CN115328965A - 一种基于mk突变检验的用电异常分析方法 - Google Patents

一种基于mk突变检验的用电异常分析方法 Download PDF

Info

Publication number
CN115328965A
CN115328965A CN202210895048.8A CN202210895048A CN115328965A CN 115328965 A CN115328965 A CN 115328965A CN 202210895048 A CN202210895048 A CN 202210895048A CN 115328965 A CN115328965 A CN 115328965A
Authority
CN
China
Prior art keywords
mutation
user
users
power consumption
electricity
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
CN202210895048.8A
Other languages
English (en)
Inventor
张旭
倪琳娜
胡若云
王伟福
叶方彬
孙刚
温桂平
孟喆煜
汪一帆
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.)
State Grid Zhejiang Electric Power Co Ltd
Marketing Service Center of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
State Grid Zhejiang Electric Power Co Ltd
Marketing Service Center of State Grid Zhejiang Electric Power 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 State Grid Zhejiang Electric Power Co Ltd, Marketing Service Center of State Grid Zhejiang Electric Power Co Ltd filed Critical State Grid Zhejiang Electric Power Co Ltd
Priority to CN202210895048.8A priority Critical patent/CN115328965A/zh
Publication of CN115328965A publication Critical patent/CN115328965A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2474—Sequence data queries, e.g. querying versioned data
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • 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)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于用电异常检测技术领域，具体涉及一种基于MK突变检验的用电异常分析方法。针对现有用电异常分析方法的不足，本发明采用如下技术方案：一种基于MK突变检验的用电异常分析方法，包括：步骤S1、获取待分析用户的用电数据和所在台区线损数据；步骤S2、异常数据处理，筛除部分用户；步骤S3、分类输出单项表和三相表用电异常可疑用户；步骤S4、采用MK突变检验法得到可疑用户用电的突变日期；步骤S5、采用MK突变检验法得到台区线损的突变日期；步骤S6、根据用电的突变日期和台区线损的突变日期，输出用电异常用户名单。本发明的有益效果是：可以输出窃电用户名单，可操作性好，结果较为准确。

