CN116449284A

CN116449284A - 居民用电异常监测方法及其智能电表

Info

Publication number: CN116449284A
Application number: CN202310327361.6A
Authority: CN
Inventors: 李建炜; 党政军; 王再望; 谭忠; 武晓勇
Original assignee: Ningxia LGG Instrument Co Ltd
Current assignee: Ningxia LGG Instrument Co Ltd
Priority date: 2023-03-30
Filing date: 2023-03-30
Publication date: 2023-07-18
Anticipated expiration: 2043-03-30
Also published as: CN116449284B

Abstract

本申请公开了居民用电异常监测方法及其智能电表，属于智能电表技术领域，一种居民用电异常监测方法，包括如下步骤：步骤1：将供电企业下辖的所有居民用户划分为若干个计量小组；步骤2：周期性采集每个用户的数据；步骤3：计算每个用户的用电量与进表导体的温度的相关性系数和协方差；步骤4：收集每个用户的相关性系数和协方差；步骤5：预设第一用户风险阈值、第二用户风险阈值、第一小组风险阈值，第二小组风险阈值；步骤6：根据第一用户风险阈值、第二用户风险阈值、第一小组风险阈值以及第二小组风险阈值判断用户是否存在异常用电。本申请提供了一种准确的判断出居民异常的居民用电异常监测方法及其智能电表。

Description

居民用电异常监测方法及其智能电表

技术领域

本申请涉及智能电表技术领域，具体而言，涉及一种居民用电异常监测方法及其智能电表。

背景技术

供电企业在运行过程中，会针对用户的用电功率进行大数据分析，根据用户的历史用电量判断，用户是否存在用电异常的情况。当用户的当前用电量相比较于历史用电量出现较大异常变化时，会安排专门的巡检人员，对用户所在的智能电表进行检测，以判断智能电表是否存在异常情况。

这类检测方式在使用时，所检测到的用户用电异常情况，除开可能是智能电表的计费存在问题，例如智能电表故障、用户私自乱拉窃电线路之外，还可能和用户的居住情况存在关系，比如用户中的家庭成员变少，而导致的用电量降低。如此，仅仅采用历史用电数据作为评判用户是否存在用电异常的依据准确性不高。

综上所述：目前缺乏一种能够在结合用户用电情况下，准确的判断出居民异常的居民用电异常监测方法及其智能电表。

发明内容

本申请的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本申请的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

为了解决以上对于用户异常用电监测不准确的问题，本申请的一些实施例提供了一种居民用电异常监测方法，包括如下步骤：

步骤1：将供电企业下辖的所有居民用户划分为若干个计量小组；

步骤2：周期性采集每个用户的用电量、每个用户的智能电表的进表导体的温度数据以及每个计量小组所在区域的环境温度；

步骤3：预设监控时间段，计算每个监控时间段内每个用户的用电量与进表导体的温度和环境温度的温度差值的变化关系，获得每个用户在每个监控时间段内用电量和温度差值的变化关系的相关性系数和协方差；

步骤4：收集每个用户的相关性系数和协方差，并为每个用户分别建立用户相关性系数数据库和用户协方差数据库，利用每个计量小组中每个用户的相关性系数和协方差，建立小组相关性系数数据库和小组协方差数据库；

步骤5：预设每个用户相关性系数数据库的第一用户风险阈值、每个用户协方差数据库的第二用户风险阈值、每个小组相关性系数数据库的第一小组风险阈值，以及每个小组协方差数据库的第二小组风险阈值；

步骤6：监测每个用户在每个监控时间段内的相关性系数和协方差，根据其是否满足第一用户风险阈值、第二用户风险阈值、第一小组风险阈值以及第二小组风险阈值判断用户是否存在异常用电；并且将记作异常用电的相关性系数和协方差从用户相关性系数数据库、用户协方差数据库、小组相关性系数数据库、小组协方差数据库中剔除。

