CN115097244A - 一种精准定位电力系统中用电异常或窃电用户的方法 - Google Patents
一种精准定位电力系统中用电异常或窃电用户的方法 Download PDFInfo
- Publication number
- CN115097244A CN115097244A CN202210713125.3A CN202210713125A CN115097244A CN 115097244 A CN115097244 A CN 115097244A CN 202210713125 A CN202210713125 A CN 202210713125A CN 115097244 A CN115097244 A CN 115097244A
- Authority
- CN
- China
- Prior art keywords
- sub
- electricity
- meter
- 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
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
- 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
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/088—Aspects of digital computing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R35/00—Testing or calibrating of apparatus covered by the other groups of this subclass
- G01R35/04—Testing or calibrating of apparatus covered by the other groups of this subclass of instruments for measuring time integral of power or current
-
- 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
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
- G06F17/12—Simultaneous equations, e.g. systems of linear equations
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
一种精准定位电力系统中用电异常或窃电用户的方法,为各表箱配置智能量测开关,用于获取表箱用电量;将智能量测开关的电量和所有子表用电量的差值作为电量损耗进行用电异常或窃电判定;通过多元线性回归模型计算各子表的回归系数,根据回归系数与设定阈值进行比较,识别各子表的用电异常或窃电状态。本发明的方法能够准确识别出用电异常或窃电用户,判断准确率达到98%以上。
Description
技术领域
本发明属于智能电网中窃电检查技术领域,具体涉及一种精准定位电力系统中用电异常或窃电用户的方法。
背景技术
一种高效精确的窃电检测方法可以有效及时的防止窃电行为带来的各种危害。
以往的窃电检测算法多数通过大数据分析,找出离群点,揪出疑似窃电用户,然后由工作人员现场确认,虽有效,但是耗时长,判断不精准,且人工参与度较高。
发明内容
本发明的目的在于克服上述方案所述的窃电分析判断时效性差,判断不够精准,人工参与度高等缺点,提供一种高效的精准定位电力系统中用电异常或窃电用户的方法。
本发明的技术方案是:
本发明提供一种精准定位电力系统中用电异常或窃电用户的方法,为各表箱配置智能量测开关,用于获取表箱用电量;将智能量测开关的电量和所有子表用电量的差值作为电量损耗进行用电异常或窃电判定;通过多元线性回归模型计算各子表的回归系数,根据回归系数与设定阈值进行比较,识别各子表的用电异常或窃电状态。
进一步地,该方法包括以下步骤:
S1、在表箱外部供电端配置智能量测开关,设置误差阈值Tve、电能表用电异常识别事件的异常阈值TVa,以及电能表窃电识别事件的窃电阈值 TVs;所述智能量测开关与各子表进行通信,根据各子表的通信地址及子表信息建立表库;
S2、令子表数量为M,智能量测开关定时采集表库内每个子表的用电量和自身的电量,对M个子表采集一次电量构成一个采样点,当采样点数 N为子表数目M的2倍时,进行窃电分析:
S3、根据第N个采样点当天智能量测开关的电量值及各子表当天用电量之和计算电量损耗,根据电量损耗获取总误差,若总误差大于设定的误差阈值Tve,则判断该表箱内有用电异常或窃电用户,转S4,否则,返回S2 继续采样;
S4、建立多元线性回归模型,对N个采样点中的数据异常的子表数据进行剔除,剔除异常之后的有效子表数目为M’,将N个采样点的M’个子表采样数据代入多元线性回归模型,得出一个由N个线性方程组成的多元线性回归方程组;
采用基于最小二乘法的多元线性回归算法regress计算,得出一组回归系数βi,作为子表的异常或窃电系数,i表示子表编号,i∈(1,M’)。
S5、按顺序将回归系数βi各子表一一对应,将各回归系数分别与设定的异常阈值TVa、窃电阈值TVs进行比较:
若回归系数βi小于异常阈值TVa,则判定为正常用户;
若回归系数βi大于等于异常阈值TVa且小于窃电阈值TVs,则判定为用电异常用户;
若回归系数βi大于等于窃电阈值TVs,则判定为窃电用户;
智能量测开关获取各子表的判定信息,记录对应事件并通过采集器上报主站系统。
进一步地,S1中建立表库具体为:智能量测开关上电后自动搜表,即向表箱各子表发送通信地址请求帧,接收各子表的通信地址,将各子表的通信地址及子表信息形成表库。
进一步地,S2中智能量测开关定时采集各子表的电量,去除无效数据后保存,所述的无效数据为抄表不成功或通信异常的数据。
进一步地,S3中,采用下述公式计算电量损耗PL:
其中,PG为智能量测开关的当天电量值,Pi为表箱内各子表当天用电量值,M为表箱内的子表总数,i表示子表编号;
根据电量损耗计算总误差:PL/PG。
进一步地,S4中,如果某个子表的用电量数据一直为0,则将该子表对应的数据剔除。
进一步地,所述的S4中,多元线性回归模型如下:
其中:t表示时刻即采样点编号,t∈(1,N),yerror(t)表示t时刻的电量损耗,即t时刻智能量测开关的电量与所有子表用电量之和的差值,δ代表误差项,i表示子表编号,i∈(1,M’),M’表示剔除异常之后的有效子表数目,βi表示编号为i子表的异常或窃电系数,xi(t)表示编号为i子表的用电量;
将N个采样点的M’个子表采用数据代入多元线性回归模型,得出N 个线性回归方程如下:
其中:xtM′βM′表示第t个采样点的第M’块子表贡献的损耗;
调用多元线性回归算法regress计算出线性回归系数β1,β2,…,βM′,作为各子表的异常或窃电系数。
进一步地,所述的误差阈值Tve<异常阈值TVa<窃电阈值TVs。
进一步地,所述的误差阈值Tve<异常阈值TVa<窃电阈值TVs;所述的窃电阈值TVs为10%。
本发明的有益效果:
本发明提供一种高效的精准定位电力系统中用电异常或窃电用户的方法;通过对表箱内线损计算,分析是否有用电异常或窃电用户,然后通过多元线性回归分析,计算出每块电表的对应误差系数,并逐一与设定阈值进行比较,准确识别出用电异常或窃电用户,判断准确率达到98%以上。
本发明的方法应用时,系统上电后智能量测开关进行自动搜表,不需要外部设备比如主站或者上位机等进行档案配置工作等,智能量测开关完全自动搜表,准确获取表箱内所有电表信息,并形成表库,供之后采集电表数据使用。整个过程全部自动执行,无需外部干涉,做到了真正的智能自动化。
本发明的其它特征和优点将在随后具体实施方式部分予以详细说明。
附图说明
通过结合附图对本发明示例性实施方式进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显,其中,在本发明示例性实施方式中,相同的参考标号通常代表相同部件。
图1示出了本发明的应用场景示意图。
图2示出了本发明的窃电分析流程图。
具体实施方式
下面将参照附图更详细地描述本发明的优选实施方式。虽然附图中显示了本发明的优选实施方式,然而应该理解,可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。
本发明的准确高效的定位低压台区表箱内窃电用户的方法,在上电后智能量测开关主动搜表后抄表,定时抄录电能表用电量和自身电量,并做保存记录,达到采样要求后,通过计算智能量测开关电量和所有子表用电量和计算误差,通过与设定阈值比较分析初步判断是否有异常或窃电用户,然后通过多元线性回归分析计算回归系数,计算出每块电表的误差,再逐一与设定阈值进行比较,准确识别出用电异常或窃电用户,判断准确率达到98%以上。
首先,对于表后窃电或者用电异常情况,电能表的计量值与真实值近似满足比例关系,因此,给定表箱内子表和量测开关抄读值x(t)、y(t),二者满足如下等式:
其中:δ代表误差项,βi表示子表的异常或窃电系数,M表示表箱内子表的个数,等式两边同时减去子表的加和得到线性回归模型公式:
因此,求解此问题就可以转化为求解线性回归的问题。而要求解此类问题,需要有充足的样本量,要求样本量至少是自变量即电表个数的2倍。
将采集到的数据代入线性回归模型公式,得到多元线性回归方程组:
调用线性回归算法regress()函数,即可计算出线性回归系数β1,β2,…,βM′,即求得各子表的异常或窃电系数。然后根据窃电系数阈值判断是否异常即可。
本发明的方法中,系统上电后智能量测开关进行自动搜表,不需要外部设备比如主站或者上位机等进行档案配置工作等,智能量测开关完全自动搜表,最终准确获取表箱内所有电表信息,并形成表库,供之后采集电表数据使用。整个过程全部自动执行,无需外部干涉,做到了真正的智能自动化。
在搜表工作完成后,定时抄读各子表电量数据及智能量测开关自身电量数据,并记录保存采集到的数据。当采集点数达到子表数量的2倍时,即采样点满足计算要求时,对表箱内所有子表计算电量损耗:
其中,PG为智能量测开关的当天电量值,Pi为表箱内各子表当天用电量值,M为表箱内的子表总数,i表示子表编号;PL为电量损耗,即智能量测开关电量减去各子表用电量和;
根据电量损耗计算总误差:PL/PG;
若该总误差大于等于设置的误差阈值,则判断表箱内存在用电异常或窃电用户,需做深入的窃电分析。
若需做窃电分析,从存储设备中读取不同采样点冻结的数据,并对数据进行初步筛选,剔除异常点,M’表示剔除异常之后的有效子表数目,代入多元线性回归模型公式:
代入公式后则可得到多元线性回归方程组,然后用基于最小二乘法的多元线性回归算法regress计算出回归系数,所得回归系数即为异常或窃电系数,回归系数按顺序与各子表一一对应。然后,将各回归系数逐一与设定阈值进行比较,若回归系数大于用电异常电能表识别事件阈值且低于窃电事件上报阈值,则判定为用电异常用户;若回归系数超过窃电事件上报阈值则判定为窃电用户,智能量测开关获取对应电表序号后,记录对应事件,并上报给采集器,经采集器上报主站系统。
这样,该系统就完成了异常用户或窃电用户的准确定位,全程无需人工操作,且准确度可以达到98%以上。
具体实施时:
一种基于多元线性回归的精准定位窃电用户的方法,包括步骤:
1)智能量测开关上电后自动搜表,向表箱各子表发送通配地址请求帧,根据收到返回数据的情况,准确获取表箱内各子表通信地址及其他相关信息,并形成表库;
2)根据表库中电表信息定时采集表箱内各子表的电量以及智能量测开关自身的电量,并保存;
3)根据表箱内子表数目M,确定采样点(起算点)数目N,当采样点数大于电表数目2倍时,可以开始进行窃电分析;
4)根据智能量测开关的电量及各用户电表的用电量之和,计算出总误差即电量损耗,根据电量损耗获取总误差,若总误差大于设定的误差阈值,则判断该表箱内有用电异常或窃电用户,需进一步做详细分析,否则,无需进行窃电分析;
5)基与4)的判断结果,若需做窃电分析,则从存储设备中读取N组记录的数据,并对各组数据进行异常点筛选剔除;
6)基于5)获取的预处理数据,代入多元线性回归模型公式,得出N个线性方程组成的多元线性回归方程组;
7)用基于最小二乘法的多元线性回归算法regress计算得出一组回归系数,即电表的异常或窃电系统;
8)回归系数顺序与各子表顺序一一对应,将各回归系数分别与设定阈值进行比较。若回归系数大于用电异常电能表识别事件阈值且低于窃电事件上报阈值,则判定为用电异常用户;若回归系数超过窃电事件上报阈值则判定为窃电用户,智能量测开关获取对应电表序号后,记录对应事件,并上报给采集器,经采集器上报主站系统。
9)至此,系统就完成了异常用户或窃电用户的准确定位。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。
Claims (9)
1.一种精准定位电力系统中用电异常或窃电用户的方法,其特征在于,为各表箱配置智能量测开关,用于获取表箱用电量;将智能量测开关的电量和所有子表用电量的差值作为电量损耗进行用电异常或窃电判定;通过多元线性回归模型计算各子表的回归系数,根据回归系数与设定阈值进行比较,识别各子表的用电异常或窃电状态。
2.根据权利要求1所述的一种精准定位电力系统中用电异常或窃电用户的方法,其特征在于该方法包括以下步骤:
S1、在表箱外部供电端配置智能量测开关,设置误差阈值Tve、电能表用电异常识别事件的异常阈值TVa,以及电能表窃电识别事件的窃电阈值TVs;所述智能量测开关与各子表进行通信,根据各子表的通信地址及子表信息建立表库;