Description

一种基于MK突变检验的用电异常分析方法
技术领域
本发明属于用电异常检测技术领域，具体涉及一种基于MK突变检验的用电异常分析方法。
背景技术
随着经济发展，用电需求日益增长，窃电时有发生。窃电不仅损害供电企业的经济效益，更对电网安全带来严重影响。然而，窃电方式、窃电技术的多样化，给实地查处带来了巨大的挑战。
各相关单位对用电异常分析进行了大量研究，开发了多种不同的用电异常分析方法。然而，这些方法大都作为理论参考，难以实际应用。本发明旨在提供一种不同于现有的用电异常分析方法，可操作性好，检测准确。
发明内容
本发明针对现有用电异常分析方法可操作性较差或者数据处理量大或者准确度较低的不足，提供一种基于MK突变检验的用电异常分析方法，可操作性好，检测准确。
为实现上述目的，本发明采用如下技术方案：一种基于MK突变检验的用电异常分析方法，所述基于MK突变检验的用电异常分析方法包括：
步骤S1、获取待分析用户的数据，所需数据包括用电数据和台区线损数据；
步骤S2、异常数据处理，筛选用户；
步骤S3、分类输出单项表和三相表用电异常可疑用户；
步骤S4、采用MK突变检验法得到可疑用户用电的突变日期；
步骤S5、采用MK突变检验法得到台区线损的突变日期；
步骤S6、根据可疑用户用电的突变日期和台区线损的突变日期，输出用电异常用户名单。
本发明的基于MK突变检验的用电异常分析方法，结合台区线损及用户用电量变化，运用MK突变检验法，可以输出窃电用户名单，可操作性好，结果较为准确；所需数据种类较少、数据处理要求较低；先筛选用户再以一定标准输出单相表和三相表用电异常可疑用户，需要处理的数据相对较少，可以提高处理速度。其中，部分步骤的先后顺序可以根据需要相应调整。
作为改进，步骤S1中，选择非光伏用户作为待分析用户，获取非光伏用户前若干天的负荷数据、前一年用电量以及台区线损数据。光伏用户火线电流是负的，光伏用户的数据表现和窃电用户的数据表现是一样的，会影响准确率，所以剔除掉光伏用户。
作为改进，步骤S2中，对零/火线电流长期为负值的情况，判断为由单相表零线火线进出反接导致，将零/火线电流转变为电流的绝对值，对这部分用户进行后续分析。
作为改进，步骤S2中，查找同一台区下零线电流与火线电流不均衡次数占比超过μ的单相表表计，对此类表计进行同台区下同一时刻点不同表计对应负荷数据比较，若存在两个计量表，使得：(表计一的零线电流减去表计二的火线电流)的绝对值<k且(表计二的零线电流减去表计一的火线电流)的绝对值<k，满足该条件的时刻点占比值超过λ，则认为是由两个计量表零火线相互反接所致，将此类用户作为正常用户，从待分析用户清单中剔除，其中，μ、k和λ为相关阈值，可通过理论和/或实际数据得到。
作为改进，步骤S2中，提取单相表中上午a时至下午b时负荷数据，若A相电流与零线电流均为负值，且该表计下午c时至凌晨d时的A相电流与零线电流均非负，则标记此类用户，并从待分析用户清单中剔除。a与d相邻，b与c相邻。
作为改进，步骤S3中，对非光伏的单相表用户，筛选出前若干天零线电流减去火线电流＞k的记录，标记为电异常可疑用户，根据异常数占比情况，输出单相表用电异常可疑用户名单，其中，k为相关阈值。
作为改进，步骤S3中，三相表用电异常可疑用户输出过程如下：
步骤S31、计算用户用电量的平均值avg_use，设定阈值k1、k2，比较用户用电量与k1*avg_use、k2*avg_use的关系，输出用户用电量向量；
步骤S32、计算台区线损电量平均值为avg_loss，设置阈值k3、k4，比较台区线损电量与k3*avg_loss、k4*avg_loss的关系，输出台区线损向量；
步骤S33、计算用户用电量向量与台区线损向量在多维空间的夹角cos值；
步骤S34、通过空间向量夹角cos值，得到用户用电量变化与线损变化相反的记录数，当记录数大于相关阈值时，认为具有用电异常可疑，输出三相表用电异常可疑用户名单。
作为改进，步骤S4中，过程如下，包括：
步骤S41、根据可疑用户用电量时间序列数据构建秩序列，sk表示第i个时刻点大于j时刻点数值个数累计值，
Figure RE-GDA0003887771850000021
其中：
Figure RE-GDA0003887771850000022
步骤S42、计算用电量顺序时间序列的秩序列UFk，
Figure RE-GDA0003887771850000023
Figure RE-GDA0003887771850000024
