CN114839462A - 一种智能反窃电监察方法和系统 - Google Patents
一种智能反窃电监察方法和系统 Download PDFInfo
- Publication number
- CN114839462A CN114839462A CN202210451990.5A CN202210451990A CN114839462A CN 114839462 A CN114839462 A CN 114839462A CN 202210451990 A CN202210451990 A CN 202210451990A CN 114839462 A CN114839462 A CN 114839462A
- Authority
- CN
- China
- Prior art keywords
- electricity
- stealing
- electricity stealing
- data
- current
- 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
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
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R19/00—Arrangements for measuring currents or voltages or for indicating presence or sign thereof
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明公开了一种智能反窃电监察方法和系统，所述方法包括以下步骤：(1)从实时监测的用电信息系统采集当前时刻的数据源；(2)对采集的数据源进行分析，根据窃电判断评价指标进行数据加工和处理；(3)将加工和处理后的数据与窃电评价判断条件进行对比，若数据超出窃电评价判断条件，则说明用电线路存在用电异常，然后再通过计算用电异常电路的窃电相关系数，则向电力设备后台管理人员发出预警信息；(4)通过用电检查判断用户用电异常发生情况，对发出的预警信息作出处理。本发明通过采用动态调节的方法进行反窃电识别定位的动态分布融合，建立反窃电识别定位的有功功率分析模型，通过负荷的状态差异性，实现反窃电识别的精准定位。
Description
技术领域
本发明属于反窃电监察技术领域，具体涉及一种智能反窃电监察方法和系统。
背景技术
长期以来，一些单位或个人，尤其是高能耗企业，将盗窃电能作为获利手段，采取各种方法窃取电量，以达到不交或少交电费的目的。窃电问题一直困扰着供电部门，窃电造成电能大量流失，严重损害了供电企业的合法权益，扰乱了正常的供用电秩序，严重影响了电力事业的发展，而且给电网安全带来了严重威胁。随着科技的进步，呈现出窃电手段专业化、窃电技术智能化的不断升级等原因给反窃电工作带来了很大难度。
目前，一方面，反窃电所采用的方法比较分散，没有形成系统性，另一方面受限于智能反窃电监察系统数据的完整性及准确性，无法及时发现和制止窃电行为，并无法准确判断具体的异常窃电用户。因此，研发一种智能反窃电监察方法和系统是目前急需解决的问题。
发明内容
为了解决现有技术中存在的不足，本发明的目的是提供一种智能反窃电监察方法和系统。
为了实现上述目的，本发明采用如下技术方案：
一种智能反窃电监察方法，包括以下步骤：
(1)从实时监测的用电信息系统采集当前时刻的数据源；
(2)对步骤(1)中采集的数据源进行分析，根据窃电判断评价指标进行数据加工和处理；
(3)将步骤(2)中加工和处理后的数据与窃电评价判断条件进行对比，若数据超出窃电评价判断条件，则说明用电线路存在用电异常，然后再通过计算用电异常电路的窃电相关系数，窃电相关系数越大，说明用电用户窃电嫌疑越大，则向电力设备后台管理人员发出预警信息；
(4)通过用电检查判断用户用电异常发生情况，对步骤(3)中发出的预警信息作出处理。
进一步的，所述步骤(1)中的数据源包括电压、电流、功率因数和异常记录。
进一步的，所述步骤(2)中窃电判断评价指标包括电流绝对值、反向电量、电流不平衡度和失压记录。
进一步的，所述电流绝对值为任意两相电流差的绝对值；所述反向电量为任意一项电压低于阀值；所述电流不平衡度为火线电流不平衡且大于0.5A；所述失压记录包括存在失压记录、开盖记录和反向电量。
进一步的，所述步骤(3)中窃电评价判断条件为：电流不平衡度2|Ia-Ic|/(Ia+Ic)>30％，任意两相电流差绝对值大于0.4A且Imax/Imin均大于2，实际电压＜合同电压。
进一步的，所述步骤(3)中窃电相关系数的计算方法如下：按照管理线损与线损电量成线性关系的原理，对用户的用电量曲线与线损曲线分别进行线性度分析，具体计算公式如下：
ki＝qi线损/qi用户电量
其中，ki是一个中间变量，没有具体的物理意义；qi线损为线损曲线中的第i个点的线损；qi用户电量为用户电量曲线中得第i个点的用户电量；n为样本容量；m为窃电相关系数，系数越高，窃电嫌疑越大。
