CN115270974B - 基于大数据分析的智能窃电检测系统 - Google Patents
基于大数据分析的智能窃电检测系统 Download PDFInfo
- Publication number
- CN115270974B CN115270974B CN202210920632.4A CN202210920632A CN115270974B CN 115270974 B CN115270974 B CN 115270974B CN 202210920632 A CN202210920632 A CN 202210920632A CN 115270974 B CN115270974 B CN 115270974B
- Authority
- CN
- China
- Prior art keywords
- electricity
- period
- electric energy
- user
- detection period
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 111
- 238000001514 detection method Methods 0.000 title claims abstract description 79
- 238000007405 data analysis Methods 0.000 title claims abstract description 20
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 description 18
- 238000000034 method Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
- G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
- G01R22/061—Details of electronic electricity meters
- G01R22/066—Arrangements for avoiding or indicating fraudulent use
-
- 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—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
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Pure & Applied Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Water Supply & Treatment (AREA)
- Algebra (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明电力系统技术领域,尤其涉及电能表管理领域,具体为基于大数据分析的智能窃电检测系统,包括采集电能表的计量数据的采集系统、存储计量数据的存储系统和分析判断出现窃电功能的电能表的数据分析系统。在检测到有窃电行为时,启动该系统并判定出具体的出现窃电的电能表。本发明可以快速检测到窃电行为,并确定窃电的电能表,进而避免公司利益的损失。同时减少了外出逐一检测窃电电表的工作量,提高了检测效率降低了员工的劳动强度。
Description
技术领域
本发明电力系统技术领域,尤其涉及电能表管理领域,具体为基于大数据分析的智能窃电检测系统。
背景技术
随着社会经济的不断的发展,用电用户的数量不断增大,用电的消耗也在不断的增大。在过去,一个供电台区就有几块电能表,如果检测到有窃电的行为,则可以派人到现场勘测,确定那个电能表出现窃电,虽然检测麻烦但是由于数量较少还是可以识别出窃电的问题。然而在现在,一个供电台区有成千上百的电能表,如一个由10栋楼组成的小区,一栋30层的高楼就有大约250户需要安装电能表,因此如果出现窃电的现象,逐一进行排查非常的不便,不仅耗费大量的时间还会耗费大量的电能。因此设计一种基于对电能表数据进行分析确定窃电电能表的基于大数据分析的智能窃电检测系统成为一种迫切的要求。
发明内容
本发明要解决的技术问题是:提供一种快捷、高效、节省人力和时间的基于大数据分析的智能窃电检测系统。
本发明要解决的技术问题的技术方案是:基于大数据分析的智能窃电检测系统,包括采集电能表的计量数据的采集系统、存储计量数据的存储系统和分析判断出现窃电功能的电能表的数据分析系统。具体的:
步骤1、选定供电台区并设定判断时段Tp,读取所述供电台区的出线总表在判断时段Tp内的台区总功耗Wz;读取所述供电台区所有的用户电能表在判断时段Tp内的用户功耗Wyn并计算出用户总计值其中n为所述供电台区内用户电能表的总数;
步骤2、计算窃电异常值Wq=Wz-Wyz,并与窃电预警阈值Wqy比较:
当Wq>Wqy时,执行步骤3;
当Wq≤Wqy时,间隔一个免检周期Tm之后,执行步骤1;
步骤3、设定检测时段Tj,在检测时段Tj读取所述供电台区所有的用户电能表在检测时段Tj内的用户功耗Wyn,选出用户功耗Wyn=0的用户电能表并去除;
