CN116070162A - 一种反窃电监测方法及系统 - Google Patents
一种反窃电监测方法及系统 Download PDFInfo
- Publication number
- CN116070162A CN116070162A CN202310201227.1A CN202310201227A CN116070162A CN 116070162 A CN116070162 A CN 116070162A CN 202310201227 A CN202310201227 A CN 202310201227A CN 116070162 A CN116070162 A CN 116070162A
- Authority
- CN
- China
- Prior art keywords
- users
- electricity
- user
- electricity consumption
- abnormal
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000005611 electricity Effects 0.000 claims abstract description 371
- 230000002159 abnormal effect Effects 0.000 claims abstract description 217
- 230000008859 change Effects 0.000 claims description 30
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 230000002265 prevention Effects 0.000 claims description 2
- 238000012216 screening Methods 0.000 abstract description 11
- 238000011835 investigation Methods 0.000 abstract description 9
- 230000008569 process Effects 0.000 abstract description 4
- 238000012806 monitoring device Methods 0.000 description 11
- 230000006399 behavior Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
Images
Classifications
-
- 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
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明提供了一种反窃电监测方法及系统,涉及用电监控领域,通过对比真实用电数据和所有专变用户的用电数据之和,分析出多个用电异常时间段;并定位用电异常时间段内均用电的专变用户和专变用户所在的线路段,排查出疑似异常用户和异常线路段,此时对专变用户进行粗筛;然后根据疑似异常用户的地址信息和入户电路信息从所有专变用户中搜索相似的用户,记为类比用户;根据多个类比用户在同一时间段的用电数据,分析出同类用户的用电范围,这样确定的用电范围更加准确;根据疑似异常用户的用电数据和用电范围,从疑似异常用户中识别出窃电用户,得到的最终窃电用户名单更加准确,提高了整个排查进程的效率和准确率。
Description
技术领域
本发明涉及用电监控技术领域,具体而言,涉及一种反窃电监测方法及系统。
背景技术
随着全社会信息的公开化和网络化,部分用户窃电手段也随之升级,给防窃电工作带来很大困难,在社会上造成恶劣的影响,也使供电企业蒙受巨大的经济损失,近几年发现包括安装遥控器等窃电手段,具有隐蔽性、智能性等特征。
现有技术中通常采用人工排查或者自动排查的方式,对专变用户窃电行为进行监督管理,但是人工排查需要浪费大量的时间和精力,现有自动排查方式通常是结合历史用电数据进行分析,然后定位疑似窃电用户,但是这种方式定位的疑似窃电用户准确度较低,需要结合人工排查,在进行人工确认的时候,仍需花费较多的时间和精力,工作效率不高,会增加专变用户窃电行为的持续时长,增加较多的经济损失。
发明内容
本发明所要解决的问题是现有防窃电排查方式精准度较低。
为解决上述问题,一方面,本发明提供了一种反窃电监测方法包括:
获取每个专变用户的用电数据和专变终端的真实用电数据;
对比所述真实用电数据和所有所述专变用户的所述用电数据之和,分析出多个用电异常时间段;
定位多个所述用电异常时间段内均用电的所述专变用户和所述专变用户所在的线路段,记为疑似异常用户和异常线路段,其中,负荷监测设备安装于供电线路的不同位置,用于将所述供电线路划分成不同的所述线路段,相邻两个所述负荷监测设备之间构成一个所述线路段;
获取所述疑似异常用户的地址信息和入户电路信息;
根据所述疑似异常用户的所述地址信息和所述入户电路信息从所有所述专变用户中搜索相似的用户,记为类比用户;
根据多个所述类比用户在同一时间段的所述用电数据,分析出同类用户的用电范围;
根据所述疑似异常用户的所述用电数据和所述用电范围,从所述疑似异常用户中识别出疑似窃电用户。
可选地,所述对比所述真实用电数据和所有所述专变用户的所述用电数据之和,分析出多个用电异常时间段包括:
将所述专变终端对应的用电范围内的所有所述专变用户的所述用电数据相加,记为监测用电数据;
将所述监测用电数据和所述真实用电数据以曲线的形势实时展示在显示端;
判断所述监测用电数据是否处于所述真实用电数据的允许波动范围内;
当所述监测用电数据超出所述真实用电数据的所述允许波动范围时,判定超出时间段为所述用电异常时间段;
对所述监测用电数据和所述真实用电数据进行持续对比,定位出多个所述用电异常时间段。
可选地,所述定位多个所述用电异常时间段内均用电的所述专变用户和所述专变用户所在的线路段,记为疑似异常用户和异常线路段包括:
分析出在所述用电异常时间段起始点涌入电网的所述专变用户和在所述用电异常时间段终止点退出电网的所述专变用户,将该类用户标记为所述疑似异常用户;
结合多个所述用电异常时间段,分析在多个所述用电异常时间段内均处于用电中的所述专变用户,将该类用户标记为所述疑似异常用户;
根据所述疑似异常用户定位用户所处的所述线路段,记为所述异常线路段。
可选地,判断所述专变用户处于用电状态或者判断所述专变用户涌入电网的依据包括:
判断所述专变用户的所述用电数据是否超过预设耗电数据;
当所述专变用户的所述用电数据超过所述预设耗电数据时,判定所述专变用户处于所述用电状态或所述专变用户涌入电网;
当所述专变用户的所述用电数据未超过所述预设耗电数据时,判断所述专变用户的所述用电数据的变化率是否超出预设变化率;
当所述专变用户的所述用电数据的所述变化率超出所述预设变化率时,分析所述专变用户的所述用电数据是否处于增大趋势还是减小趋势;
当所述专变用户的所述用电数据是增大趋势时,判定所述专变用户涌入电网;
当所述专变用户的所述用电数据是减小趋势时,判定所述专变用户退出电网。
可选地,所述获取所述疑似异常用户的地址信息和入户电路信息包括:
获取所述疑似异常用户的所述地址信息、入户电流信息和入户电压信息;
获取每个所述专变用户的所述用电数据、所述地址信息、入户电流信息和入户电压信息。
可选地,所述根据所述疑似异常用户的所述地址信息和所述入户电路信息从所有所述专变用户中搜索相似的用户,记为类比用户包括:
根据所述疑似异常用户的所述地址信息定位所述疑似异常用户所处的居住场所;
在所述居住场所内,根据所述疑似异常用户的入户电流信息和入户电压信息搜索相似的正常的所述专变用户,得到所述类比用户。
可选地,所述根据多个所述类比用户在同一时间段的所述用电数据,分析出同类用户的用电范围包括:
统计多个所述类比用户在同一时间段的用电数据,并按照从大到小排列,得到类比序列;
根据预设剔除百分比,从所述类比序列的前后两端将部分所述用电数据剔除,得到稳定序列;
取所述稳定序列中的最大值和最小值,得到所述用电范围。
可选地,所述根据所述疑似异常用户的所述用电数据和所述用电范围,从所述疑似异常用户中识别出疑似窃电用户包括:
判断所述疑似异常用户的所述用电数据是否处于所述用电范围内;
当所述疑似异常用户的所述用电数据不处于所述用电范围内时,判定所述疑似异常用户为所述疑似窃电用户。
可选地,所述定位多个所述用电异常时间段内均用电的所述专变用户和所述专变用户所在的线路段,记为疑似异常用户和异常线路段之后,所述反窃电监测方法还包括:
当所述疑似异常用户所处的所述线路段上仅有一个所述专变用户时,将所述疑似异常用户的所述用电数据与所述线路段两端的所述负荷监测设备上传的电路运行数据对比;
当所述疑似异常用户的所述用电数据与所述电路运行数据不相等时,则判定所述疑似异常用户为所述疑似窃电用户;
当所述疑似异常用户所处的所述线路段上有多个所述专变用户,并且多个所述专变用户内仅包含一个所述疑似异常用户时,将多个所述专变用户的所述用电数据相加,得到整合用电数据;
将所述整合用电数据与所述线路段两端的所述负荷监测设备上传的所述电路运行数据对比;
当所述整合用电数据与所述电路运行数据不相等时,则判定所述疑似异常用户为所述疑似窃电用户。
另外一方面,本发明还提供了一种反窃电监测系统包括:
数据获取模块,用于获取每个专变用户的用电数据和专变终端的真实用电数据;
时间段分析模块,用于对比所述真实用电数据和所有所述专变用户的所述用电数据之和,分析出多个用电异常时间段;
异常用户定位模块,用于定位多个所述用电异常时间段内均用电的所述专变用户和所述专变用户所在的线路段,记为疑似异常用户和异常线路段,其中,负荷监测设备安装于供电线路的不同位置,用于将所述供电线路划分成不同的所述线路段,相邻两个所述负荷监测设备之间构成一个所述线路段;
所述数据获取模块,还用于获取所述疑似异常用户的地址信息和入户电路信息;
类比搜索模块,用于根据所述疑似异常用户的所述地址信息和所述入户电路信息从所有所述专变用户中搜索相似的用户,记为类比用户;
用电范围分析模块,用于根据多个所述类比用户在同一时间段的所述用电数据,分析出同类用户的用电范围;
窃电用户识别模块,用于根据所述疑似异常用户的所述用电数据和所述用电范围,从所述疑似异常用户中识别出疑似窃电用户。
与现有技术相比,本发明具有如下有益效果:
本发明提供的一种反窃电监测方法及系统,通过对比所述真实用电数据和所有所述专变用户的所述用电数据之和,分析出多个用电异常时间段;并定位所述用电异常时间段内均用电的所述专变用户和所述专变用户所在的线路段,排查出疑似异常用户和异常线路段,此时对专变用户进行粗筛,先排除大部分正常用电的专变用户,减少后续的计算量,提高筛查速度;然后根据所述疑似异常用户的所述地址信息和所述入户电路信息从所有所述专变用户中搜索相似的用户,记为类比用户;根据多个所述类比用户在同一时间段的所述用电数据,分析出同类用户的用电范围,这样确定的用电范围更加准确,能够代表同类正常专变用户的用电行为习惯,根据所述疑似异常用户的所述用电数据和所述用电范围,从所述疑似异常用户中识别出疑似窃电用户,用从同类正常专变用户的用电数据中总结出的具有代表性的用电范围,能够精确地判断疑似异常用户的用电数据是否异常,这样得到的最终疑似窃电用户名单更加准确,名单中的用户量较少,即使其中仍有一些干扰项,也仅需要少量的人工排查就可以确定,提高了整个排查进程的效率和准确率。
附图说明
图1示出了本发明实施例中反窃电监测方法的流程图;
图2示出了本发明实施例中智能负荷监测设备工作原理示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。虽然附图中显示了本发明的某些实施例,然而应当理解的是,本发明可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是,本发明的附图及实施例仅用于示例性作用,并非用于限制本发明的保护范围。
应当理解,本发明的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本发明的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”;术语“可选地”表示“可选的实施例”。其他术语的相关定义将在下文描述中给出。需要注意,本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
图1示出了本发明实施例中反窃电监测方法的流程图,所述反窃电监测方法包括:
S100:获取每个专变用户的用电数据和专变终端的真实用电数据。专变是指专用变压器供电模式,房屋售出后作为小区内部公用设施,由业主委托物业公司等中介机构管理与维护,并代收电费,因此如果专变用户发生窃电行为,产生的电费差价会由管理机构承担。所述专变终端的真实用电数据即指在专用变压器的输出端测得的数据或者每个月整个小区内的用电数据。
S200:对比所述真实用电数据和所有所述专变用户的所述用电数据之和,分析出多个用电异常时间段。所有所述专变用户的所述用电数据之和就是整个小区内所有住户的用电总量;小区内还有一些公共设施也会用电,但是这些公共设施的用电量相对固定,波动不大;真实用电数据是整个小区的用电总量,减去公共设施的用电量,即为所有住户的用电量,但是在从专用变压器到住户之间,电量也会产生损耗,因此需要考虑用电量的波动情况。所以在对比的时候,只要所有所述专变用户的所述用电数据之和在真实用电数据附近波动,可以认为是正常用电,只有所有所述专变用户的所述用电数据之和偏离真实用电数据较远时,才会认为用电异常。
S300:定位多个所述用电异常时间段内均用电的所述专变用户和所述专变用户所在的线路段,记为疑似异常用户和异常线路段,其中,负荷监测设备安装于供电线路的不同位置,用于将所述供电线路划分成不同的所述线路段,还用于监测安装位置处供电线路内的电路运行数据;相邻两个所述负荷监测设备之间构成一个所述线路段。只有当窃电用户用电的时候才会产生用电异常的情况,因此可以通过多次用电异常时间段进行统计排查,在多次用电异常时间段内均用电的用户,可能就是疑似窃电用户,可以将这些用户标记为疑似异常用户;另外在异常用电的起始点和终止点也可以排查出疑似异常用户,这样排查更有效。但是也有可能窃电用户一直处于用电状态,但是前期用电较少,使得整体用电偏离不大,无法识别,在后期用电较大时,才会反应在整体用电的变化趋势中,因此上述两种排查疑似异常用户的方法可以相互结合应用,使得排查效率更高效,此时的筛选还不够精准,排除大多数专用用户,减少后续精确筛选的计算量。
S400:获取所述疑似异常用户的地址信息和入户电路信息以及每个所述专变用户的用电数据。其中所述入户电路信息包括入户电流信息和入户电压信息等,其中入户电路信息可以由智能电表反馈获得;或者也可以在电流通过智能电表之前的电路上安装一个负荷监测设备,用于获取入户线路中的电路信息。
S500:根据所述疑似异常用户的所述地址信息和所述入户电路信息从所有所述专变用户中搜索相似的用户,记为类比用户;或者从预设的用户类型中搜索相似的用户类型,记为类比用户。在现有的用电监测方法中,一般是直接采用疑似异常用户的过往用电数据与当前监测到的用电数据进行对比,然后分析判断当前用电数据是否异常,但是如果该用户从用电初始阶段就一直实施窃电行为,其采用的过往用电数据也是异常数据,这种分析判断方法就无效,无法甄别出疑似窃电用户。因此需要采用和提取那些正常专变用户的用电数据与疑似异常用户的用电数据进行比对才有效,但是不同用户的用电数据肯定是不同的,在众多用电数据中需要确定与疑似异常用户用电行为相似的专变用户,这些专变用户即为类比用户。所谓专变用电,是供电部门只负责安装一个总电表,按总电表收取电费,小区内的供电设施由小区开发商安装,业主在小区物业公司购电,电费也由物业统一收取。由于窃电用户可能会对家用电表进行改动,因此为了防止智能电表上传的数据不真实,可以在距离用户住宅一定长度的入户线路上安装一个负荷监测设备或者电流电压监测设备,用于监测入户电路上的电流和电压,对于入户电路的监测可以选择定时监测,在用电较多的用电平峰或高峰时段进行监测,监测到的用电数据更真实有效,从负荷监测设备或者电流电压监测设备获取的入户用电数据是一些点值,统计分析这些入户电流值和入户电压值,能够找出与疑似异常用户用电习惯相似的正常的专变用户。通过监测少量的数据,定位处类比用户,然后直接运用类比用户的用电数据检验疑似异常用户的用电数据是否正常。
S600:根据多个所述类比用户在同一时间段的所述用电数据,分析出同类用户的用电范围。单一类比用户的数据不具有代表性,因此可以采用多个类比用户的用电数据,在这些用电数据中剔除偏离较远的数据,仅使用相对集中的用电数据,这些用电数据具有代表性,将这些用电数据所处的范围确定为同类用户的用电范围。
S700:根据所述疑似异常用户的所述用电数据和所述用电范围,从所述疑似异常用户中识别出疑似窃电用户。根据从正常类比用户的用电数据中得到的用电范围,衡量所述疑似异常用户的用电数据,以此精确的找出疑似窃电用户,此时确定的疑似窃电用户数量少,准确率高,不需要或者只需要少量的人工排查确认工作。
需要进一步说明的是,负荷监测设备采用智能负荷监测设备,在安装时可以对每个智能负荷监测设备进行编号,在安装完成后,智能负荷监测设备将供电线路划分成多个线路段,并且在供电线路运行的时候,智能负荷监测设备实时获取安装位置处的电路运行数据,所述电路运行数据包括安装位置处的电流信息和电压信息,利用每一线路段两端的电路运行数据可以对疑似异常用户进行筛选。如图2,智能负荷监测设备采用高速的32位嵌入式微控制器(MCU)及基于控制器的操作系统,其中ADC是模拟数字转换器,将模拟信号转成数值信号。智能负荷监测设备通过CT取能(即感应取能)电路及超级电容提供电源供设备正常工作,同时使用电池和电容器作为系统备电电源,共同构成电源模块;通过高精度采样实现线路负荷的采集,形成电流采样模块,用于获取电路中的电流信息和电压信息;内置走时精确的时钟电路,形成时钟模块;通过4G通信模块将监测结果上传至主站或监测系统;为便于现场调试,设备内置无线通信电路即图2中的RF通信(射频通信)模块。
在本实施例中,通过对比所述真实用电数据和所有所述专变用户的所述用电数据之和,分析出多个用电异常时间段;并定位所述用电异常时间段内均用电的所述专变用户和所述专变用户所在的线路段,排查出疑似异常用户和异常线路段,此时对专变用户进行粗筛,先排除大部分正常用电的专变用户,减少后续的计算量,提高筛查速度;然后根据所述疑似异常用户的所述地址信息和所述入户电路信息从所有所述专变用户中搜索相似的用户,记为类比用户;根据多个所述类比用户在同一时间段的所述用电数据,分析出同类用户的用电范围,这样确定的用电范围更加准确,能够代表同类正常专变用户的用电行为习惯,根据所述疑似异常用户的所述用电数据和所述用电范围,从所述疑似异常用户中识别出疑似窃电用户,用从同类正常专变用户的用电数据中总结出的具有代表性的用电范围,能够精确的判断疑似异常用户的用电数据是否异常,这样得到的最终疑似窃电用户名单更加准确,名单中的用户量较少,即是其中仍有一些干扰项,也仅需要少量的人工排查就可以确定,提高了整个排查进程的效率和准确率。
在本发明的一种实施例中,所述对比所述真实用电数据和所有所述专变用户的所述用电数据之和,分析出多个用电异常时间段包括:
将所述专变终端对应的用电范围内的所有所述专变用户的所述用电数据相加,记为监测用电数据。
将所述监测用电数据和所述真实用电数据以曲线的形势实时展示在显示端,便于监控者查看,也便于对历史数据的快速浏览。
判断所述监测用电数据是否处于所述真实用电数据的允许波动范围内。所述真实用电数据的允许波动范围是指在真实用电数据的基础上减去公共设施的用电数据,得到一个用电数据中值,以该用电数据中值为基础上下浮动一个百分比,上下浮动的百分比可以相同,也可以不同,浮动后得到允许波动范围。
当所述监测用电数据超出所述真实用电数据的所述允许波动范围时,判定超出时间段为所述用电异常时间段;
对所述监测用电数据和所述真实用电数据进行持续对比,定位出多个所述用电异常时间段,在该阶段得到的用电异常时间段尽可能超过三个或者更多,因为少量的用电异常时间段内用电的专用用户交叉对比量较少,不能筛除大部分的正常用户,使用的用电异常时间段越多,筛查越精准。但是为了避免窃电行为持续进行的时间过长,因此在得到一定量的用电异常时间段之后就可以,不必再通过延长定位时间,寻找更多的用电异常时间段。
在本发明的一种实施例中,所述定位多个所述用电异常时间段内均用电的所述专变用户和所述专变用户所在的线路段,记为疑似异常用户和异常线路段包括:
分析出在所述用电异常时间段起始点涌入电网的所述专变用户和在所述用电异常时间段终止点退出电网的所述专变用户,将该类用户标记为所述疑似异常用户;这时候标记的疑似异常用户为疑似窃电用户的可能性较大,可以在后续进一步筛选过程中优先筛查。
结合多个所述用电异常时间段,分析在多个所述用电异常时间段内均处于用电中的所述专变用户,将该类用户标记为所述疑似异常用户,此时筛选出的疑似异常用户数量已经很少了,因为在多个用电异常时间段内均用电的用户较少尤其是在一些非高峰用电期间的用电异常时间段,排查出的疑似异常用户为疑似窃电用户的可能性更大。
根据所述疑似异常用户定位用户所处的所述线路段,记为所述异常线路段。
在本发明的一种实施例中,判断所述专变用户处于用电状态或者判断所述专变用户涌入电网的依据包括:
判断所述专变用户的所述用电数据是否超过预设耗电数据。
当所述专变用户的所述用电数据超过所述预设耗电数据时,判定所述专变用户处于所述用电状态或所述专变用户涌入电网。因为现在很多家用电器可能处于待机或者持续用电的状态,例如冰箱和路由器等,这时候用户的用电数据会持续产生,处于用电的低谷期,在用电低谷期时,用电量较少,当用户窃电时,监测到的用电数据与真实的用电数据之间的偏差较小,反映在用电总量上不明显,没有筛选意义,因此需要将这种情况剔除,将用户处于用电低谷期的行为不视为进入电网状态;将用户产生较多用电量时的行为视为处于用电状态,因此需要设置一个基本的用电数据即为预设耗电数据,以此作为判断专变用户处于用电状态或者判断专变用户涌入电网的依据。
当所述专变用户的所述用电数据未超过所述预设耗电数据时,判断所述专变用户的所述用电数据的变化率是否超出预设变化率。由于用户存在窃电行为,当窃电行为严重时,可能用户的用电量会一直处于一个低水平,甚至会低于预设耗电数据,以此来逃避上述判断依据,因此在上述判断依据的基础上,还可以进一步的分析用电数据的变化率,因为即使用户窃电,在实际用电量产生变化的时候,这种变化趋势同样也会体现在窃电用户的用电数据中。
当所述专变用户的所述用电数据的所述变化率超出所述预设变化率时,分析所述专变用户的所述用电数据是否处于增大趋势还是减小趋势;
当所述专变用户的所述用电数据是增大趋势时,判定所述专变用户涌入电网;
当所述专变用户的所述用电数据是减小趋势时,判定所述专变用户退出电网。通过分析变化率的趋势,能够进一步判断专变用户是否涌入电网。
在本发明的一种实施例中,所述获取所述疑似异常用户的地址信息和入户电路信息以及每个所述专变用户的用电数据包括:
获取所述疑似异常用户的所述地址信息、入户电流信息和入户电压信息。所述入户电路信息包括入户电流信息和入户电压信息。
获取每个所述专变用户的用电数据、所述地址信息、入户电流信息和入户电压信息。
在本实施例中,所述根据所述疑似异常用户的所述地址信息和所述入户电路信息从所有所述专变用户中搜索相似的用户,记为类比用户包括:
根据所述疑似异常用户的所述地址信息定位所述疑似异常用户所处的居住场所;
在所述居住场所内,根据所述疑似异常用户的入户电流信息和入户电压信息搜索相似的正常的所述专变用户,得到所述类比用户。其中相似是指以疑似异常用户的入户电流信息和入户电压信息为基础数据,以基础数据为中心上下浮动指定数值,形成电流范围值和电压范围值,以这两个范围值为搜索依据,判断在相同的时间段内正常的专变用户的入户电流信息和入户电压信息是否处于这两个范围值内,查找出多个专变用户,最终得到类比用户。
通过前述分析,使用疑似窃电用户的过往数据存在误导风险,因此需要从同类用户的用电数据中分析总结出正常用户的用电范围,这样得到的用电范围才足够准确,能够作为筛选标准对疑似异常用户进行筛选。
在本发明的一种实施例中,所述根据多个所述类比用户在同一时间段的所述用电数据,分析出同类用户的用电范围包括:
统计多个所述类比用户在同一时间段的用电数据,并按照从大到小排列,得到类比序列;
根据预设剔除百分比,从所述类比序列的前后两端将部分所述用电数据剔除,得到稳定序列;设置预设剔除百分比是为了将类比序列中突变的数据删除掉,以免无效扩大用电范围的跨度。当前后端设置的预设剔除百分比不同时,预设剔除百分比可以包括前端预设剔除百分比和后端预设剔除百分比。
取所述稳定序列中的最大值和最小值,得到所述用电范围。
在本发明的一种实施例中,所述根据所述疑似异常用户的所述用电数据和所述用电范围,从所述疑似异常用户中识别出疑似窃电用户包括:
判断所述疑似异常用户的所述用电数据是否处于所述用电范围内;
当所述疑似异常用户的所述用电数据不处于所述用电范围内时,判定所述疑似异常用户为所述疑似窃电用户。因为用电范围是通过大部分同类用户的用电习惯中总结得来,因此具有代表性;在经过粗筛后,出现疑似异常用户的用电数据为突变数据的情况进一步减少,即使偶尔出现疑似异常用户的用电数据为突变数据,给后续人工排查带来的工作量也可以忽略,因此通过该方法筛选确定的疑似窃电用户准确率较高,并且大量缩减了人工排查的工作,提高工作效率。
在本发明的一种实施例中,所述定位多个所述用电异常时间段内均用电的所述专变用户和所述专变用户所在的线路段,记为疑似异常用户和异常线路段之后,所述反窃电监测方法还包括:
当所述疑似异常用户所处的所述线路段上仅有一个所述专变用户时,将所述疑似异常用户的所述用电数据与所述线路段两端的所述负荷监测设备上传的电路运行数据对比;
当所述疑似异常用户的所述用电数据与所述电路运行数据不相等时,则判定所述疑似异常用户为所述疑似窃电用户;这里所说的相等为近似相等,允许疑似异常用户的所述用电数据在电路运行数据的一定范围内浮动,处于该浮动范围内,均可认为相等,超出浮动范围,就认为疑似异常用户的所述用电数据与所述电路运行数据不相等。
当所述疑似异常用户所处的所述线路段上有多个所述专变用户,并且多个所述专变用户内仅包含一个所述疑似异常用户时,将多个所述专变用户的所述用电数据相加,得到整合用电数据;
将所述整合用电数据与所述线路段两端的所述负荷监测设备上传的所述电路运行数据对比;
当所述整合用电数据与所述电路运行数据不相等时,则判定所述疑似异常用户为所述疑似窃电用户。同样的,此处相等或不相等的判断与上述类似。
除了前述确定疑似窃电用户的方法之外,还可以利用负荷监测设备上传的电路运行数据,线路段上两端的负荷监测设备上传的电路运行数据,反映了当前时刻该点的电流数据,通过两端的电路运行数据中的电流和电压,能够计算出在该线路段上损失的用电量,该用电量即是处于该线路段上的专变用户使用的真实用电量;获取的疑似异常用户的用电数据为用户室内智能电表上传的数据,用于计量用户的用电量,当用户窃电时,影响的就是该智能电表的计量数据,使计量数据变小,大大低于真实用电量。因此将该线路段上所有用户的用电数据与电路运行数据对比,能够及时有效的分析出疑似异常用户是否为疑似窃电用户。
在一种实施例中,本发明还提供一种反窃电监测系统包括:
数据获取模块,用于获取每个专变用户的用电数据和专变终端的真实用电数据;
时间段分析模块,用于对比所述真实用电数据和所有所述专变用户的所述用电数据之和,分析出多个用电异常时间段;
异常用户定位模块,用于定位多个所述用电异常时间段内均用电的所述专变用户和所述专变用户所在的线路段,记为疑似异常用户和异常线路段,其中,负荷监测设备安装于供电线路的不同位置,用于将所述供电线路划分成不同的所述线路段,相邻两个所述负荷监测设备之间构成一个所述线路段;
所述数据获取模块,还用于获取所述疑似异常用户的地址信息和入户电路信息以及每个所述专变用户的用电数据;
类比搜索模块,用于根据所述疑似异常用户的所述地址信息和所述入户电路信息从所有所述专变用户中搜索相似的用户,记为类比用户;
用电范围分析模块,用于根据多个所述类比用户在同一时间段的所述用电数据,分析出同类用户的用电范围;
窃电用户识别模块,用于根据所述疑似异常用户的所述用电数据和所述用电范围,从所述疑似异常用户中识别出窃电用户。
本发明实施例中的反窃电监测系统与上述反窃电监测方法的技术效果相近似,在此不再进行赘述。
虽然本公开披露如上,但本公开的保护范围并非仅限于此。本领域技术人员在不脱离本公开的精神和范围的前提下,可进行各种变更与修改,这些变更与修改均将落入本发明的保护范围。
Claims (10)
1.一种反窃电监测方法,其特征在于,包括:
获取每个专变用户的用电数据和专变终端的真实用电数据;
对比所述真实用电数据和所有所述专变用户的所述用电数据之和,分析出多个用电异常时间段;
定位多个所述用电异常时间段内均用电的所述专变用户和所述专变用户所在的线路段,记为疑似异常用户和异常线路段,其中,负荷监测设备安装于供电线路的不同位置,用于将所述供电线路划分成不同的所述线路段,相邻两个所述负荷监测设备之间构成一个所述线路段;
获取所述疑似异常用户的地址信息和入户电路信息;
根据所述疑似异常用户的所述地址信息和所述入户电路信息从所有所述专变用户中搜索相似的用户,记为类比用户;
根据多个所述类比用户在同一时间段的所述用电数据,分析出同类用户的用电范围;
根据所述疑似异常用户的所述用电数据和所述用电范围,从所述疑似异常用户中识别出疑似窃电用户。
2.根据权利要求1所述的反窃电监测方法,其特征在于,所述对比所述真实用电数据和所有所述专变用户的所述用电数据之和,分析出多个用电异常时间段包括:
将所述专变终端对应的用电范围内的所有所述专变用户的所述用电数据相加,记为监测用电数据;
判断所述监测用电数据是否处于所述真实用电数据的允许波动范围内;
当所述监测用电数据超出所述真实用电数据的所述允许波动范围时,判定超出时间段为所述用电异常时间段;
对所述监测用电数据和所述真实用电数据进行持续对比,定位出多个所述用电异常时间段。
3.根据权利要求1所述的反窃电监测方法,其特征在于,所述定位多个所述用电异常时间段内均用电的所述专变用户和所述专变用户所在的线路段,记为疑似异常用户和异常线路段包括:
分析出在所述用电异常时间段起始点涌入电网的所述专变用户和在所述用电异常时间段终止点退出电网的所述专变用户,将该类用户标记为所述疑似异常用户;
结合多个所述用电异常时间段,分析在多个所述用电异常时间段内均处于用电中的所述专变用户,将该类用户标记为所述疑似异常用户;
根据所述疑似异常用户定位用户所处的所述线路段,记为所述异常线路段。
4.根据权利要求3所述的反窃电监测方法,其特征在于,判断所述专变用户处于用电状态或者判断所述专变用户涌入电网的依据包括:
判断所述专变用户的所述用电数据是否超过预设耗电数据;
当所述专变用户的所述用电数据超过所述预设耗电数据时,判定所述专变用户处于所述用电状态或所述专变用户涌入电网;
当所述专变用户的所述用电数据未超过所述预设耗电数据时,判断所述专变用户的所述用电数据的变化率是否超出预设变化率;
当所述专变用户的所述用电数据的所述变化率超出所述预设变化率时,分析所述专变用户的所述用电数据是否处于增大趋势还是减小趋势;
当所述专变用户的所述用电数据是增大趋势时,判定所述专变用户涌入电网;
当所述专变用户的所述用电数据是减小趋势时,判定所述专变用户退出电网。
5.根据权利要求1-4任一所述的反窃电监测方法,其特征在于,所述获取所述疑似异常用户的地址信息和入户电路信息包括:
获取所述疑似异常用户的地址信息、入户电流信息和入户电压信息;
获取每个所述专变用户的所述用电数据、地址信息、入户电流信息和入户电压信息。
6.根据权利要求5所述的反窃电监测方法,其特征在于,所述根据所述疑似异常用户的所述地址信息和所述入户电路信息从所有所述专变用户中搜索相似的用户,记为类比用户包括:
根据所述疑似异常用户的所述地址信息定位所述疑似异常用户所处的居住场所;
在所述居住场所内,根据所述疑似异常用户的所述入户电流信息和所述入户电压信息搜索相似的正常的所述专变用户,得到所述类比用户。
7.根据权利要求1-4任一所述的反窃电监测方法,其特征在于,所述根据多个所述类比用户在同一时间段的所述用电数据,分析出同类用户的用电范围包括:
统计多个所述类比用户在同一时间段的所述用电数据,并按照从大到小排列,得到类比序列;
根据预设剔除百分比,从所述类比序列的前后两端按序将部分所述用电数据剔除,得到稳定序列;
取所述稳定序列中的最大值和最小值,得到所述用电范围。
8.根据权利要求7所述的反窃电监测方法,其特征在于,所述根据所述疑似异常用户的所述用电数据和所述用电范围,从所述疑似异常用户中识别出疑似窃电用户包括:
判断所述疑似异常用户的所述用电数据是否处于所述用电范围内;
当所述疑似异常用户的所述用电数据不处于所述用电范围内时,判定所述疑似异常用户为所述疑似窃电用户。
9.根据权利要求1-4任一所述的反窃电监测方法,其特征在于,所述定位多个所述用电异常时间段内均用电的所述专变用户和所述专变用户所在的线路段,记为疑似异常用户和异常线路段之后,还包括:
当所述疑似异常用户所处的所述线路段上仅有一个所述专变用户时,将所述疑似异常用户的所述用电数据与所述线路段两端的所述负荷监测设备上传的电路运行数据对比;
当所述疑似异常用户的所述用电数据与所述电路运行数据不相等时,则判定所述疑似异常用户为所述疑似窃电用户;
当所述疑似异常用户所处的所述线路段上有多个所述专变用户,并且多个所述专变用户内仅包含一个所述疑似异常用户时,将多个所述专变用户的所述用电数据相加,得到整合用电数据;
将所述整合用电数据与所述线路段两端的所述负荷监测设备上传的所述电路运行数据对比;
当所述整合用电数据与所述电路运行数据不相等时,则判定所述疑似异常用户为所述疑似窃电用户。
10.一种反窃电监测系统,其特征在于,包括:
数据获取模块,用于获取每个专变用户的用电数据和专变终端的真实用电数据;
时间段分析模块,用于对比所述真实用电数据和所有所述专变用户的所述用电数据之和,分析出多个用电异常时间段;
异常用户定位模块,用于定位多个所述用电异常时间段内均用电的所述专变用户和所述专变用户所在的线路段,记为疑似异常用户和异常线路段,其中,负荷监测设备安装于供电线路的不同位置,用于将所述供电线路划分成不同的所述线路段,相邻两个所述负荷监测设备之间构成一个所述线路段;