本申请将用户划分为多个计量小组，使得每个小组之间的样本数据在足够的情况下，不会存在样本数量过多的情况，避免不同地区的用户的数据进行相互对比，而导致的判断不准确的情况。检测环境温度，并且判断的是进表导体温度和环境温度的温差，能够引入了环境温度，对于导体温度的影响，避免在不同环境温度下的数据，对于检测的影响。通过引入相关性和协方差的数据，能够直观的判断出温度和用电量之间的相关性，并且是基于统计学方法所记录的数据，可以避免一两次的误差，对于整体数据所造成的不利影响。

综上所述，本申请通过检测进表导体的温度，进而能够通过判断进表导体的温度和用户的用电量之间是否存在相应的相关关系，来判断是否存在异常用电。可以预见，当智能电表存在计量故障或者用户在进表导体上连接窃电线路，以使得窃电线路绕开智能电表的用电功率检测时，就会导致进表导体的温度和智能电表检测的功率之间的相关性降低，从而使得相较于历史数据，存在比较大的异常现象，如此本申请所提供的方法，能够准确的检测到存在用电异常的用户。而当用户大量减少用电量或者增加用电时，可以通过进表导体的温度的对照作用，所以不会受到该方面的影响，进而在判断用户是否存在用电异常上，具有更高的准确性。

进一步的，进表导体为智能电表的进线端至信息采集段之间的导体。该段导体是用户在窃电线路中，最为常用的窃电线路接入位置，在该位置接入窃电线路，能够在保证从智能电表的外观上看不出比较明显变化的情况下，而直接绕开智能电表内部的信号采集段，所以达到窃电的目的；如此，采集这段导体的温度数据，能够避免用户通过私拉线路的方式，同步避开智能电表的功率检测和温度检测，进而使得用户在避开信息采集段的功率检测时，因为无法避开温度检测而被检测出用电异常。

进一步的，步骤3具体包括如下步骤：

步骤31：实时计算每个用户的进表导体的温度和环境温度的差值的温升系数，温升系数为进表导体的温度和环境温度的差值随着时间而变化所形成的曲线在采样点大于零的斜率，并将采样点斜率大于零的时间段作为监控时间段；

例如，在某个5分钟内，智能电表检测到，这段时间内进表导体的温度在上升，进而可以计算出在这段时间的5个采样点内，进表导体的温度和环境温度的差值随着时间而变化所形成的曲线在采样点的斜率会大于0，所以这5分钟被设置为监控时间段。相应的，如果是在6分钟内，进表导体的温度在上升，则监控时间段为6分钟。如此，通过步骤31所采用的采样方式，能够采集在进表导体温度上升的时间区间内的温度，对于进表导体温度平滑或者下降时的数据并不做统计。

步骤32：实时计算监控时间段内，用户的用电量与初始监控时间段内用电量的差值，已得到温升用电量。

步骤33：计算每个监控时间段内用户的温升系数与温升用电量的相关性系数和协方差。因为不同的进表导体可能因为制作工艺以及安装方式的差别，其内部的电阻并不一致，所以直接判断温差数值和用电量之间的相关性，有时候并不一定统一，不同的用户在相同的用电量下，所测量得到的温度并不相同，所以后期很难设置合理的风险阈值。而直接采用温升系数作为温度上升的斜率，其重点关注的是温度上升的速率和用电量的速率之间的关系，两者之间的相关性则更强。同时，为了用电量数据对比的不统一，而是采用温升用电量与温升系数进行对比，温升用电量本质上就是促使进表导体温度上升时，智能电表所所测量得到的用电量，避免了随着用户用电量的累积，而导致用电量的不同基数对于统计过程的不利影响。

进一步的，相关性系数计算公式为：

其中，X表示温升系数，Y表示温升用电量，x表示采样点的具体的温升系数的数值，表示在监控时间段内所有采样点上温升系数的平均值，y表示采样点的具体的温升用电量的数值，/>表示在监控时间段内所有采样点上温升用电量的平均值；