步骤5、计算窃电嫌疑值Wqj=Wz-Wyyz,并与窃电预警阈值Wqx比较:
当Wqj>Wqx时,将用电的用户电能表标记为嫌疑表Bx,将未用电的用户电能表标记为正常值Bz;
当Wqj≤Wqx时,将未用电的用户电能表标记为嫌疑表Bx,将用电的用户电能表标记为正常值Bz;
在检测时段Tj读取嫌疑表Bx的用户电能表在检测时段Tj内的用户功耗Wyn,选出用户功耗Wyn=0的用户电能表并标记之后执行步骤5;
当嫌疑表Bx的数量为1时确定所述嫌疑表Bx为窃电嫌疑表,并到嫌疑表的现场去检测。
更好的,所述判断时段Tp为1天、1周或1月。
更好的,所述检测时段Tj为30秒、1分钟或者5分钟。
更好的,所述免检周期Tm为1天或者1周。
更好的,所述步骤4中当n-m=1或者n-m=2时执行步骤5,当n-m>2时进入下一个检测时段并执行步骤4。
更好的,设定供电台区的窃电预警阈值序列Wqx(t,s)其中t为检测时段Tj,s为用电的用户电能表的数量;
所述窃电预警阈值序列Wqx(t,s)对应设置j个存储空间,每个存储空间存储一个实际的损耗预警阈值Wshj;
当需要进行比对时根据检测时段Tj和该时段用电的用户个数在窃电预警阈值序列Wqx(t,s)中查找所述检测时段Tj和该时段用电的用户个数对应的存储空间,并对存储空间的数据进行平均值计算得到窃电预警阈值其中μ为预警系数且μ>1。
更好的,所述步骤5中:
当Wjx≤Wqx时,将Wjx的数据存储到检测时段Tj和该时段用电的用户个数对应的j个存储空间内存入时间最早的一个存储空间内。
更好的,所述判断时段Tp的终止点为当天的日期,起始点为前推判断时段Tp天数的日期。
更好的,所述步骤3中:
检测时段Tj通过提取判断时段Tp内的历史数据进行计算;
在检测时段Tj计算完成之后,再次设定起始点并读取新的检测时段Tj的历史数据并计算直到找出窃电电能表。
更好的,所述步骤3中:
检测时段Tj在发现窃电后,通过累积当前的实时数据进行计算,且检测时段Tj的起始点设定为11:30至13:30的时间点或者是17:00至20:00的时间点。
本发明的有益效果为:
1、可以通过数据的分析确定窃电的电能表。
2、减少了外出逐一检测窃电电表的工作量,提高了检测效率降低了员工的劳动强度。
3、可以快速检测到窃电行为,并确定窃电的电能表,进而避免公司利益的损失。
附图说明
图1是本发明一种实施例的系统组成示意图。
图2是查表系统的一种示意图。
图3是本发明一种实施例的控制方法的流程图。
图中:
300、数据分析系统;200、存储系统;100、采集系统;
具体实施方式
为使本发明的技术方案和有益效果更加清楚,下面对本发明的实施方式做进一步的详细解释。
基于大数据分析的智能窃电检测系统,该系统基于国家电网的调度服务系统中的硬件设施和服务器的系统。该系统包括采集系统100、存储系统200和数据分析系统300。其中采集系统100包括位于服务器端的通信前置机、设置于供电台区的通信管理机和具有通信功能的电能表。通信前置机用于与通信管理机通信,多采用网络通信,可以通过网线或者光缆或者是无线信号实现通信,其中无线信号可以采用4G信号、5G信号或者是NB-IoT通信。通信前置机将所有的通信管理机的数据收集并通过服务器存储到存储系统中。通信管理机主要用以实现电能表数据的采集、汇总和转发。如图2中所示,TX即为通信管理机,负责采集所在供电台区的电能表的数据,所在台区的电能表包括B1、B2一直到Bn。由于电能表多采用485通信、232通信、can总线通信等,因此需要通信管理机进行数据的收集和转发,将所有的电能表的数据汇总并以网络信号的形式发送到通信前置机。目前,电能表一般具有多种通信方式。
数据分析系统300主要用于读取存储系统200中存储的电能表的计量数据并分析判断出现窃电功能的电能表。即在检测到具有窃电的现象时,启动窃电电表筛查功能。或者,逐一对各个台区进行检测,在发现台区具有窃电现象时启动窃电电能表的筛查功能。具体的包括以下步骤:
步骤1、在供电的过程中,线路损耗是无法避免的。如果线路损耗过大则说明存在线路故障或者存在窃电的行为。
对于大的供电系统,如110kV变电站的供电系统,给35kV变电站供电,此时如果损耗过大则说明线路可能存在故障。
对于一个供电台区,10kV到0.4kV变压后给用户供电,此时对台区进行线路损耗的计算,如果损耗过大则说明可能存在线路老化的问题,也可能存在窃电的现象。此时就需要进行排查。可通过如下方法确定是否存在窃电的现象。
选定供电台区并设定判断时段Tp。判断时段Tp用以确定累积的数据的时段,判断时段Tp设定的越长可以得到较准确的检测结果,判断时段Tp设定的越短则时效越好,就可以在较短的时间内确定窃电的现象。常用的,可以将所述判断时段Tp设定为1天、1周或1月。
进一步的,为了得到较高的时效性和准确性,可以进行两侧检测,首先将判断时段Tp设定为一天进行检测,如果有窃电的嫌疑则将判断时段Tp设定为1周进行检测,如果没有则排除嫌疑,如果有则进行窃电电能表的排查。
其中判断时段Tp的终止点为当天的日期,起始点为前推判断时段Tp天数的日期。如当日为1月7日,则判断时段的起始日期为1月1日,终止日期为1月7日。
