CN114295880A - 一种电力窃电精准定位及异常用电行为检测分析模型 - Google Patents
一种电力窃电精准定位及异常用电行为检测分析模型 Download PDFInfo
- Publication number
- CN114295880A CN114295880A CN202111591549.9A CN202111591549A CN114295880A CN 114295880 A CN114295880 A CN 114295880A CN 202111591549 A CN202111591549 A CN 202111591549A CN 114295880 A CN114295880 A CN 114295880A
- Authority
- CN
- China
- Prior art keywords
- model
- electricity
- analysis
- abnormal
- electricity stealing
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 46
- 238000001514 detection method Methods 0.000 title claims abstract description 12
- 230000005611 electricity Effects 0.000 claims abstract description 86
- 230000002159 abnormal effect Effects 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 20
- 238000004140 cleaning Methods 0.000 claims abstract description 16
- 230000002265 prevention Effects 0.000 claims abstract description 15
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 238000010219 correlation analysis Methods 0.000 claims abstract description 8
- 230000000737 periodic effect Effects 0.000 claims abstract description 8
- 230000006872 improvement Effects 0.000 claims abstract description 6
- 238000005457 optimization Methods 0.000 claims abstract description 5
- 238000005065 mining Methods 0.000 claims abstract description 4
- 230000006399 behavior Effects 0.000 claims description 25
- 238000003745 diagnosis Methods 0.000 claims description 16
- 230000005856 abnormality Effects 0.000 claims description 10
- 230000009194 climbing Effects 0.000 claims description 8
- 238000010248 power generation Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 230000007812 deficiency Effects 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 238000005034 decoration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种电力窃电精准定位及异常用电行为检测分析模型,通过深度挖掘多源系统数据价值,通过模型实现用户异常用电行为监测分析,并计算出违约及疑似窃电用户的嫌疑系数,通过时间周期性的监测,精准定位用户窃电行为;并通过线上反窃电平台积累的大量窃电案例,归类总结构建不同窃电手法的特征指标规则库,实现反窃电模型自主迭代优化,提升模型分析的准确率和查全率,所述反窃电模型的提升包括以下方面:构建违约用电模型、优化已有模型、高压电压电流关联分析模型、专变用户异常用电分析模型、模型分类与清洗,本发明建立有多种模型,从各方面全方位的对用户异常用电行为进行监测分析,精准定位用户的窃电行为。
Description
技术领域
本发明涉及电力数据分析技术领域,具体涉及一种电力窃电精准定位及异常用电行为检测分析模型。
背景技术
随着我国电力生产的不断发展,整个电力市场的需求也在不断的提高,但窃电现象却日益严重。窃电给正常供电秩序和安全用电带来极大影响。窃电负荷波动较大,一些窃电方式野蛮粗暴,轻则损坏低压电气设施,重则连锁反应造成局部供电中断。而且窃电者多数是非专业技术人员,窃电时极易引发触电造成伤亡,威胁着自己和他人的人身安全。