协方差的计算公式为：

Cov(X,Y)＝E[(x-E[X])(y-E[Y]]，

其中，X表示温升系数，Y表示温升用电量，x表示采样点的具体的温升系数的数值，y表示采样点的具体的温升用电量的数值；E[X]表示在监控时间段内所有采样点上温升系数的期望值，E[Y]表示在监控时间段内所有采样点温升用电量的期望值。

相关性系数和协方差是统计学中判断两个数据之间是否存在相关性的重要方式，采用这两个公式，可以将温度数据和温升用电量处理为能够用于判断的具体数值。

进一步的，步骤6包括如下步骤：

步骤61：获取每个用户在每个监控时间段内，用户的温升系数与温升用电量的相关性系数和协方差；

步骤62：判断用户在每个监控时间段内的相关性系数是否满足第一用户风险阈值和第一小组风险阈值，每存在一个不满足的风险阈值，则该用户在该监控时间段内的风险等级加1；

步骤63：判断用户在每个监控时间段内的协方差是否满足第二用户风险阈值和第二小组风险阈值，每存在一个不满足的风险阈值，则该用户在该监控时间段内的风险等级加1；

步骤64：将风险等级大于1的相关性系数和协方差分别从用户相关性系数数据库、用户协方差数据库、小组相关性系数数据库，以及小组协方差数据库中剔除。

设置多个风险等级，能够更加直观的判断出，各个用户的风险情况，用于选择适当的方式进行处理，例如，根据风险等级合理的安排工作人员进行巡检，使得优先对风险等级高的用户进行巡查。

进一步的，步骤1中，供电企业将处于同一集中器下辖的用户划分至相同的计量小组。

进一步的，供电企业根据收集到的用户的家庭住址，按照最小的行政划分单位，对居民用户进行分组。

同一个集中器下辖的用户，一般处在相同的区域内，所以用电习惯以及环境温度基本相同，可以避免农村地区用电少的用户和城市地区，用电多的用户进行数据分析，增加了整个方法处理的合理性。

作为本申请的第二个方面，为了解决如何测量进表导体温度的问题，本申请的一些实施例提供了一种智能电表，应用于前述的居民用电异常监测方法中，包括盒体、主控电路板、进表导体、取样导体、出表导体、以及温度监测器，进表导体、取样导体以及出表导体依次连接，进表导体连接至电网，出表导体连接至用户的入户线，主控电路板的信号采集线连接至取样导体，取样导体形成信号采集段，通过采集流经取样导体的电流测量用电数据，温度监测器与主控电路板信号连接，温度监测器用于监测进表导体的温度，并将进表导体的温度数据发送至主控电路板。

本申请通过采用温度检测器检测进表导体的问题，从而使得智能电表具备实时检测进表导体温度的能力；而温度检测器检测进表导体的温度，从而使得用户无法简单的避开温度检测器，因为进表导体导热性能好，所以检测进表导体中任意一个区域的温度，实际上就等于检测到了整个进表导体的温度，相比较于电流检测，是存在一个具体采样区域的检测方式，温度检测的采样区域更加模糊，所以可以避免用户在找到具体的检测区域之后，然后绕开这个检测区域。

进一步的，温度监测器为接触式温度传感器，温度监测器与进表导体相互接触。接触式的温度检测器，检测的准确度高。

进一步的，温度监测器和进表导体相互接触的部分为绝缘设置。

综上所述：本申请提供了乏一种能够在结合用户用电情况下，准确的判断出居民异常的居民用电异常监测方法及其智能电表。

附图说明

构成本申请的一部分的附图用来提供对本申请的进一步理解，使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请，并不构成对本申请的不当限定。

另外，贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

在附图中：

图1为居民用电异常监测方法的流程图。

图2为用户A～用户E的用电量随时间变化的曲线图。

图3为用户A的进表导体温度随时间变化的曲线图。

图4为智能电表内部部分结构的立体图。

图5为图4中，智能电表内部部分结构的俯视图。

附图标记：

1、盒体；2、主控电路板；21、信号采集线；3、进表导体；4、取样导体；5、出表导体；6、温度检测器；

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开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公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