步骤2、在获取电能表的数据之后,进行计算,具体为:
计算窃电异常值Wq=Wz-Wyz,并与窃电预警阈值Wqy比较。
当Wq>Wqy时,此时说明线路损耗过大,可能具有窃电的现象,因此执行步骤3,以排查是否有窃电的现象。
当Wq≤Wqy时,说明线路损耗在正常的范围内,此时不需要进行窃电的排查,可以间隔一个免检周期Tm之后,执行步骤1。其中所述免检周期Tm为1天或者1周。设定免检周期主要用以减少数据的计算量,减低对服务器的需求。
除了进行上述对比之外,还可以对平均值进行比较。其中窃电异常值Wq为损耗值,也可以计算出日平均值,即平均窃电异常值Wqp=Wq/Tp;并将得到的平均窃电异常值Wqp与平均窃电预警阈值Wqpy比较。
同理,当Wqp>Wqpy时,执行步骤3;当Wqp≤Wqpy时,间隔一个免检周期Tm之后,执行步骤1。
为了提高防窃电的时效性免检周期也可以设置为0。
或者,在检测到该供电台区没有窃电现象时,可以对下一台区进行检测。以达到对各供电台区逐一检测的效果。
步骤3、再对窃电电能表进行排查时,首先设定检测时段Tj。所述检测时段Tj为30秒、1分钟或者5分钟。设定较短的时间主要用以配合电能表的数据。用户只能在短时间内出现不用电的情况,所以采用较短的时段。
在检测时段Tj读取所述供电台区所有的用户电能表在检测时段Tj内的用户功耗Wyn,选出用户功耗Wyn=0的用户电能表并去除。没有用电的用户不参与计算。
在该步骤中,当n-m=1或者n-m=2时执行步骤5,当n-m>2时进入下一个检测时段并执行步骤4。在实际的运行过程中,可能出现单个不用电的用户,同一时段也可能存在多个不用电的用户,当时概率较小,因此选用上述的具有一个或者两个不用电的用户时进行计算。采用这种方式还具有提高检测的效率的效果。此由于只有一个或者两个此时便可以准确的排除,进而减少计算的次数,达到较高的排查效率。
步骤5、计算窃电嫌疑值Wqj=Wz-Wyyz,并与窃电预警阈值Wqx比较:
当Wqj>Wqx时,将用电的用户电能表标记为嫌疑表Bx,将未用电的用户电能表标记为正常值Bz;
当Wqj≤Wqx时,将未用电的用户电能表标记为嫌疑表Bx,将用电的用户电能表标记为正常值Bz;
在检测时段Tj读取嫌疑表Bx的用户电能表在检测时段Tj内的用户功耗Wyn,选出用户功耗Wyn=0的用户电能表并标记之后执行步骤5;
当嫌疑表Bx的数量为1时确定所述嫌疑表Bx为窃电嫌疑表,并到嫌疑表的现场去检测。
窃电预警阈值Wqy可以人工设定,即根据经验以及测试的数据进行人工设定。也可以通过对数据的分析自动设定,具体的:
设定供电台区的窃电预警阈值序列Wqx(t,s)其中t为检测时段Tj,s为用电的用户电能表的数量。即每一种检测时段Tj、每一种用电的用户数量的组合都对应一个窃电预警值,即窃电预警阈值序列Wqx(t,s)中的两个参数组成一个两个参数的数据表。
所述窃电预警阈值序列Wqx(t,s)对应设置j个存储空间,每个存储空间存储一个实际的损耗预警阈值Wshj。
当需要进行比对时根据检测时段Tj和该时段用电的用户个数在窃电预警阈值序列Wqx(t,s)中查找所述检测时段Tj和该时段用电的用户个数对应的存储空间,并对存储空间的数据进行平均值计算得到窃电预警阈值其中μ为预警系数且μ>1。
而在每次检测的过程中,将检测的数据可以覆盖j个存储空间中时间标签较早的一个存储空间中。即在步骤5中,当Wjx≤Wqx时,将Wjx的数据存储到检测时段Tj和该时段用电的用户个数对应的j个存储空间内存入时间最早的一个存储空间内。
上述计算中,尤其是从步骤3开始,可以在历史数据中读取数据进行分析判断,也可以获取实时数据进行分析判断。
当采用历史数据时,所述步骤3中:
检测时段Tj通过提取判断时段Tp内的历史数据进行计算;
在检测时段Tj计算完成之后,再次设定起始点并读取新的检测时段Tj的历史数据并计算直到找出窃电电能表。
当采用实时数据时,所述步骤3中:
检测时段Tj在发现窃电后,通过累积当前的实时数据进行计算,且检测时段Tj的起始点设定为11:30至13:30的时间点或者是17:00至20:00的时间点。
具体的,在检测到存在窃电现象时,启动短时数据读取功能,即没10秒或者20秒读取一次电能表的数据,并存储和分析,检测是否有数据符合步骤3中的要求。
目前具有实时上传数据的电能表,即采集间隔较短的系统,但是数据量较大,因此对于电能表采集间隔较长。因此,采用实时数据较为便捷,检测到窃电现象时,启动短间隔数据采集,在确定窃电嫌疑表后停止短间隔采集。此时,不仅可以在平时减少大量数据量的上传,也能够在及时的排查出窃电的电能表。
综上所述,仅为本发明的较佳实施例而已,并非用来限定本发明的范围,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本发明的技术性范围并不局限于说明书上的内容,凡依本发明的要求范围所述的形状、构造、特征及精神所谓的均等变化与修饰,均应包括与本发明的权利要求范围内。
Claims (7)
1.基于大数据分析的智能窃电检测系统,其特征在于:
包括:
采集系统(100),采集电能表的计量数据;
存储系统(200),存储采集系统采集的电能表的计量数据;
