基于生产经营状态识别的低误报率窃电检测二次筛查方法

数据驱动的窃电检测方法主要根据电量及派生指标识别低电量异常,容易受干扰影响误报。利用工商业用户生产经营状态指标大致固定的特点,提出基于生产经营状态识别的窃电二次筛查方法。首先,将检出的低电量异常用户每天的三相功率作为负荷特征,用以标识其当天的用电行为模式及生产经营状态。然后,将每天的负荷特征进行近邻传播聚类。当低电量异常时段负荷特征与正常低电量生产经营状态聚为同类时,认为是用户状态正常转换导致的异常,可排除窃电嫌疑。基于实际窃电数据的测试表明,所提方法可降低误报率。     

基于用电信息采集大数据的防窃电方法研究

本文介绍了常见的窃电方法及其特征,研究给出了窃电相关的特征参量,建立了用电信息采集系统各种数据、各类异常事件与窃电行为之间的关联关系,设计了基于用电信息采集大数据的防窃电结构化模型,包括数据预处理、用电异常检测模型和窃电嫌疑预测模型三部分。通过现场采集的数据,证明了该结构化防窃电模型的有效性,为解决大数据条件下的窃电行为监控问题提供有效方法。     

基于用电信息采集系统的反窃电风险评估研究与应用

窃电的多样性与反窃电成本的逐步提高,给供电企业的反窃电工作带来了巨大的挑战。介绍了一种综合贝叶斯分类算法与聚类算法的分析研究方法,通过对与窃电相关的事件进行特征值赋予,并根据关联关系编制了一套窃电概率值评价体系,实现了对窃电嫌疑用户进行窃电概率评估。该方法可精准定位窃电现场,提升窃电用户查处的效率,改善社会用电环境。     

基于K-means算法和用电信息采集系统的 防窃电研究

目前窃电方式呈现隐蔽性、多样性和高科技等特点,传统的人工稽核方法无法快速解决当前窃电频发问题。文章利用用电信息采集系统远程集抄的海量数据,通过对新型典型窃电案例的分析,提出基于K-means聚类算法以及用电信息采集系统所采参数,建立多维特征因子关联模型,确定窃电嫌疑用户。基于该思路的防窃电系统,在预防和打击窃电用户上起到了一定的积极作用。     

基于不平衡电能数据的反窃电智能监测系统研究

面对电网中的窃电行为,设计一个基于不平衡电能数据的反窃电智能监测系统,完成用电负荷数据的预处理后,运用随机过采样—迭代决策树算法建立计量装置的异常监测和用户异常用电行为的智能分析数学模型,快速检测出异常用电客户,并在此基础上开发嵌入式专家分析系统,实现用户的电能数据在线监测分析,自动展示异常用电数据,定位窃电用户。     

基于模糊聚类的异常用电行为识别研究

窃电等异常用电行为的识别是用电检查的重点和难点。由于数据采集问题,以往研究大多专注于大客户窃电行为方面,对居民窃电行为的研究相对较为薄弱。针对小用户级别的窃电等窃电监测问题,提出一种基于聚类的异常用电行为识别方法。该方案首先从智能电表收集的数据中提取用电特征,然后使用模糊聚类分析数据结构,提取出正常用户的行为特征。在真实数据集上的实验结果表明了该方法的有效性。     

多功能现场用电检查终端关键技术研究

本论文提出了一种校验用户电能表、查处用户用电异常的方法。文中从多功能现场用电检查终端硬件原理、软件模型、最后到校验方法进行理论说明,并重点对用电异常模型建立、公式计算、判断流程进行详细阐述。用电异常判断模型包括事件类判断模型、电量类判断模型、负荷类模型、线损类模型,通过评判标准用公式计算每种模型所占比重,计算出用电异常嫌疑系数ELI比重值来判断用户用电状况,再通过电能表精度校验的方法,最后确定用户用电是否出现异常。整个过程包括用户信息及电能量数据采集、用户信息匹配及数据过滤、模型识别、现场精度校验。     