下面将参考附图并结合实施例来详细说明本公开。

参照图1，

居民用电异常监测方法，包括如下步骤：

步骤1：将供电企业下辖的所有居民用户划分为若干个计量小组。

步骤1中，供电企业根据收集到的用户的家庭住址，按照最小的行政划分单位，对居民用户进行分组。

例如，可以将处于相同街道、村庄的用户划分为同一组。按照最小的行政划分单位，对居民用户进行分组，可以使得在同一个计量小组内，大部分用户的生活习惯和用电习惯基本类似，避免采用在城市中心生活的家庭用电情况和居住在农村的家庭的用电情况进行对比。

步骤1中，供电企业将处于同一集中器下辖的用户划分至相同的计量小组。

供电企业在安装集中器时，一般都是遵循就近原则，所以同一集中器下辖的用户，其基本都大致处于相同的区域，甚至处于相同的小区或者相同的楼宇内，这能够使得计量小组内的用户有着足够近的距离。所以，处于同一个计量小组内的用户，其用电习惯以及电表型号还有线路的电阻情况，基本类似。

步骤2：周期性采集每个用户的用电量、每个用户的智能电表的进表导体的温度数据以及每个计量小组所在区域的环境温度。

步骤2中：进表导体为智能电表的进线端至信息采集段之间的导体。

对于智能电表而言，一般需要连接接入电网的入网导线和通入到用户家中的入户导线，在这两根导线之间，还存在着一段导体，用于导通入户导线和入网导线，而电表在取样时，并不会在连接入户导线和入网导线的这段导体的两端进行取样，一般都是选择这段导体的中间位置进行取样，所以电表的取样段就是信息采集段，而信息采集段至入户导线之间的部分就是进表导体。

智能电表计量的用电量和用户实际用电量不符，一般可以总结为如下两种情况，第一种计量电表内置的计量模块失效，存在巨大的误差，也就是电表无法正确的采集流经信号采集段的电流数据。第二种情况，则是用户通过私拉电线的方式，在进表导体上连接窃电线路，使得进入用户家中的电流有很大一部分不经过智能电表的信号采集段。但是，上述两种情况下，经过进表导体的电流是基本一致的，所以监测进表导体的温度，具有更好的适用性。

同时，相比较于直接监测电流的方式，监测温度不容易被用户避开，对于一块导体而言，其热传导系数很高，所以在一定范围内，其温度都是均匀的，所以测量温度，实际测量整块导体的温度；但是，如果测量电流，其实就是测量某段导体上通过的电流，这种方式，很容易被不法分子所绕开。例如，不法分子可以将监测电流的两个采样点之间的位置进行改装，使得空出私拉电线的连接位置，如此经过私拉电线的电流也就不会再经过信息采集段。

本质上，就是温度监测的采集范围更大，并且并不会有比较明确的界定范围，不法分子很难通过改装的方式，改变温度监测的监测范围，但是对于电流监测的监测区间，在已知电路结构的情况下，能够通过改变监测点的方式，很简单的完成改装。

步骤2中：通过互联网发布的环境温度获得每个计量小组所在的环境温度，进而获得每个用户所在的环境温度。

因为每个计量小组都位于一个较为集中的区域内，所以可以通过互联网上发布的计量小组所在区域的环境温度，作为每个计量小组的环境温度，进而得到每个计量小组所在的用户的环境温度。例如，在互联网上可以实时查询到锦江区的环境温度，进而处于锦江区内的所有计量小组的温度，就可以通过互联网上发布的锦江区的环境温度替代。