所述数据获取模块,还用于获取所述疑似异常用户的地址信息和入户电路信息;
类比搜索模块,用于根据所述疑似异常用户的所述地址信息和所述入户电路信息从所有所述专变用户中搜索相似的用户,记为类比用户;
用电范围分析模块,用于根据多个所述类比用户在同一时间段的所述用电数据,分析出同类用户的用电范围;
窃电用户识别模块,用于根据所述疑似异常用户的所述用电数据和所述用电范围,从所述疑似异常用户中识别出疑似窃电用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310201227.1A CN116070162B (zh) | 2023-03-06 | 2023-03-06 | 一种反窃电监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310201227.1A CN116070162B (zh) | 2023-03-06 | 2023-03-06 | 一种反窃电监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116070162A true CN116070162A (zh) | 2023-05-05 |
CN116070162B CN116070162B (zh) | 2023-08-29 |
Family
ID=86171561
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310201227.1A Active CN116070162B (zh) | 2023-03-06 | 2023-03-06 | 一种反窃电监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116070162B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117572331A (zh) * | 2024-01-16 | 2024-02-20 | 山东宜美科节能服务有限责任公司 | 一种对智能电表数据实时采集的方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103187804A (zh) * | 2012-12-31 | 2013-07-03 | 萧山供电局 | 一种基于不良电量数据辨识的台区用电监测方法 |
CN106156269A (zh) * | 2016-06-01 | 2016-11-23 | 国网河北省电力公司电力科学研究院 | 一种反窃电精准定位在线监测方法 |
WO2016194814A1 (ja) * | 2015-05-29 | 2016-12-08 | 東京電力ホールディングス株式会社 | 配電系統監視システム、配電系統監視装置、配電系統監視方法、及びプログラム |
CN106645935A (zh) * | 2016-12-27 | 2017-05-10 | 国网浙江象山县供电公司 | 用电监测方法及系统 |
CN208805535U (zh) * | 2018-09-26 | 2019-04-30 | 云南电网有限责任公司电力科学研究院 | 一种动态防窃电监控系统 |
CN110047013A (zh) * | 2018-01-15 | 2019-07-23 | 国网江苏省电力公司常州供电公司 | 反专变用户间断型窃电方法 |
CN110264015A (zh) * | 2019-06-28 | 2019-09-20 | 国网河南省电力公司电力科学研究院 | 反窃电稽查监控方法及平台 |
CN111310854A (zh) * | 2020-03-10 | 2020-06-19 | 长沙理工大学 | 基于用电负荷指纹的低误报率窃电检测二次筛选方法 |
CN111563524A (zh) * | 2020-03-18 | 2020-08-21 | 宁波送变电建设有限公司永耀科技分公司 | 一种多站融合系统运行态势异常监测和告警合并方法 |
CN114152835A (zh) * | 2020-09-08 | 2022-03-08 | 韦渊 | 一种用电安全监测系统 |
CN115563880A (zh) * | 2022-10-25 | 2023-01-03 | 福建师范大学 | 一种基于Isolated forest-变点增强的企业用电异常检测方法 |
-
2023
- 2023-03-06 CN CN202310201227.1A patent/CN116070162B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103187804A (zh) * | 2012-12-31 | 2013-07-03 | 萧山供电局 | 一种基于不良电量数据辨识的台区用电监测方法 |
WO2016194814A1 (ja) * | 2015-05-29 | 2016-12-08 | 東京電力ホールディングス株式会社 | 配電系統監視システム、配電系統監視装置、配電系統監視方法、及びプログラム |
CN106156269A (zh) * | 2016-06-01 | 2016-11-23 | 国网河北省电力公司电力科学研究院 | 一种反窃电精准定位在线监测方法 |
CN106645935A (zh) * | 2016-12-27 | 2017-05-10 | 国网浙江象山县供电公司 | 用电监测方法及系统 |
CN110047013A (zh) * | 2018-01-15 | 2019-07-23 | 国网江苏省电力公司常州供电公司 | 反专变用户间断型窃电方法 |
CN208805535U (zh) * | 2018-09-26 | 2019-04-30 | 云南电网有限责任公司电力科学研究院 | 一种动态防窃电监控系统 |
CN110264015A (zh) * | 2019-06-28 | 2019-09-20 | 国网河南省电力公司电力科学研究院 | 反窃电稽查监控方法及平台 |
CN111310854A (zh) * | 2020-03-10 | 2020-06-19 | 长沙理工大学 | 基于用电负荷指纹的低误报率窃电检测二次筛选方法 |
CN111563524A (zh) * | 2020-03-18 | 2020-08-21 | 宁波送变电建设有限公司永耀科技分公司 | 一种多站融合系统运行态势异常监测和告警合并方法 |
CN114152835A (zh) * | 2020-09-08 | 2022-03-08 | 韦渊 | 一种用电安全监测系统 |
CN115563880A (zh) * | 2022-10-25 | 2023-01-03 | 福建师范大学 | 一种基于Isolated forest-变点增强的企业用电异常检测方法 |
Non-Patent Citations (2)
Title |
---|
DONG CHENXI 等: "Research on Intelligent Anti-Stealing System of Computer Big Data Electricity Information Collection System", 《2022 IEEE 5TH INTERNATIONAL CONFERENCE ON INFORMATION SYSTEMS AND COMPUTER AIDED EDUCATION (ICISCAE)》 * |
李骁 等: "基于递归小波神经网络的敏感台区反窃电监测方法", 《计算技术与自动化》, pages 156 - 160 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117572331A (zh) * | 2024-01-16 | 2024-02-20 | 山东宜美科节能服务有限责任公司 | 一种对智能电表数据实时采集的方法及系统 |
CN117572331B (zh) * | 2024-01-16 | 2024-03-26 | 山东宜美科节能服务有限责任公司 | 一种对智能电表数据实时采集的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116070162B (zh) | 2023-08-29 |
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 | |
Baranski et al. | Genetic algorithm for pattern detection in NIALM systems | |
McLaughlin et al. | Protecting consumer privacy from electric load monitoring | |
CN110806518B (zh) | 一种台区线损异动分析模块及其操作方法 | |
KR101500057B1 (ko) | 자동 검침 및 관리 시스템의 검침정보 제공 방법 | |
CN116070162B (zh) | 一种反窃电监测方法及系统 | |
CN109444800B (zh) | 基于无线通信采集的台区识别方法 | |
Batra et al. | Neighbourhood nilm: A big-data approach to household energy disaggregation | |
CN112684400B (zh) | 小电量台区的电能表运行误差数据监测方法及系统 | |
CN112465378B (zh) | 基于电力大数据挖掘的住房空置自适应研判方法及装置 | |
CN102419903A (zh) | 一种半自动抄表设备及其抄表方法 | |
CN115270974B (zh) | 基于大数据分析的智能窃电检测系统 | |
CN110047013B (zh) | 反专变用户间断型窃电方法 | |
Azizi et al. | Residential energy flexibility characterization using non-intrusive load monitoring | |
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 | |
CN110988420A (zh) | 防窃电系统和防窃电控制方法 | |
KR20090026029A (ko) | 전기의 충방전을 이용한 전기수요 관리 방법 및 전기수요관리서버 | |
CN102072976A (zh) | 辨识电器状态的方法及系统 | |
CN106651093A (zh) | 一种用于低压集抄系统的智能复核管控方法 | |
CN115664018A (zh) | 一种基于云计算的电网数据分布式管理方法及系统 | |
CN115840922B (zh) | 一种基于深度学习算法的充电异常行为分析方法 | |
CN204129463U (zh) | 医院电力智能化监控节能管理系统 | |
CN203259202U (zh) | Wi-fi水表、热量表及其远程信息管理系统 | |
CN113420728B (zh) | 融合多时间尺度信息的非侵入式空调负荷辨识方法及系统 | |
CN114740419A (zh) | 基于“三维图”分析台区电表误差的方法、装置、设备和介质 |
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 |