电行为检测方法。
CN202110579343.8A 2021-05-26 2021-05-26 一种用电行为检测方法及系统 Pending CN113313163A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110579343.8A CN113313163A (zh) 2021-05-26 2021-05-26 一种用电行为检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110579343.8A CN113313163A (zh) 2021-05-26 2021-05-26 一种用电行为检测方法及系统

Publications (1)

Publication Number Publication Date
CN113313163A true CN113313163A (zh) 2021-08-27

Family

ID=77375149

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110579343.8A Pending CN113313163A (zh) 2021-05-26 2021-05-26 一种用电行为检测方法及系统

Country Status (1)

Country Link
CN (1) CN113313163A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114217160A (zh) * 2022-02-18 2022-03-22 青岛鼎信通讯股份有限公司 一种中压配电线路负荷监测单元安装定位方法
CN114240105A (zh) * 2021-12-03 2022-03-25 南京南瑞信息通信科技有限公司 一种台区线损分析方法、装置及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114240105A (zh) * 2021-12-03 2022-03-25 南京南瑞信息通信科技有限公司 一种台区线损分析方法、装置及系统
CN114217160A (zh) * 2022-02-18 2022-03-22 青岛鼎信通讯股份有限公司 一种中压配电线路负荷监测单元安装定位方法

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
CN107340492B (zh) 基于大数据挖掘和场景预判的电能计量装置故障分析方法
CN106203832B (zh) 智能防窃电分析系统及分析方法
CN113313163A (zh) 一种用电行为检测方法及系统
CN111693795B (zh) 一种基于智能电表的台区线损率评估以及异常判断方法
CN107221927A (zh) 一种基于量化评估模型窃电嫌疑分析算法的反窃电分析方法
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
CN103678766A (zh) 一种基于pso算法的异常用电客户检测方法
CN110749784B (zh) 一种基于电力数据小波分析的线路窃电检测方法
CN113032454A (zh) 基于云计算的交互式用户用电异常监测预警管理云平台
CN110739686A (zh) 一种基于总表异常分析的台区线损治理方法及系统
CN110806518A (zh) 一种台区线损异动分析模块及其操作方法
CN109583679A (zh) 一种多算法融合的窃电疑似度分析方法
CN115792370B (zh) 一种基于智能电表的用能诊断方法、装置和设备
CN113468811B (zh) 含新能源机组的电网备用容量概率化动态评估方法及系统
CN114862139A (zh) 一种基于数据驱动的台区线损率异常诊断方法
CN110244099A (zh) 基于用户电压的窃电检测方法
Galvan et al. System for detection of abnormalities and fraud in customer consumption
CN115759708A (zh) 一种考虑电力时空分布特性的线损分析方法及系统
CN112015724A (zh) 一种对电力运营数据计量异常进行分析的方法
CN106709623B (zh) 一种基于风险计算模型的电网营销稽查风险管控方法
Chicco et al. A review of concepts and techniques for emergent customer categorisation
CN111489073A (zh) 一种基于分类算法的用户用电廉情预警方法
CN110968838A (zh) 基于智能电能表开盖事件的用电异常分析方法
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