进一步的，一种智能反窃电监察系统，上述智能反窃电监察方法所使用的系统，包括数据采集模块，用于采集实时监测用电信息系统的数据源；数据分析模块，用于对采集的数据源进行分析，根据窃电判断评价条件进行数据加工和处理，使加工和处理后的数据成为反映用户用电状态的状态量数据，供监测预警模块和评价判断模块使用；监测预警模块，用于监测状态量数据的变化情况，对于出现异常的状态量数据向管理人员发出预警；评价判断模块，对监测预警模块发出的预警进行处理，并判断用电用户是否存在窃电嫌疑。
进一步的，所述系统还包括三相三线和三相四线。
进一步的，所述三相三线的窃电判断评价条件为：电流不平衡度2|Ia-Ic|/(Ia+Ic)>30％，任意两相电流差绝对值大于0.4A且Imax/Imin均大于2，且用户用电的电压小于90V；所述和三相四线的窃电判断评价条件为：电流不平衡度2|Ia-Ic|/(Ia+Ic)>30％，任意两相电流差绝对值大于0.4A且Imax/Imin均大于2，且用户用电的电压小于200V。
与现有技术想相比，本发明具备的积极有益效果在于：
(1)本发明通过数据采集模块从实时监测的用电信息系统采集当前时刻的电压、电流、功率因数和异常记录等数据源，再通过数据分析模块对采集到的数据源进行分析，根据窃电判断评价指标进行数据加工和处理，通过监测预警模块将加工和处理后的数据与窃电评价判断条件进行对比，若数据超出窃电评价判断条件，则说明用电线路存在用电异常，然后再通过计算用电异常电路的窃电相关系数，窃电相关系数越大，说明用电用户窃电嫌疑越大，则向电力设备后台管理人员发出预警信息，最后评价判断模块通过用电检查判断用户用电异常发生情况，对发出的预警信息作出处理。本发明通过数据采集模块、分析模块分析客户用电异常情况，再通过监测预警模块和评价判断模块对用电异常的用户进行预警和判断，能够准确识别窃电及违约用电行为，充分利用大数据分析诊断技术有效提升了反窃电预警准确率和及时性。
(2)本发明通过采用动态调节的方法进行反窃电识别定位的动态分布融合，建立反窃电识别定位的有功功率分析模型，通过负荷的状态差异性，实现反窃电识别的精准定位。
附图说明
图1是本发明反窃电监察系统窃电监察方法的流程图；
图2是本发明实施例中10kV线路线损日线损的波动图；
图3是本发明实施例中三相三线和三相四线的窃电监察方法的流程图。
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做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。
实施例
一种智能反窃电监察方法，包括以下步骤：
(1)从实时监测的用电信息系统采集当前时刻的数据源，其中，数据源包括电压、电流、功率因数和异常记录；
(2)对步骤(1)中采集的数据源进行分析，根据窃电判断评价指标进行数据加工和处理，其中窃电判断评价指标包括电流绝对值、反向电量、电流不平衡度和失压记录；所述电流绝对值为任意两相电流差的绝对值；所述反向电量为任意一项电压低于阀值；所述电流不平衡度为火线电流不平衡且大于0.5A；所述失压记录包括存在失压记录、开盖记录和反向电量；
(3)将步骤(2)中加工和处理后的数据与窃电评价判断条件进行对比，如果电流不平衡度2|Ia-Ic|/(Ia+Ic)>30％，任意两相电流差绝对值大于0.4A且Imax/Imin均大于2，且际电压＜合同电压，则说明用电线路存在用电异常，具体流程图如图1所示；然后采用线性分析法和傅里叶分析法相结合，极大提高了窃电识别的灵敏度，将傅里叶分析法数据图形映射为对应的各次谐波，在频域内做线性分析，找出存在异常的专变用户和台区。例如，某条10kV线路线损日线损长期在5-20％之间波动，为了分析其是否存在窃电，利用数据采集系统每隔6个小时进行了一次线损计算，并连续观察一个月画出图形如图2所示，再按照管理线损与线损电量成线性关系的原理，对A、B、C、D四个用户的用电量曲线与线损曲线分别进行线性度分析，具体计算公式如下：
ki＝qi线损/qi用户电量
其中，ki是一个中间变量，没有具体的物理意义；qi线损为线损曲线中的第i个点的线损；qi用户电量为用户电量曲线中得第i个点的用户电量；n为样本容量；m为窃电相关系数，系数越高，窃电嫌疑越大，说明用电用户窃电嫌疑越大，则向电力设备后台管理人员发出预警信息；
(4)通过步骤(3)中计算出的窃电相关系数，筛选出窃电相关系数较高的用电用户，然后再安排电力工作人员进行逐户排查这些窃电相关系数较高的用电用户是否存在窃电嫌疑，最后经过电力工作人员的排查和验证来锁定窃电用户。
本发明通过采用大数据挖掘的方法和逆行反窃电定位识别的随机分布结构重组，进行反窃电定位过程中的随机分布和信息融合，以电网的高频分量差异性特征量作为统计特征量，进行直流断路控制设计，再利用大数据高维随机矩阵重构的方法，进行反窃电识别定位过程中的特征空间重构，采用进行反窃电识别定位的动态分布融合，建立反窃电识别定位的有功功率分析模型，通过负荷的状态差异性，实现反窃电识别的精准定位。