精准反窃电的分析与研究

正国网株洲供电公司(以下简称株洲公司)积极落实国家电网公司提质增效要求,充分利用营销大数据平台,收集10kV配电线路线损异常、电力客户用电异常数据信息,通过对典型窃电接线方式、10kV线路线损特征的研究,编制10kV专变客户窃电校验规则,创新实现专变反窃电精准定位,完善低压反窃电方式方法,逐步打造智能化、数据化、自动化的精准反窃电模式。     

基于在线监控的反窃电分级管理研究

随着电力用户用电信息采集系统的发展,使得对用户侧异常用电信息实施采集成为可能.基于对窃电相关的异常用电信息进行数据挖掘,提出以在线监控为目的的窃电用户综合评价理论,并结合台区线损管理,探讨窃电嫌疑用户在线监控和分级管理方法.     

基于大数据分析的窃电行为智能在线监测应用研究

目前窃电客户数量大、窃电方式隐蔽等现象较为普遍,反窃电工作难度大,现有查窃手段难以满足需求。基于大数据分析,本文通过客户基础数据提取、异常数据综合诊断分析、窃电模型输出,窃电工单闭环处理,通过科学准确的阀值设定,客户窃电特征分析,实现精准研判与智能在线监测。     

在线监测高压负荷监测采集器的设计与研究∗

针对用电异常一般采用大数据计算模型进行分析,而大数据计算模型分析的原始数据采集时又存在漏报、误报、处理复杂等问题,提出了一种在线监测高压负荷监测采集器.功能性测试表明,该采集器可以实现自动分析和识别一次侧负荷监测采集的数据和二次侧电表采集的数据之间的异常和窃电的数据特征,有效监测并遏制遥窃电行为,在配网改造升级工程中具有广阔的应用前景.     

基于数据挖掘技术的反窃电方法研究

针对传统方法难以有效发现和诊断窃电的问题,通过研究数据挖掘技术,提出了一种基于模糊神经网络模型的反窃电诊断方法,该方法充分发挥了模糊评价法与神经网络评价法的优点,实现对用电大数据的深度分析和作出窃电诊断。结合实例,对该方法进行了验证,实验表明该方法能快速精确诊断出窃电嫌疑目标,对反窃电工作具有重要意义。     

用电异常监控技术（6） 异常用电精确定位和在线监控系统

<正>异常用电精确定位和在线监控系统主要由智能用电监控装置（也称为低压智能量测开关、低压智能断路器、低压智能开关）、智能防窃电计量箱、能源控制器及监控分析主站等组成。本文提出了异常用电精确定位和在线监控系统设计方案，主要包括可拆卸式解决方案和固定式解决方案。基于该系统的精细线损计算方法，实现精益线损及窃电分析、故障监测分析、线路监测分析、电量采集分析、停电事件精准上报等功能，并在现场开展广泛试点应用。     

基于实值深度置信网络的用户侧窃电行为检测

用户侧窃电行为造成的非技术性损失对电网企业危害重大,不仅会影响电力系统的供电质量,还会增加电网的运营成本。为了辅助电网公司提高用电稽查效率、管理用户规范化用电,提出了基于实值深度置信网络的用户侧窃电行为检测模型。实值深度置信网络具有提取抽象特征的功能,并通过前馈神经网络微调后可实现较高分类精度。为了优化实值深度置信网络因随机初始化产生的局部最优化问题,该模型通过萤火虫算法对网络参数全局寻优。针对用户窃电行为检测,该模型利用因子分析进行数据降维,利用随机欠采样和套索算法应对数据不平衡问题,并利用ROC(receiver operatingcharacteristiccurve)曲线选取该模型的检测阈值。最后仿真实验验证了所提出模型的有效性和精确性。     