步骤2中：在预设的时间间隔内，周期性的采集用户的用电量、进表导体的温度以及计量小组所在区域的环境温度。

在进行采样时，为了在保证数据统计精度的基础上，同时保证采集的数据数量不会太多，所以在预设的时间间隔内，周期性的采集数据。

步骤2中，预设的时间间隔为30秒～60秒。

例如，将采样间隔设置为60秒，如图2所示的数据，图2为用户A～E的用电量的数据。

步骤3：预设监控时间段，计算每个监控时间段内每个用户的用电量与进表导体的温度和环境温度的温度差值的变化关系，获得每个用户在每个监控时间段内用电量和温度差值的变化关系的相关性系数和协方差。

步骤3具体包括如下步骤：

在步骤2中，实时记录了进表导体的温度和环境温度，所以可以实时获得进表导体的温度和环境温度的差值，进而可以绘制出进表导体的温度和环境温度的差值随时间变化的曲线。从而计算进表导体的温度和环境温度的差值的温升系数。

图3中示出了A用户在某段时间内的进表导体的温度曲线，相应的可以获得A用户的进表导体在该段时间内和环境温度差值的温度曲线。

步骤31中，当温升系数大于0，则表明进表导体的温度在上升，当温升系数小于0时，则表明进表导体温度在下降；而温升系数的绝对值越大，则说明进表导体的温度变化越明显；而进表导体温度上升与用户的用电量有着明显的相关性，可以预见用电量越大，温度上升的越明显，而进表导体温度下降或者恒定在某一个值，与环境温度有着更大的关系，所以本申请只选取了进表导体温度上升的这段时间的数据作为参考值，进表导体下降时间段的或者平衡的时间段并不考虑，保证了所选取的温度数据和用电量数据在理论上，具有最大的相关性。

在步骤2中，实时记录了智能电表的用电量，所以具备了获得用户用电量随时间变化的斜率的条件，进而可以获得温升用电量。

如图2所示，示出了A用户在30分钟内，用电量的变化曲线，根据该曲线可以计算出这段时间内，采样点的斜率。

步骤32中，并不是直接计算用电量，而是计算温升用电量，能够更加直观的建立用电量与温升系数之间的关系，在本质上，用电量的大小和温升系数之间并没有直接关联，而是单位时间内用电量的多少和温升系数存在关联；例如，某个时间节点，得到的数据为用电量为8000Kw，但该时间节点和用户的进表导体之间并不会存在比较明显的关系，因为用户的用电量是一个不断累计、增加的值；但是，某个节点内，得到的温升用电量为800w，如此就能够通过大数据分析，得到进表导体相应的温度，所以步骤32中，采用的采集方式能够获得相关度更高的数据。

步骤33：计算每个监控时间段内用户的温升系数与温升用电量的相关性系数和协方差。

进一步的，相关性系数计算公式为：

其中，X表示温升系数，Y表示温升用电量，x表示采样点的具体的温升系数的数值，表示在监控时间段内所有采样点上温升系数的平均值，y表示采样点的具体的温升用电量的数值，/>表示在监控时间段内所有采样点上温升用电量的平均值。

其中，协方差的计算公式为：

Cov(X,Y)＝E[(x-E[X])(y-E[Y]]，

其中，X表示温升系数，Y表示温升用电量，x表示采样点的具体的温升系数的数值，y表示采样点的具体的温升用电量的数值，E[X]表示在监控时间段内所有采样点上温升系数的期望值，E[Y]表示在监控时间段内所有采样点温升用电量的期望值。

例如对于A用户而言，在监控时间段为1小时的时间内，会采集到60个用电量的数据和60个进表导体的温度和环境温度的差值的数据，相应的就能够得到60个温升用电量数据和60个温升系数数据，所以可以通过上述的协方差公式和相关性系数计算公式得到这60组数据的协方差和相关性系数。

步骤4：收集每个用户的相关性系数和协方差，并为每个用户分别建立用户相关性系数数据库和用户协方差数据库，利用每个计量小组中每个用户的相关性系数和协方差，建立小组相关性系数数据库和小组协方差数据库。