一种智能反窃电监察系统，包括数据采集模块，用于采集实时监测用电信息系统的数据源；数据分析模块，用于对采集的数据源进行分析，根据窃电判断评价条件进行数据加工和处理，使加工和处理后的数据成为反映用户用电状态的状态量数据，供监测预警模块和评价判断模块使用；监测预警模块，用于监测状态量数据的变化情况，对于出现异常的状态量数据向管理人员发出预警；评价判断模块，对监测预警模块发出的预警进行处理，并判断用电用户是否存在窃电嫌疑。
反窃电监察系统还包括三相三线和三相四线，三相三线的窃电判断评价条件为：电流不平衡度2|Ia-Ic|/(Ia+Ic)>30％，任意两相电流差绝对值大于0.4A且Imax/Imin均大于2且用户用电的电压小于90V；三相四线的窃电判断评价条件为：电流不平衡度2|Ia-Ic|/(Ia+Ic)>30％，任意两相电流差绝对值大于0.4A且Imax/Imin均大于2且用户用电的电压小于200V，具体的窃电判断方式如图3所示。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (9)
1.一种智能反窃电监察方法，其特征在于，包括以下步骤：
(1)从实时监测的用电信息系统采集当前时刻的数据源；
(2)对步骤(1)中采集的数据源进行分析，根据窃电判断评价指标进行数据加工和处理；
(3)将步骤(2)中加工和处理后的数据与窃电评价判断条件进行对比，若数据超出窃电评价判断条件，则说明用电线路存在用电异常，然后再通过计算用电异常电路的窃电相关系数，窃电相关系数越大，说明用电用户窃电嫌疑越大，则向电力设备后台管理人员发出预警信息；
(4)通过用电检查判断用户用电异常发生情况，对步骤(3)中发出的预警信息作出处理。
2.根据权利要求1所述的一种智能反窃电监察方法，其特征在于，所述步骤(1)中的数据源包括电压、电流、功率因数和异常记录。
3.根据权利要求1所述的一种智能反窃电监察方法，其特征在于，所述步骤(2)中窃电判断评价指标包括电流绝对值、反向电量、电流不平衡度和失压记录。
4.根据权利要求3所述的一种智能反窃电监察方法，其特征在于，所述电流绝对值为任意两相电流差的绝对值；所述反向电量为任意一项电压低于阀值；所述电流不平衡度为火线电流不平衡且大于0.5A；所述失压记录包括存在失压记录、开盖记录和反向电量。
5.根据权利要求1所述的一种智能反窃电监察方法，其特征在于，所述步骤(3)中窃电评价判断条件为：电流不平衡度2|Ia-Ic|/(Ia+Ic)>30％，任意两相电流差绝对值大于0.4A且Imax/Imin均大于2，实际电压＜合同电压。
6.根据权利要求1所述的一种智能反窃电监察方法，其特征在于，所述步骤(3)中窃电相关系数的计算方法如下：按照管理线损与线损电量成线性关系的原理，对用户的用电量曲线与线损曲线分别进行线性度分析，具体计算公式如下：
ki＝qi线损/qi用户电量
其中，ki是一个中间变量，没有具体的物理意义；qi线损为线损曲线中的第i个点的线损；qi用户电量为用户电量曲线中得第i个点的用户电量；n为样本容量；m为窃电相关系数，系数越高，窃电嫌疑越大。
7.一种智能反窃电监察系统，其特征在于，权利要求1-6任一项所述智能反窃电监察方法所使用的系统，包括数据采集模块，用于采集实时监测用电信息系统的数据源；数据分析模块，用于对采集的数据源进行分析，根据窃电判断评价条件进行数据加工和处理，使加工和处理后的数据成为反映用户用电状态的状态量数据，供监测预警模块和评价判断模块使用；监测预警模块，用于监测状态量数据的变化情况，对于出现异常的状态量数据向管理人员发出预警；评价判断模块，对监测预警模块发出的预警进行处理，并判断用电用户是否存在窃电嫌疑。
8.根据权利要求7所述的智能反窃电监察系统，其特征在于，所述系统还包括三相三线和三相四线。
9.根据权利要求8所述的智能反窃电监察系统，其特征在于，所述三相三线的窃电判断评价条件为：电流不平衡度2|Ia-Ic|/(Ia+Ic)>30％，任意两相电流差绝对值大于0.4A且Imax/Imin均大于2，且用户用电的电压小于90V；所述和三相四线的窃电判断评价条件为：电流不平衡度2|Ia-Ic|/(Ia+Ic)>30％，任意两相电流差绝对值大于0.4A且Imax/Imin均大于2，且用户用电的电压小于200V。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210451990.5A CN114839462A (zh) | 2022-04-26 | 2022-04-26 | 一种智能反窃电监察方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210451990.5A CN114839462A (zh) | 2022-04-26 | 2022-04-26 | 一种智能反窃电监察方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114839462A true CN114839462A (zh) | 2022-08-02 |
Family
ID=82567003
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210451990.5A Pending CN114839462A (zh) | 2022-04-26 | 2022-04-26 | 一种智能反窃电监察方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114839462A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115099883A (zh) * | 2022-08-29 | 2022-09-23 | 聊城科创节能设备有限公司 | 一种用电数据监测管理系统及方法 |
| CN118508614A (zh) * | 2024-07-17 | 2024-08-16 | 北京博纳电气股份有限公司 | 一种防窃电用智能采集终端系统及方法 |
-
2022
- 2022-04-26 CN CN202210451990.5A patent/CN114839462A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115099883A (zh) * | 2022-08-29 | 2022-09-23 | 聊城科创节能设备有限公司 | 一种用电数据监测管理系统及方法 |
| CN118508614A (zh) * | 2024-07-17 | 2024-08-16 | 北京博纳电气股份有限公司 | 一种防窃电用智能采集终端系统及方法 |
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 | |
| CN102170124B (zh) | 一种电能质量稳态指标预警方法 | |
| CN103617568B (zh) | 稳态电能质量预警机制中的异常数据判定阈值设定方法 | |
| CN114839462A (zh) | 一种智能反窃电监察方法和系统 | |
| CN108198408B (zh) | 一种基于用电信息采集系统的自适应反窃电监控方法及系统 | |
| CN104407268A (zh) | 基于电量、电压和电流异常分析的异常用电判断方法 | |
| CN104391202A (zh) | 基于电量异常分析的异常用电判断方法 | |
| CN115115282B (zh) | 一种高电压台区电力系统数据分析方法 | |
| CN110703009B (zh) | 台区线损率异常分析及处理方法 | |
| CN111160791A (zh) | 一种基于gbdt算法及因素融合的异常用户识别方法 | |
| CN109615273A (zh) | 一种电动汽车充电设施状态评价方法与系统 | |
| CN111310854A (zh) | 基于用电负荷指纹的低误报率窃电检测二次筛选方法 | |
| CN109142830A (zh) | 基于用电信息采集系统大数据的窃电检测方法 | |
| CN116522746A (zh) | 高耗能企业配电托管方法 | |
| CN106685086B (zh) | 远程用电管理系统 | |
| CN115166625A (zh) | 智能电表误差估计方法及装置 | |
| Wu et al. | Analysis of electricity stealing based on user electricity characteristics of electricity information collection system | |
| CN118228172A (zh) | 一种基于模型分析的反窃电监测识别系统 | |
| CN112015724A (zh) | 一种对电力运营数据计量异常进行分析的方法 | |
| CN111077380A (zh) | 一种变压器运行能力全自动检测系统 | |
| Zhang et al. | Research on comprehensive diagnosis model of anti-stealing electricity based on big data technology | |
| CN112557745A (zh) | 一种线损监测的功率叠加对比系统及方法 | |
| CN115587635A (zh) | 一种基于中性点偏移判断的台区线损分析方法、系统 | |
| CN115936482A (zh) | 一种基于用电数据的低压配电网电能质量分析方法 | |
| CN113723671B (zh) | 一种基于用电情况大数据的数据聚类分析方法 |
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 |