基于特征指标降维及熵权法的日负荷曲线聚类方法

日负荷曲线聚类是负荷建模背景下分析负荷特性的基础。针对现有聚类方法在聚类质量、聚类效率等方面的不足,综合运用模糊C均值及熵权法原理提出一种基于特征指标降维及熵权法的日负荷曲线聚类方法。首先提取日负荷率、日峰谷差率、日最大利用时间等7类降维特征指标替代各采样点负荷数据作为聚类输入;其次,引入熵权法自适应配置各特征指标的权重系数;最后,采用特征加权的模糊C均值聚类算法对用电日负荷曲线进行聚类。采用所提方法对某地区日负荷曲线进行聚类分析,算例结果表明该方法在运行效率、鲁棒性、聚类质量等方面具有一定的优越性,聚类结果能真实有效地反映负荷的实际用电特性。     

应用大数据技术的反窃电分析

目前窃电现象严重且窃电手段先进,但反窃电手段仍以人工稽核为主,存在工作量大、取证困难和缺乏针对性等问题。为了解决上述问题,利用供电企业积累的大量客户档案数据和历史用电数据,通过二阶聚类分析窃电用户的定性特征,用深度学习和CHAID决策树分类评估用户的窃电嫌疑概率,根据异常值分析手段为疑似窃电行为取证提供依据。实践表明,本方案缩小了窃电嫌疑用户范围,减少了防窃电的工作量,提高了稽核针对性,且为供电单位进行窃电侦查提供了依据,从而减少了供电企业财务损失,保障电网运行安全。     

基于离群点算法和用电信息采集系统的反窃电研究

为了解决以往依靠用户每月电量变化、台区线损异常确定窃电嫌疑户等传统方法时效性差、准确率低,现场排查发现窃电行为又效率不高的问题,利用当前远程集抄海量数据为传统反窃电理论研究和高效反窃电的实现尝试探索一种新方法。全面分析窃电手段及原理,绘制实施窃电手段的鱼骨图,由实际案例统计分析确定研究重点为欠压、欠流窃电法。根据高供高计和高供低计用户计量装置接线特点、电压电流值的规律以及离群点理论确定窃电判定算法,并做出基于距离的离群点检测法判定窃电的流程图。通过实例验证提出的算法和窃电户筛选流程能够完全甄别出窃电用户,为监控人员利用用电信息采集系统的海量数据精确及时地进行有效反窃电分析提供了新思路。     

基于负荷尖峰特征LSTM自编码器的窃电识别方法

近年来，面向高损线路的窃电检测方法得到大面积工程应用，对降低窃电检测误报率和推动数据驱动窃电检测的工程应用起到了重要作用。但如何准确检出非高损线路的专变窃电用户，仍是亟待解决的难题。基于实践经验中部分窃电用户存在用电量异常尖峰这一特点，提出基于负荷尖峰特征长短期记忆（LSTM）自编码器的用户窃电识别方法。首先，分析典型窃电用户曲线形态,提炼了区分正常及窃电用户的用电量尖峰特征。然后，结合该特征和用户分时数据周期性规律，构建LSTM自编码模型重构输入得到拟合值，基于拟合值与真实值的均方误差设定自适应阈值，从而识别窃电嫌疑用户并提供具体预警尖峰时段。最后，应用实际专变用户用电数据进行算例分析，结果表明所提方法在准确率、命中率和误报率上均优于对比方法。     

基于虚拟回路阻抗的低压台区异常工况分析方法

宽带载波通信技术大幅提升了用电信息采集数据的频度和广度,深入挖掘计量大数据的应用价值是当前研究的热点。首先,文中针对辐射型拓扑结构的低压配电网构建了包含两段式虚拟回路阻抗的电路模型,即用户虚拟干线阻抗与虚拟支线阻抗,并剔除三相不平衡的干扰,采用多元约束线性回归模型实现两类虚拟阻抗的精准计算。然后,进一步深入分析台区拓扑异常、用户窃电和线路异常等几种典型异常运行工况的运行机理,提出台区异常工况的分析方法,形成基于虚拟回路阻抗时序稳定性以及空间相似性的组合诊断策略,有效支撑电网公司开展设备运维和用电检查工作。最后,以中国河北省某供电所为例进行工程应用分析并开展现场核查,验证了所提方法的有效性。