S2、令子表数量为M,智能量测开关定时采集表库内每个子表的用电量和自身的电量,对M个子表采集一次电量构成一个采样点,当采样点数N为子表数目M的2倍时,进行窃电分析:
S3、根据第N个采样点当天智能量测开关的电量值及各子表当天用电量之和计算电量损耗,根据电量损耗获取总误差,若总误差大于设定的误差阈值Tve,则判断该表箱内有用电异常或窃电用户,转S4,否则,返回S2继续采样;
S4、建立多元线性回归模型,对N个采样点中的数据异常的子表数据进行剔除,剔除异常之后的有效子表数目为M’,将N个采样点的M’个子表采样数据代入多元线性回归模型,得出一个由N个线性方程组成的多元线性回归方程组;
采用基于最小二乘法的多元线性回归算法regress计算,得出一组回归系数βi,作为子表的异常或窃电系数,i表示子表编号,i∈(1,M’)。
S5、按顺序将回归系数βi各子表一一对应,将各回归系数分别与设定的异常阈值TVa、窃电阈值TVs进行比较:
若回归系数βi小于异常阈值TVa,则判定为正常用户;
若回归系数βi大于等于异常阈值TVa且小于窃电阈值TVs,则判定为用电异常用户;
若回归系数βi大于等于窃电阈值TVs,则判定为窃电用户;
智能量测开关获取各子表的判定信息,记录对应事件并通过采集器上报主站系统。
3.根据权利要求2所述的一种精准定位电力系统中用电异常或窃电用户的方法,其特征在于S1中建立表库具体为:智能量测开关上电后自动搜表,即向表箱各子表发送通信地址请求帧,接收各子表的通信地址,将各子表的通信地址及子表信息形成表库。
4.根据权利要求2所述的一种精准定位电力系统中用电异常或窃电用户的方法,其特征在于S2中智能量测开关定时采集各子表的电量,去除无效数据后保存,所述的无效数据为抄表不成功或通信异常的数据。
6.根据权利要求2所述的一种精准定位电力系统中用电异常或窃电用户的方法,其特征在于S4中,如果某个子表的用电量数据一直为0,则将该子表对应的数据剔除。
7.根据权利要求2所述的一种精准定位电力系统中用电异常或窃电用户的方法,其特征在于所述的S4中,多元线性回归模型如下:
其中:t表示时刻即采样点编号,t∈(1,N),yerror(t)表示t时刻的电量损耗,即t时刻智能量测开关的电量与所有子表用电量之和的差值,δ代表误差项,i表示子表编号,i∈(1,M’),M’表示剔除异常之后的有效子表数目,βi表示编号为i子表的异常或窃电系数,xi(t)表示编号为i子表的用电量;
将N个采样点的M’个子表采用数据代入多元线性回归模型,得出N个线性回归方程如下:
其中:xtM′βM′表示第t个采样点的第M’块子表贡献的损耗;
调用多元线性回归算法regress计算出线性回归系数β1,β2,…,βM′,作为各子表的异常或窃电系数。
8.根据权利要求2所述的一种精准定位电力系统中用电异常或窃电用户的方法,其特征在于所述的误差阈值Tve<异常阈值TVa<窃电阈值TVs。
9.根据权利要求8所述的一种精准定位电力系统中用电异常或窃电用户的方法,其特征在于所述的窃电阈值TVs为10%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210713125.3A CN115097244A (zh) | 2022-06-22 | 2022-06-22 | 一种精准定位电力系统中用电异常或窃电用户的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210713125.3A CN115097244A (zh) | 2022-06-22 | 2022-06-22 | 一种精准定位电力系统中用电异常或窃电用户的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115097244A true CN115097244A (zh) | 2022-09-23 |
Family
ID=83293049
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210713125.3A Pending CN115097244A (zh) | 2022-06-22 | 2022-06-22 | 一种精准定位电力系统中用电异常或窃电用户的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115097244A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115826909A (zh) * | 2023-02-24 | 2023-03-21 | 国网山东省电力公司枣庄供电公司 | 基于大数据分析的窃电检测系统 |