高科技窃电及违约用电手段导致现在用户的违约窃电行为很难被发现,窃电行为对国家的经济造成了巨大的损失,对公众的生命财产安全造成了巨大的威胁。反窃电工具智能化、信息化程度,直接影响诊断准确度和反窃电作业效率。因此,提升、完善“事前”分析预警、精准定位,“事中”协同监督、过程控制,“事后”总结提升、主动防御的反窃电全业务信息化闭环管控能力尤为重要。
发明内容
为了解决相关技术问题,本申请的目的在于提供一种电力窃电精准定位及异常用电行为检测分析模型。
为实现本发明的目的,本发明提供的技术方案如下:
一种电力窃电精准定位及异常用电行为检测分析模型,通过深度挖掘多源系统数据价值,开展异常用电行为潜在特征深度识别及智能预警,通过模型实现用户异常用电行为监测分析,并计算出违约及疑似窃电用户的嫌疑系数,通过时间周期性的监测,精准定位用户窃电行为;通过线上反窃电平台积累的大量窃电案例,归类总结构建不同窃电手法的特征指标规则库,实现反窃电模型自主迭代优化,所述反窃电模型的提升包括以下方面:构建违约用电模型、优化已有模型、高压电压电流关联分析模型、专变用户异常用电分析模型、模型分类与清洗。
其中,所述违约用电模型包括需量大于合同容量、光伏企业单网发电量超阈值、用户办理暂停业务但电表依然走字。
其中,所述优化已有模型是通过增加模型研判条件来增加模型输出线索的准确性。
其中,所述高压电压电流关联分析模型包括数据格式检验、档案类数据清洗、运行类数据清洗、事件类数据清洗、有电流无电压分析、电流不平衡分析、电压电流规范性缺失和结果研判。
其中,所述专变用户异常用电分析模型包括基于电量计量流失的异常在线监测模型和基于专家诊断方法的异常用电分析模型。
其中,所述基于专家诊断方法的异常用电分析模型包括用电特征集构建、专家指标库建立、用户负荷区间段识别模型、电流爬坡异常诊断模型、周期性过负荷异常诊断模型、高频磁枪类异常识别模型。
其中,所述模型分类与清洗是通过对模型进行分类,并通过模型输出的结果进行模型与模型之间互相研判对模型进行清洗,提高窃电线索的准确性。
与现有技术相比,本发明的优点在于:本发明建立有多种模型,从各方面全方位的对用户异常用电行为进行监测分析,精准定位用户的窃电行为,本发明归类总结构建不同窃电手法的特征指标规则库,实现反窃电模型自主迭代优化,提升模型分析的准确率和查全率,提高基层人员反窃工作主动出击的准确性,震慑窃电不法分子使其不敢窃、不能窃、不想窃。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
实施例
本发明提供的一种电力窃电精准定位及异常用电行为检测分析模型,通过深度挖掘多源系统数据价值,开展异常用电行为潜在特征深度识别及智能预警,通过模型实现用户异常用电行为监测分析,并计算出违约及疑似窃电用户的嫌疑系数,通过时间周期性的监测,精准定位用户窃电行为;并通过线上反窃电平台积累的大量窃电案例,归类总结构建不同窃电手法的特征指标规则库,实现反窃电模型自主迭代优化,提升模型分析的准确率和查全率,提高基层人员反窃工作主动出击的准确性,所述反窃电模型的提升包括以下方面:构建违约用电模型、优化已有模型、高压电压电流关联分析模型、专变用户异常用电分析模型、模型分类与清洗。
所述违约用电模型包括以下三个方面:需量大于合同容量即变压器超过合同容量,所有10kv以上的用户的一个月之内平均15分钟的最大需量大于合同容量,说明变压器的容量大于合同容量;光伏企业单网发电量超阈值,光伏窃电的单发电量按照统计规律,剔除较高和较低的单网发电量,根据期望和方差建立正态分布对单网发电量进行分析,当与均值相差较大时判断为光伏用户私自增容;用户办理暂停业务但电表依然走字,针对10kv以上的用户在办理暂停业务期间,电表依然走字,证明该用户存在违约用电的嫌疑。
所述优化已有模型是通过增加模型研判条件来增加模型输出线索的准确性。
所述高压电压电流关联分析模型是通过采集系统采集的电压电流历史曲线数据,分析同一时刻有电流无电压、两相电流相差不大剩余一相电流较低、电压电流存在规范性缺失等特征情况,同时考虑不同接线方式电压电流阈值的差异性,预测用户是否存在疑似窃电行为,具体包括数据格式检验、档案类数据清洗、运行类数据清洗、事件类数据清洗、有电流无电压分析、电流不平衡分析、电压电流规范性缺失和结果研判。
所述专变用户异常用电分析模型包括基于电量计量流失的异常在线监测模型和基于专家诊断方法的异常用电分析模型。
所述基于电量计量流失的异常在线监测模型是以专变用户为分析单元,构建专变计量点误差模型,利用机器学习方法适配模型参数,准确计算各计量点误差值,匹配异常用电用户计量点负大超差特征,定位异常用电用户范围,提升检出率和检出效率。
所述基于专家诊断方法的异常用电分析模型是针对误差模型输出的异常用户集合,通过构建专家诊断模型,结合异常事件、业务场景及动机等进行综合诊断研判,实现异常用电(窃电)用户精准定位,具体包括用电特征集构建、专家指标库建立、用户负荷区间段识别模型、电流爬坡异常诊断模型、周期性过负荷异常诊断模型、高频磁枪类异常识别模型。
所述用电特征集构建,是为了有效区分正常用电用户数据、异常用电用户数据,排除表计规格等客观因素的干扰,将用户按照用户类别、电表电流规格进行分组,分别统计组内用户的电量、负荷等体现用电特征的数据,构建用电特征数据集,所述特征数据集相关信息如下:
所述专家指标库建立,是通过对历史的异常用电用户用电数据总结归纳,制定异常用电相关的特征向量,构建专变异常用电的专家指标库,提高专变用户异常用电分析对用电异常的识别准确率,所述专家指标库包含以下指标:
所述用户负荷区间段识别模型,是对用采系统内所有电能表、负荷曲线数据进行关联分析,筛选电流数据、电压数据满足完整性要求的电能表,以每天为一分析周期,比较并识别每个时刻的电能表电流最大值,按照合同容量对用户电表进行分类分析,计算并统计分析周期内用户生产负荷时间段及其占比情况、生活负荷时间段及其占比情况,根据占比情况,剔除分析时间段负荷全为零电能表;剔除分析时间段生产时间段占比过低电能表;标记分析时间段全部为生产时间段电能表。
所述电流爬坡异常诊断模型,是以高负荷用户电能表(三相三线)为分析对象,校验周期内电能表功率变化一致性。综合分析电能表总有功功率分布特征,区分生产负荷曲线、生活负荷曲线,识别“电流爬坡”数据区域,结合同时间段的电压数据、电流数据的不平衡特征,校验电能表是否符合“电流爬坡”异常规则。综合分析符合“电流爬坡”异常规则电能表连续多个周期的数据,校验异常数据分布,按照连续性、周期性、随机性特征进行分类统计;对符合“电流爬坡”异常电能表各相功率数据进行异常零值校验、固定值校验,为工作人员处理数据逻辑异常提供必要分析手段和参考依据。
所述周期性过负荷异常诊断模型,是基于配电线路计量点相关的电能表配置的负荷曲线数据采集任务,一般为96点数据,包括电压、电流、功率、功率因数、示值等负荷曲线数据,还有日最大需量、抄表历日周期内最大需量,因此从多维度判断计量点相关电能表是否发生超量程运行情况。
所述高频磁枪类异常识别模型,指的是利用强磁铁放置在靠近电能表的位置,使计量设备磁路饱和而停走,造成电能表少计量或不计量,方式隐蔽,易于撤除。在数据上的体现是有一段数据缺失,且缺失前后的电能示值斜率有差别,利用高频磁枪类异常识别模型可识别该类异常用电用户。
所述模型分类与清洗是通过对模型进行分类,并通过模型输出的结果进行模型与模型之间互相研判对模型进行清洗,提高窃电线索的准确性。
需要说明的是,本申请中未详述的技术方案,采用公知技术。
以上所述仅是本发明的优选实施方式,应当指出的是,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,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种电力窃电精准定位及异常用电行为检测分析模型,其特征在于,通过深度挖掘多源系统数据价值,开展异常用电行为潜在特征深度识别及智能预警,通过模型实现用户异常用电行为监测分析,并计算出违约及疑似窃电用户的嫌疑系数,通过时间周期性的监测,精准定位用户窃电行为;通过线上反窃电平台积累的大量窃电案例,归类总结构建不同窃电手法的特征指标规则库,实现反窃电模型自主迭代优化,所述反窃电模型的提升包括以下方面:构建违约用电模型、优化已有模型、高压电压电流关联分析模型、专变用户异常用电分析模型、模型分类与清洗。
2.根据权利要求1所述的一种电力窃电精准定位及异常用电行为检测分析模型,其特征在于:所述违约用电模型包括需量大于合同容量、光伏企业单网发电量超阈值、用户办理暂停业务但电表依然走字。
3.根据权利要求1所述的一种电力窃电精准定位及异常用电行为检测分析模型,其特征在于:所述优化已有模型是通过增加模型研判条件来增加模型输出线索的准确性。
4.根据权利要求1所述的一种电力窃电精准定位及异常用电行为检测分析模型,其特征在于:所述高压电压电流关联分析模型包括数据格式检验、档案类数据清洗、运行类数据清洗、事件类数据清洗、有电流无电压分析、电流不平衡分析、电压电流规范性缺失和结果研判。
5.根据权利要求1所述的一种电力窃电精准定位及异常用电行为检测分析模型,其特征在于:所述专变用户异常用电分析模型包括基于电量计量流失的异常在线监测模型和基于专家诊断方法的异常用电分析模型。
6.根据权利要求5所述的一种电力窃电精准定位及异常用电行为检测分析模型,其特征在于:所述基于专家诊断方法的异常用电分析模型包括用电特征集构建、专家指标库建立、用户负荷区间段识别模型、电流爬坡异常诊断模型、周期性过负荷异常诊断模型、高频磁枪类异常识别模型。
7.根据权利要求1所述的一种电力窃电精准定位及异常用电行为检测分析模型,其特征在于:所述模型分类与清洗是通过对模型进行分类,并通过模型输出的结果进行模型与模型之间互相研判对模型进行清洗,提高窃电线索的准确性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111591549.9A CN114295880A (zh) | 2021-12-23 | 2021-12-23 | 一种电力窃电精准定位及异常用电行为检测分析模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111591549.9A CN114295880A (zh) | 2021-12-23 | 2021-12-23 | 一种电力窃电精准定位及异常用电行为检测分析模型 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114295880A true CN114295880A (zh) | 2022-04-08 |
Family