例如，对于某计量小组，其下辖有10个用户，对于这10个用户而言，每个用户自身都会建立一个用户相关性系数数据库和用户协方差数据库；然后，这10个用户还会建立一个公共的小组相关性系数数据库和小组协方差数据库。

步骤5：预设每个用户相关性系数数据库的第一用户风险阈值、每个用户协方差数据库的第二用户风险阈值、每个小组相关性系数数据库的第一小组风险阈值，以及每个小组协方差数据库的第二小组风险阈值。

第一用户风险阈值、第二用户风险阈值、第一小组风险阈值以及第二小组风险阈值分别为预先设置的固定值。

例如，将第一用户风险阈值设置为A₁，将第二用户风险阈值设置为A₂，将第一小组风险阈值设置为A₃,将第二小组风险阈值设置为A₃。

将低于或高于自身平均数百分之10的数值作为用户相关性系数数据库、用户协方差数据库、小组相关性系数数据库，以及小组协方差数据库的第一用户风险阈值、第二用户风险阈值、第一小组风险阈值以及第二小组风险阈值。上述的百分之10为优选值，在实际使用中，可以将其适当的放大或缩小。

例如，对于用户相关性系数数据库中第一用户风险阈值的设置方式而言，将低于用户相关性系数数据库中所有数据的平均数的百分之10作为风险阈值，如对于A用户而言，其用户相关性系数数据库中一共具有α个相关性系数，这α个相关性系数的平均数为0.7，则0.7×(1-10％)＝0.63，所以对于A用户而言，其第一用户风险阈值就是0.63。所以，对于第二用户风险阈值、第一小组风险阈值以及第二小组风险阈值，均可以采用上述方案得到。

步骤6包括如下步骤：

步骤61：计算每个用户在每个监控时间段内，用户的温升系数与温升用电量的相关性系数和协方差；

步骤62：判断用户在每个监控时间段内的相关性系数是否满足第一用户风险阈值和第一小组风险阈值，每存在一个不满足的风险阈值，则该用户在该监控时间段内的风险等级加1。

步骤63：判断用户在每个监控时间段内的协方差是否满足第二用户风险阈值和第二小组风险阈值，每存在一个不满足的风险阈值，则该用户在该监控时间段内的风险等级加1。

步骤61～64中，初始风险等级为0。

例如，对于A用户而言，其在某监控时间段内，所计算得到的协方差和相关性系数分别为a₁和a₂，这两个数据均布置在预设的第一用户风险阈值、第一小组风险阈值、第二用户风险阈值以及第二小组风险阈值内，所以在该监控时间段内，该用户的风险等级为4，A用户在该健康时间段内，所计算得到的协方差a₁和相关性系a₂属于无效数据，需要从用户相关性系数数据库、用户协方差数据库、小组相关性系数数据库，以及小组协方差数据库中剔除。

如此，通过上述的步骤供电公司，可以根据每个用户所累积的风险等级，以及相应风险等级的次数，来判断该用户是否存在电量计量异常的行为，例如对于用户A而言，其积累大量的最高风险等级的异常数据，所以在巡检时，必然是优先对A用户进行巡检，如此可以在科学安排供电公司巡查力量的情况下，能够及时的对用电存在异常的用户及时的发现。

本申请针对前述的居民用电异常监测方法，提供了一种智能电表，该智能电表能够用于检测出进表导体的温度，进而能够使得智能电表运用于上述的居民用电异常监测方法中。

智能电表包括盒体1、主控电路板2、进表导体3、取样导体4、出表导体5、以及温度监测器，进表导体3、取样导体4以及出表导体5依次连接，进表导体3连接至电网，出表导体5连接至用户的入户线，主控电路板2的信号采集线21连接至取样导体4，通过采集流经取样导体4的电流测量用电数据，温度监测器与主控电路板2信号连接，温度监测器用于监测进表导体3的温度，并将进表导体3的温度数据发送至主控电路板2。其中，温度监测器为接触式温度传感器，温度监测器与进表导体3相互接触，并且温度监测器和进表导体3相互接触的部分为绝缘设置。