其中：UF1＝0,E(sk)为sk的平均值，Var(sk)为sk的方差；
当x1，x2…xn相互独立且具有相同连续分布时，
Figure RE-GDA0003887771850000025
Figure RE-GDA0003887771850000026
步骤S43、计算用电量逆序时间序列的秩序列UBk，UBk＝-UFK，k＝n,n-1,…,1，其中，UB1＝0；
步骤S44、确定显著性水平α，绘制UBk、UFK曲线以及临界值线，UBk，UFK两条曲线的交点即为突变开始日期，若在临界值线范围内，则交叉点对应的突变点显著，结合UFK曲线变化情况，输出用户用电量下降的突变日期名单。
作为改进，步骤S5中，采用权利要求8中的方法，输出台区线损升高的突变日期名单。
作为改进，步骤S6中，对比用户用电量MK突变点与台区线损MK突变点，判断台区线损突变点时刻点与该台区下用户用电量突变点时刻点是否接近，并根据台区线损电量在该时刻点前后趋于上升趋势，用户用电量趋于下降趋势,确认该用户的窃电可疑，最终输出用电异常用户名单。
本发明的基于MK突变检验的用电异常分析方法的有益效果是：结合台区线损及用户用电量变化，运用MK突变检验法，可以输出窃电用户名单，可操作性好，结果较为准确；所需数据种类较少、数据处理要求较低；先筛选用户再以一定标准输出单相表和三相表用电异常可疑用户，需要处理的数据相对较少，可以提高处理速度。
附图说明
图1是本发明实施例一中应用本发明实施例一的基于MK突变检验的用电异常分析方法得到的某用电异常用户所在台区线损电量的UBk、UFK曲线(横坐标为时间，单位天，纵坐标为UBk、UFK值)。
图2是应用本发明实施例一的基于MK突变检验的用电异常分析方法得到的某用电异常用户用电量的UBk、UFK曲线(横坐标为时间，单位天，纵坐标为UBk、UFK值)。
图3是对该用电异常用户处理后所在台区线损电量的UBk、UFK曲线(横坐标为时间，单位天，纵坐标为UBk、UFK值)。
图4是对该用电异常用户处理后用电量的UBk、UFK曲线(横坐标为时间，单位天，纵坐标为UBk、UFK值)。
具体实施方式
下面结合本发明创造实施例的附图，对本发明创造实施例的技术方案进行解释和说明，但下述实施例仅为本发明创造的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的其他实施例，都属于本发明创造的保护范围。
参见图1和图2，本发明的一种基于MK突变检验的用电异常分析方法，所述基于MK突变检验的用电异常分析方法包括：
步骤S1、获取待分析用户的数据，所需数据包括用电数据和台区线损数据；
步骤S2、异常数据处理，筛选用户；
步骤S3、分类输出单项表和三相表用电异常可疑用户；
步骤S4、采用MK突变检验法得到可疑用户用电的突变日期；
步骤S5、采用MK突变检验法得到台区线损的突变日期；
步骤S6、根据可疑用户用电的突变日期和台区线损的突变日期，输出用电异常用户名单。
本发明的基于MK突变检验的用电异常分析方法，结合台区线损及用户用电量变化，运用MK突变检验法，可以输出窃电用户名单，可操作性好，结果较为准确；所需数据种类较少、数据处理要求较低；先筛选用户再以一定标准输出单相表和三相表用电异常可疑用户，需要处理的数据相对较少，可以提高处理速度。
实施例一
参见图1和图2，本发明实施例一的一种基于MK突变检验的用电异常分析方法，所述基于MK突变检验的用电异常分析方法包括：
步骤S1、获取待分析用户的数据，所需数据包括用电数据和台区线损数据；
步骤S2、异常数据处理，筛选用户；
步骤S3、分类输出单项表和三相表用电异常可疑用户；
步骤S4、采用MK突变检验法得到可疑用户用电的突变日期；
步骤S5、采用MK突变检验法得到台区线损的突变日期；
步骤S6、根据可疑用户用电的突变日期和台区线损的突变日期，输出用电异常用户名单。
本实施例中，步骤S1中，选择非光伏用户作为待分析用户，获取非光伏用户前若干天的负荷数据、前一年用电量以及台区线损数据。
本实施例中，步骤S2中，对零/火线电流长期为负值的情况，判断为由单相表零线火线进出反接导致，将零/火线电流转变为电流的绝对值。
本实施例中，步骤S2中，查找同一台区下零线电流与火线电流不均衡次数占比超过μ的单相表表计，对此类表计进行同台区下同一时刻点不同表计对应负荷数据比较，若存在两个计量表，使得：(表计一的零线电流减去表计二的火线电流)的绝对值<k 且(表计二的零线电流减去表计一的火线电流)的绝对值<k，满足该条件的时刻点占比值超过λ，则认为是由两个计量表零火线相互反接所致，将此类用户作为正常用户，从待分析用户清单中剔除；其中，μ、k和λ为相关阈值。
本实施例中，步骤S2中，提取单相表中上午a时至下午b时负荷数据，若A相电流与零线电流均为负值，且该表计下午c时至凌晨d时的A相电流与零线电流均非负，则标记此类用户，并从待分析用户清单中剔除。
本实施例中，步骤S3中，对非光伏的单相表用户，筛选出前若干天零线电流减去火线电流＞k的记录，标记为电异常可疑用户，根据异常数占比情况，输出单相表用电异常可疑用户名单，其中，k为相关阈值。
本实施例中，步骤S3中，三相表用电异常可疑用户输出过程如下：
步骤S31、计算用户用电量的平均值avg_use，设定阈值k1、k2，比较用户用电量与k1*avg_use、k2*avg_use的关系，输出用户用电量向量；
步骤S32、计算台区线损电量平均值为avg_loss，设置阈值k3、k4，比较台区线损电量与k3*avg_loss、k4*avg_loss的关系，输出台区线损向量；
步骤S33、计算用户用电量向量与台区线损向量在多维空间的夹角cos值；
步骤S34、通过空间向量夹角cos值，得到用户用电量变化与线损变化相反的记录数，输出三相表用电异常可疑用户名单。
本实施例中，步骤S4中，过程如下，包括：
步骤S41、根据可疑用户用电量时间序列数据构建秩序列，sk表示第i个时刻点大于j时刻点数值个数累计值，
Figure RE-GDA0003887771850000051
其中：
Figure RE-GDA0003887771850000052
步骤S42、计算用电量顺序时间序列的秩序列UFk，
Figure RE-GDA0003887771850000053
Figure RE-GDA0003887771850000054
其中：UF1＝0,E(sk)为sk的平均值，Var(sk)为sk的方差；
当x1，x2…xn相互独立且具有相同连续分布时，
Figure RE-GDA0003887771850000055
Figure RE-GDA0003887771850000056
步骤S43、计算用电量逆序时间序列的秩序列UBk，UBk＝-UFK，k＝n,n-1,…,1，其中，UB1＝0；
步骤S44、确定显著性水平α，绘制UBk、UFK曲线以及临界值线，UBk，UFK两条曲线的交点即为突变开始日期，若在临界值线范围内，则交叉点对应的突变点显著，结合UFK曲线变化情况，输出用户用电量下降的突变日期名单。
本实施例中，步骤S5中，采用权利要求8中的方法，输出台区线损升高的突变日期名单。
本实施例中，步骤S6中，对比用户用电量MK突变点与台区线损MK突变点，判断台区线损突变点时刻点与该台区下用户用电量突变点时刻点是否接近，并根据台区线损电量在该时刻点前后趋于上升趋势，用户用电量趋于下降趋势,确认该用户的窃电可疑，最终输出用电异常用户名单。
参见图1，某用户所在台区线损电量的UBk、UFK曲线以及临界值线。，通过UBk,UFK曲线交点位置确定突变点及显著性。结合UFK变化趋势，输出台区线损升高的突变日期名单。
参见图2某用户用电量的UBk、UFK曲线以及临界值线。UBk、UFK两条曲线的交点即为突变开始日期，若在临界线范围内，则交叉点对应的突变点显著。结合UFK曲线变化情况，输出用户用电量下降的突变日期名单。
从图1和图2可以看出，台区线损突变点时刻点与该台区下用户用电量突变点时刻点相近，并且台区线损电量在该时刻点前后趋于上升趋势，用户用电量趋于下降趋势。因此，确认该用户具有可疑，将该用户列入异常用户名单，进行后续处理。
参见图3和图4，对该用电异常用户进行处理后，台区线损突变点时刻点与该台区下用户用电量突变点时刻点相近，并且台区线损电量在该时刻点前后趋于下降趋势，用户用电量趋于上升趋势。因此，确认该用户已无异常。
本发明实施例一的基于MK突变检验的用电异常分析方法的有益效果是：结合台区线损及用户用电量变化，运用MK突变检验法，可以输出窃电用户名单，可操作性好，结果较为准确；所需数据种类较少、数据处理要求较低；先筛选用户再以一定标准输出单相表和三相表用电异常可疑用户，需要处理的数据相对较少，可以提高处理速度。
以上所述，仅为本发明创造的具体实施方式，但本发明创造的保护范围并不局限于此，熟悉该本领域的技术人员应该明白本发明创造包括但不限于上面具体实施方式中描述的内容。任何不偏离本发明创造的功能和结构原理的修改都将包括在权利要求书的范围中。

Claims (10)

1.一种基于MK突变检验的用电异常分析方法，其特征在于：所述基于MK突变检验的用电异常分析方法包括：
步骤S1、获取待分析用户的数据，所需数据包括用电数据和台区线损数据；
步骤S2、异常数据处理，筛选用户；
步骤S3、分类输出单项表和三相表用电异常可疑用户；
步骤S4、采用MK突变检验法得到可疑用户用电的突变日期；
步骤S5、采用MK突变检验法得到台区线损的突变日期；
步骤S6、根据可疑用户用电的突变日期和台区线损的突变日期，输出用电异常用户名单。
2.根据权利要求1所述的一种基于MK突变检验的用电异常分析方法，其特征在于：步骤S1中，选择非光伏用户作为待分析用户，获取非光伏用户前若干天的负荷数据、前一年用电量以及台区线损数据。
3.根据权利要求1所述的一种基于MK突变检验的用电异常分析方法，其特征在于：步骤S2中，对零/火线电流长期为负值的情况，判断为由单相表零线火线进出反接导致，将零/火线电流转变为电流的绝对值，对这部分用户进行后续分析。
4.根据权利要求1所述的一种基于MK突变检验的用电异常分析方法，其特征在于：步骤S2中，查找同一台区下零线电流与火线电流不均衡次数占比超过μ的单相表表计，对此类表计进行同台区下同一时刻点不同表计对应负荷数据比较，若存在两个计量表，使得：(表计一的零线电流减去表计二的火线电流)的绝对值<k且(表计二的零线电流减去表计一的火线电流)的绝对值<k，满足该条件的时刻点占比值超过λ，则认为是由两个计量表零火线相互反接所致，将此类用户作为正常用户，从待分析用户清单中剔除，其中，μ、k和λ为相关阈值。
5.根据权利要求1所述的一种基于MK突变检验的用电异常分析方法，其特征在于：步骤S2中，提取单相表中上午a时至下午b时负荷数据，若A相电流与零线电流均为负值，且该表计下午c时至凌晨d时的A相电流与零线电流均非负，则标记此类用户，并从待分析用户清单中剔除。
6.根据权利要求1所述的一种基于MK突变检验的用电异常分析方法，其特征在于：步骤S3中，对非光伏的单相表用户，筛选出前若干天零线电流减去火线电流＞k的记录，标记为电异常可疑用户，根据异常数占比情况，输出单相表用电异常可疑用户名单，其中，k为相关阈值。
7.根据权利要求1所述的一种基于MK突变检验的用电异常分析方法，其特征在于：步骤S3中，三相表用电异常可疑用户输出过程如下：
步骤S31、计算用户用电量的平均值avg_use，设定阈值k1、k2，比较用户用电量与k1*avg_use、k2*avg_use的关系，输出用户用电量向量；
步骤S32、计算台区线损电量平均值为avg_loss，设置阈值k3、k4，比较台区线损电量与k3*avg_loss、k4*avg_loss的关系，输出台区线损向量；
步骤S33、计算用户用电量向量与台区线损向量在多维空间的夹角cos值；
步骤S34、通过空间向量夹角cos值，得到用户用电量变化与线损变化相反的记录数，输出三相表用电异常可疑用户名单。
8.根据权利要求1所述的一种基于MK突变检验的用电异常分析方法，其特征在于：步骤S4包括：
步骤S41、根据可疑用户用电量时间序列数据构建秩序列，sk表示第i个时刻点大于j时刻点数值个数累计值，
Figure RE-FDA0003887771840000021
其中：
Figure RE-FDA0003887771840000022
步骤S42、计算用电量顺序时间序列的秩序列UFk，
Figure RE-FDA0003887771840000023
其中：UF1＝0,E(sk)为sk的平均值，Var(sl)为sk的方差；
当x1，x2…xn相互独立且具有相同连续分布时，
Figure RE-FDA0003887771840000024
步骤S43、计算用电量逆序时间序列的秩序列UBk，UBl＝-UFK，k＝n,n-1,…,1，其中，UB1＝0；
步骤S44、确定显著性水平α，绘制UBk、UFK曲线以及临界值线，UBk，UFK两条曲线的交点即为突变开始日期，若在临界值线范围内，则交叉点对应的突变点显著，结合UFK曲线变化情况，输出用户用电量下降的突变日期名单。
9.根据权利要求8所述的一种基于MK突变检验的用电异常分析方法，其特征在于：步骤S5中，采用权利要求8中的方法，输出台区线损升高的突变日期名单。
10.根据权利要求9所述的一种基于MK突变检验的用电异常分析方法，其特征在于：步骤S6中，对比用户用电量MK突变点与台区线损MK突变点，判断台区线损突变点时刻点与该台区下用户用电量突变点时刻点是否接近，并根据台区线损电量在该时刻点前后趋于上升趋势，用户用电量趋于下降趋势,确认该用户的窃电可疑，最终输出用电异常用户名单。
CN202210895048.8A 2022-07-28 2022-07-28 一种基于mk突变检验的用电异常分析方法 Pending CN115328965A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210895048.8A CN115328965A (zh) 2022-07-28 2022-07-28 一种基于mk突变检验的用电异常分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210895048.8A CN115328965A (zh) 2022-07-28 2022-07-28 一种基于mk突变检验的用电异常分析方法