ID=80969352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111591549.9A Pending CN114295880A (zh) | 2021-12-23 | 2021-12-23 | 一种电力窃电精准定位及异常用电行为检测分析模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114295880A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115375192A (zh) * | 2022-10-24 | 2022-11-22 | 国网天津市电力公司营销服务中心 | 一种基于用户用电行为的违约用电研判方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132210A (zh) * | 2020-09-21 | 2020-12-25 | 国网辽宁省电力有限公司电力科学研究院 | 一种基于客户用电行为的窃电概率预警分析方法 |
CN113392910A (zh) * | 2021-06-17 | 2021-09-14 | 国网江西省电力有限公司供电服务管理中心 | 一种判断违约用电与窃电的多维度智能分析经验算法和分类算法 |
-
2021
- 2021-12-23 CN CN202111591549.9A patent/CN114295880A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112132210A (zh) * | 2020-09-21 | 2020-12-25 | 国网辽宁省电力有限公司电力科学研究院 | 一种基于客户用电行为的窃电概率预警分析方法 |
CN113392910A (zh) * | 2021-06-17 | 2021-09-14 | 国网江西省电力有限公司供电服务管理中心 | 一种判断违约用电与窃电的多维度智能分析经验算法和分类算法 |
Non-Patent Citations (2)
Title |
---|
国家电网公司营销部: "国家电网:构建数字化体系 依法维护供用电秩序", 《中国电力企业管理》, 30 September 2020 (2020-09-30), pages 14 - 15 * |
黄朝凯 等: "基于准实时数据的反窃电在线监测及诊断分析模型的研究", 《电子设计工程》, vol. 23, no. 14, 31 July 2015 (2015-07-31), pages 155 - 157 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115375192A (zh) * | 2022-10-24 | 2022-11-22 | 国网天津市电力公司营销服务中心 | 一种基于用户用电行为的违约用电研判方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109490679B (zh) | 基于非侵入式负荷监测的智能窃电稽查系统及方法 | |
CN110097297B (zh) | 一种多维度窃电态势智能感知方法、系统、设备及介质 | |
CN107039970B (zh) | 公变台区线损率异常原因检测方法和系统 | |
CN106156269A (zh) | 一种反窃电精准定位在线监测方法 | |
CN104407268A (zh) | 基于电量、电压和电流异常分析的异常用电判断方法 | |
CN107862467A (zh) | 一种基于大数据平台的电网综合数据指标监测方法及系统 | |
CN104391202A (zh) | 基于电量异常分析的异常用电判断方法 | |
CN110749784B (zh) | 一种基于电力数据小波分析的线路窃电检测方法 | |
CN115115282B (zh) | 一种高电压台区电力系统数据分析方法 | |
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 | |
CN109767054A (zh) | 基于深度神经网络算法的能效云评估方法及边缘能效网关 | |
CN107132410B (zh) | 10kV线路线损率异常原因检测方法和系统 | |
CN110288039A (zh) | 基于用户用电负荷特征窃电检测方法 | |
CN110703009A (zh) | 台区线损率异常分析及处理方法 | |
CN110244099A (zh) | 基于用户电压的窃电检测方法 | |
CN115840922B (zh) | 一种基于深度学习算法的充电异常行为分析方法 | |
CN111612019A (zh) | 一种基于大数据模型对智能电表故障异常辨识分析的方法 | |
CN110047013B (zh) | 反专变用户间断型窃电方法 | |
CN113392910A (zh) | 一种判断违约用电与窃电的多维度智能分析经验算法和分类算法 | |
CN115293257A (zh) | 一种针对异常用电用户的检测方法及系统 | |
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 | |
CN115730962A (zh) | 一种基于大数据的电力营销稽查分析系统及方法 | |
CN106685086B (zh) | 远程用电管理系统 | |
CN110231503B (zh) | 高损台区基于格兰杰因果检验的窃电用户识别定位方法 | |
Zhang et al. | Research on comprehensive diagnosis model of anti-stealing electricity based on big data technology |
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 |