其中，温度监测器和进表导体3相互接触，所以温度监测器能够直接的监测进表导体3的温度。如此，用户在进表导体3私自接入窃电线路，然后通过窃电线路偷电时，虽然窃电线路的电流不会经过取样导体4，所以这部分电流不会产生计费，但是窃电线路所经过的电流，依旧需要从进表导体3进入到窃电线路，所以进表导体3的温度上升会被窃电线路所监测到，进而通过前述的监测方法，监测到用户私自拉线的问题。并且，用户虽然可以通过摘除温度监测器的方式，避免温度监测器监测到相应的温度数据，但是摘除温度监测器之后，温度监测器将会无法监测到的数据，从而导致数据异常，所以用户在应对本申请所提供的智能电表时，是很难通过简单的改装，就能够绕开对于非法用电的监测的。对于用户而言，其能够想到的较为简单的方式，就是在距离进表导体3足够远的地方接入窃电线路，所以在该部分窃电所产生的热量不会传递到进表导体3，这虽然对于用户而言虽然在一定程度上解决了本申请所提供的智能电表对于非法用电行为的监测问题。但是，就实践而言，就需要用户将窃电线路接入至原理智能电表的位置，所以窃电线路将会不可避免的暴露在外面，如此工作人员时，将会很容易发现。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims

1.一种居民用电异常监测方法，其特征在于，包括如下步骤：

步骤6：监测每个用户在每个监控时间段内的相关性系数和协方差，根据其是否满足第一用户风险阈值、第二用户风险阈值、第一小组风险阈值以及第二小组风险阈值判断用户是否存在异常用电；并且将记作异常用电的相关性系数和协方差从用户相关性系数数据库、用户协方差数据库、小组相关性系数数据库、小组协方差数据库中剔除；同时将记做异常用电的用户信息上传至服务器。

2.根据权利要求1所述的居民用电异常监测方法，其特征在于：进表导体为智能电表的进线端至信息采集段之间的导体。

3.根据权利要求1所述的居民用电异常监测方法，其特征在于：步骤3具体包括如下步骤：

4.根据权利要求3所述的居民用电异常监测方法，其特征在于：相关性系数计算公式为：

协方差的计算公式为：

Cov(X,Y)＝E[(x-E[X])(y-E[Y]]，

5.根据权利要求3所述的居民用电异常监测方法，其特征在于：步骤6包括如下步骤：

步骤64：将风险等级大于1的相关性系数和协方差分别从用户相关性系数数据库、用户协方差数据库、小组相关性系数数据库，以及小组协方差数据库中剔除；同时将记做异常用电的用户信息上传至服务器。

6.根据权利要求1所述的居民用电异常监测方法，其特征在于：步骤1中，供电企业将处于同一集中器下辖的用户划分至相同的计量小组。

7.根据权利要求1所述的居民用电异常监测方法，其特征在于：供电企业根据收集到的用户的家庭住址，按照最小的行政划分单位，对居民用户进行分组。

8.一种智能电表，用于权利要求1～7中任一项所述的居民用电异常监测方法中，其特征在于，包括盒体、主控电路板、进表导体、取样导体、出表导体、以及温度监测器，进表导体、取样导体以及出表导体依次连接，进表导体连接至电网，出表导体连接至用户的入户线，主控电路板的信号采集线连接至取样导体，通过采集流经取样导体的电流测量用电数据，温度监测器与主控电路板信号连接，温度监测器用于监测进表导体的温度，并将进表导体的温度数据发送至主控电路板。

9.根据权利要求8所述的智能电表，其特征在于：温度监测器为接触式温度传感器，温度监测器与进表导体相互接触。

10.根据权利要求8所述的智能电表，其特征在于：温度监测器和进表导体相互接触的部分为绝缘设置。