Publications (1)

Publication Number Publication Date
CN115328965A true CN115328965A (zh) 2022-11-11

Family

ID=83920285

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210895048.8A Pending CN115328965A (zh) 2022-07-28 2022-07-28 一种基于mk突变检验的用电异常分析方法

Country Status (1)

Country Link
CN (1) CN115328965A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118036905A (zh) * 2024-04-12 2024-05-14 国网山西省电力公司临汾供电公司 一种异常用电用户检测方法、装置、存储介质及电子设备

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118036905A (zh) * 2024-04-12 2024-05-14 国网山西省电力公司临汾供电公司 一种异常用电用户检测方法、装置、存储介质及电子设备

Similar Documents

Publication Publication Date Title
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
Huang et al. Non-technical loss detection using state estimation and analysis of variance
Therrien et al. Assessment of measurement-based phase identification methods
CN115018139A (zh) 基于相间特征的电流互感器误差状态在线辨识方法及系统
CN109101986A (zh) 基于栈式降噪自编码器的输变电设备状态异常检测方法和系统
CN113094884A (zh) 基于三层递进式分析模型的配电网用户窃电行为诊断方法
CN110749784B (zh) 一种基于电力数据小波分析的线路窃电检测方法
CN111651721A (zh) 一种基于时空关联矩阵的反窃电预警方法
Devadasu et al. A novel multiple fault identification with fast fourier transform analysis
CN111275295A (zh) 一种基于反距离权重插值的分布式光伏故障诊断方法
CN110750760B (zh) 一种基于态势感知和控制图的异常理论线损检测方法
Ma et al. Robust conservation voltage reduction evaluation using soft constrained gradient analysis
CN113985341A (zh) 一种三相三线电能计量装置错接线快速判别方法及系统
CN108062616B (zh) 一种具有约束条件的用电异常检测系统
CN115328965A (zh) 一种基于mk突变检验的用电异常分析方法
CN116827263A (zh) 光伏电池故障检测方法、装置、计算机设备和介质
Shalalfeh et al. Modeling of PMU data using ARFIMA models
CN116679151A (zh) 一种低压台区线损异常诊断方法、装置及存储介质
CN113128024B (zh) 一种基于大数据分析的低压窃电客户及窃电手段确定方法
CN114839462A (zh) 一种智能反窃电监察方法和系统
CN114355004A (zh) 一种基于编码相关性的中压反窃电分析方法
CN112305489A (zh) 一种电压异常波动的检测方法、装置、设备及存储介质
CN113888360A (zh) 一种窃电用户识别方法、装置、设备及存储介质
Li Abnormal energy consumption analysis based on big data mining technology
CN112925827A (zh) 一种基于电力采集物联数据的用户性质异常分析方法

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