数据分析系统(300),读取存储系统中存储的电能表的计量数据并分析判断出现窃电功能的电能表,具体的:
步骤1、选定供电台区并设定判断时段Tp,读取所述供电台区的出线总表在判断时段Tp内的台区总功耗Wpz;读取所述供电台区所有的用户电能表在判断时段Tp内的用户功耗Wpyn并计算出用户总计值Wyz=,其中n为所述供电台区内用户电能表的总数;所述判断时段Tp为1天、1周或1月;
步骤2、计算窃电异常值Wq=Wpz-Wyz,并与窃电预警阈值Wqy比较:
当Wq>Wqy时,执行步骤3;
当Wq≤Wqy时,间隔一个免检周期Tm之后,执行步骤1;
步骤3、设定检测时段Tj,在检测时段Tj读取所述供电台区所有的用户电能表在检测时段Tj内的用户功耗Wyn,选出用户功耗Wyn=0的用户电能表并去除;所述检测时段Tj为30秒、1分钟或者5分钟;
步骤4、读取检测时段Tj内所有用电的用户电能表的用户功耗Wyym并计算出用电用户总计值Wyyz=,其中m为检测时段Tj内用电的用户个数且n-m≥1;同时读取检测时段Tj内台区总功耗Wz;所述步骤4中当n-m=1或者n-m=2时执行步骤5,当n-m>2时进入下一个检测时段并执行步骤4;
步骤5、计算窃电嫌疑值Wqj=Wz-Wyyz,并与窃电预警阈值Wqx比较:
当Wqj>Wqx时,将用电的用户电能表标记为嫌疑表Bx,将未用电的用户电能表标记为正常值Bz;
当Wqj≤Wqx时,将未用电的用户电能表标记为嫌疑表Bx,将用电的用户电能表标记为正常值Bz;
在检测时段Tj读取嫌疑表Bx的用户电能表在检测时段Tj内的用户功耗Wyn,选出用户功耗Wyn=0的用户电能表并标记,之后执行步骤5;
当嫌疑表Bx的数量为1时确定所述嫌疑表Bx为窃电嫌疑表,并到嫌疑表的现场去检测。
2.根据权利要求1所述的基于大数据分析的智能窃电检测系统,其特征在于:
所述免检周期Tm为1天或者1周。
4.根据权利要求3所述的基于大数据分析的智能窃电检测系统,其特征在于:
所述步骤5中:
当Wqj≤Wqx时,将Wqj的数据存储到检测时段Tj和该时段用电的用户个数对应的j个存储空间内存入时间最早的一个存储空间内。
5.根据权利要求1所述的基于大数据分析的智能窃电检测系统,其特征在于:
所述判断时段Tp的终止点为当天的日期,起始点为前推判断时段Tp天数的日期。
6.根据权利要求5所述的基于大数据分析的智能窃电检测系统,其特征在于:
所述步骤3中:
检测时段Tj通过提取判断时段Tp内的历史数据进行计算;
在检测时段Tj计算完成之后,再次设定起始点并读取新的检测时段Tj的历史数据并计算直到找出窃电电能表。
7.根据权利要求5所述的基于大数据分析的智能窃电检测系统,其特征在于:
所述步骤3中:
检测时段Tj在发现窃电后,通过累积当前的实时数据进行计算,且检测时段Tj的起始点设定为11:30至13:30的时间点或者是17:00至20:00的时间点。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310892201.6A CN116933157A (zh) | 2022-08-02 | 2022-08-02 | 一种窃电检测方法 |
CN202210920632.4A CN115270974B (zh) | 2022-08-02 | 2022-08-02 | 基于大数据分析的智能窃电检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210920632.4A CN115270974B (zh) | 2022-08-02 | 2022-08-02 | 基于大数据分析的智能窃电检测系统 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310892201.6A Division CN116933157A (zh) | 2022-08-02 | 2022-08-02 | 一种窃电检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115270974A CN115270974A (zh) | 2022-11-01 |
CN115270974B true CN115270974B (zh) | 2023-06-30 |
Family
ID=83746297
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310892201.6A Pending CN116933157A (zh) | 2022-08-02 | 2022-08-02 | 一种窃电检测方法 |
CN202210920632.4A Active CN115270974B (zh) | 2022-08-02 | 2022-08-02 | 基于大数据分析的智能窃电检测系统 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310892201.6A Pending CN116933157A (zh) | 2022-08-02 | 2022-08-02 | 一种窃电检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN116933157A (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115826909B (zh) * | 2023-02-24 | 2023-05-12 | 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 |