CN115952445A (zh) * | 2023-03-13 | 2023-04-11 | 广东电网有限责任公司佛山供电局 | 一种按比例窃电用户的识别方法及系统 |
WO2024078010A1 (zh) * | 2022-10-11 | 2024-04-18 | 北京智芯微电子科技有限公司 | 电能表计量失准分析方法、装置、存储介质及电子设备 |
-
2022
- 2022-06-22 CN CN202210713125.3A patent/CN115097244A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024078010A1 (zh) * | 2022-10-11 | 2024-04-18 | 北京智芯微电子科技有限公司 | 电能表计量失准分析方法、装置、存储介质及电子设备 |
CN115826909A (zh) * | 2023-02-24 | 2023-03-21 | 国网山东省电力公司枣庄供电公司 | 基于大数据分析的窃电检测系统 |
CN115952445A (zh) * | 2023-03-13 | 2023-04-11 | 广东电网有限责任公司佛山供电局 | 一种按比例窃电用户的识别方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115097244A (zh) | 一种精准定位电力系统中用电异常或窃电用户的方法 | |
CN106779505B (zh) | 一种基于大数据驱动的输电线路故障预警方法及系统 | |
US20200125970A1 (en) | Defect factor estimation device and defect factor estimation method | |
CN107589391B (zh) | 一种检测电能计量装置整体误差的方法、装置和系统 | |
CN112418687B (zh) | 基于用电特征的用户用电异常识别方法、装置和存储介质 | |
CN116775731B (zh) | 基于滑动窗口的三相电能表错接线追退电量的计算方法 | |
CN108957385B (zh) | 一种电能计量设备自动化检定线异常表位确认方法及装置 | |
CN116381324A (zh) | 一种智能电表 | |
CN113657747B (zh) | 一种企业安全生产标准化级别智能评定系统 | |
CN108305002A (zh) | 一种基于监控威布尔形状参数的早期失效率变点识别方法 | |
CN116934062B (zh) | 一种基于多元融合的信息处理系统及方法 | |
CN110738415A (zh) | 基于用电采集系统和离群点算法的窃电用户分析方法 | |
CN117318310B (zh) | 一种防爆配电柜远程无人智慧监测系统 | |
CN112182499B (zh) | 一种基于时序电量数据的低压配电网拓扑结构辨识方法 | |
CN109270568A (zh) | 一种核电厂核仪表探测器和电缆性能检测方法及系统 | |
CN112345972A (zh) | 基于停电事件的配电网线变关系异常诊断方法、装置及系统 | |
CN108680870B (zh) | 一种化成分容测试电源的可移动自动化标定系统及方法 | |
CN116679151A (zh) | 一种低压台区线损异常诊断方法、装置及存储介质 | |
CN114858250A (zh) | 一种智慧水表的故障检测方法、系统及可读存储介质 | |
CN114779154A (zh) | 一种基于时态分析的智能电表数据时标校准方法及装置 | |
CN114689916A (zh) | 一种智能电能表计量误差分析系统 | |
CN114168662A (zh) | 一种基于多数据源的配电网问题梳理分析方法及系统 | |
CN113777551A (zh) | 一种专线专变电力用户计量装置电流互感器变比核查方法 | |
CN109507488A (zh) | 电磁抗干扰性能测试系统 | |
CN117172139B (zh) | 通信用铜包铝合金电缆的性能测试方法及系统 |
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 |