CN116933986B (zh) * | 2023-09-19 | 2024-01-23 | 国网湖北省电力有限公司信息通信公司 | 一种基于深度学习的电力数据安全管理系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104504508B (zh) * | 2014-12-15 | 2018-02-23 | 国网安徽省电力公司铜陵供电公司 | 基于层次分析与小波回归的台区闭环数据分析方法 |
GB2561916B (en) * | 2017-04-28 | 2021-09-22 | Gb Gas Holdings Ltd | Method and system for detecting anomalies in energy consumption |
CN108664990B (zh) * | 2018-03-29 | 2020-09-18 | 清华大学 | 综合熵方法和密度聚类方法的窃电检测方法及装置 |
CN111062590A (zh) * | 2019-12-02 | 2020-04-24 | 深圳供电局有限公司 | 用电异常行为检测方法、装置、计算机设备和存储介质 |
CN113452145B (zh) * | 2021-08-30 | 2022-01-25 | 广东电网有限责任公司中山供电局 | 一种低压台区用户的用电情况监测方法及系统 |
-
2022
- 2022-08-02 CN CN202310892201.6A patent/CN116933157A/zh active Pending
- 2022-08-02 CN CN202210920632.4A patent/CN115270974B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN116933157A (zh) | 2023-10-24 |
CN115270974A (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115270974B (zh) | 基于大数据分析的智能窃电检测系统 | |
CN105629136B (zh) | 电缆绝缘状态在线自动监测与诊断系统 | |
CN109345409B (zh) | 一种基于宽带载波的居民用户综合能效管理方法 | |
CN109633321B (zh) | 一种台区户变关系区分系统、方法及台区高损监测方法 | |
CN111160791A (zh) | 一种基于gbdt算法及因素融合的异常用户识别方法 | |
CN110806518A (zh) | 一种台区线损异动分析模块及其操作方法 | |
CN109298227B (zh) | 一种检测用户电量异常的方法 | |
CN110047013B (zh) | 反专变用户间断型窃电方法 | |
CN110555619A (zh) | 一种基于智能配电网的供电能力评估方法 | |
CN116522746A (zh) | 高耗能企业配电托管方法 | |
CN115860983A (zh) | 一种基于物联网的智慧城市燃气安全监测运行管理方法及系统 | |
CN116823226A (zh) | 一种基于大数据的电力台区故障监测系统 | |
CN114839462A (zh) | 一种智能反窃电监察方法和系统 | |
CN102761429B (zh) | 一种异常话单处理方法与系统 | |
CN111091223A (zh) | 一种基于物联网智能感知技术的配变短期负荷预测方法 | |
CN118280069A (zh) | 一种基于gis的电网灾害监测及预警系统 | |
CN105652157B (zh) | 基于行波电气量的配电网健康状态分析方法 | |
CN116799949A (zh) | 一种低压台区电力监测的方法及装置 | |
CN115912359B (zh) | 基于大数据的数字化安全隐患识别排查治理方法 | |
CN112557745A (zh) | 一种线损监测的功率叠加对比系统及方法 | |
CN112364755A (zh) | 一种基于大数据的智慧电表用电监测管理系统 | |
CN109946640B (zh) | 基于计量自动化系统数据的专变终端失压失流判断方法 | |
CN117147958A (zh) | 一种基于实时用电监测的窃电判别方法及装置 | |
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 | |
CN114498923A (zh) | 一种基于低压台区分段线损的反窃电方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |