基于局部离群点检测的低压台区用户窃电识别

针对低压台区反窃电工作效率低、成本高的问题,提出了一种基于局部离群点检测的低压台区用户窃电识别方法。首先,基于线损特征搜寻与待检测台区最相似的k个最近邻台区;接着,基于k个最近邻台区的线损率分析待检测台区某段时间线损率是否异常,若线损率异常计算该台区所有用户该段时间负荷曲线之间的离散Fréchet距离;最后,基于离散Fréchet距离计算台区每个用户负荷曲线的局部离群点因子,同时采用邻域查询优化技术提高计算效率,局部离群点因子越大的用户窃电嫌疑越大。该方法输出待检测台区所有用户窃电嫌疑度排序,只需要检测排序靠前的用户即可检测出大部分窃电用户,大大提高了反窃电工作效率。     

基于负荷分类的台区线损测算方法

以低压供电台区线路损耗的计算为目的,对传统低压线损计算方法的误差及可行性进行了分析,在此基础上,提出了通过分类负荷曲线叠加确定电流方差,进而利用考核期内运行参数(实抄电量)确定线损指标的新方法,该方法针对低压供电台区用户的负荷特点,将其分为3种类型,实测3类用户的典型负荷曲线,利用3类用户的典型负荷曲线和售电量,合成低压配变出口待测月的负荷曲线,最后得到持续电流负荷曲线,进而计算电流方差。这样提高了等效功率法中电流方差的计算精度,使得该方法计算的台区线损比传统方法精度要高,基本满足台区线损指标要求。文中利用一台区的电量数据对所提方法进行了测试,并与传统方法的计算结果进行了比较,算例表明所提方法可行,具有较强的工程实用价值。     

基于大数据平台的电网线损与窃电预警分析关键技术

提出了一种基于营配调贯通的海量数据分析技术,采用电力大数据平台关键技术构建电网线损与窃电预警分析系统,实现线损的一体化计算、分析与展示。在线损计算结果的基础上,综合利用电网企业现有海量数据,通过采用Hadoop离线分布式计算、Spark内存计算等大数据技术对线损率异常线路或台区进行深度挖掘,识别出可能存在的窃电行为,为供电企业反窃电稽查提供窃电预警和数据支持服务,进一步提升供电企业的经营效益。本系统的构建为大数据技术在电力行业的应用进行了验证和实践。     

基于边缘计算的低压用户窃电检测

低压用户窃电导致线损电量增加,对台区线损异动进行归因分析是识别窃电用户的有效途径。低压用户通信异常多发,可导致用电信息采集系统主站数据失真,易误导窃电检测。利用配变终端可就地完整准确采集台区数据的特点,提出基于边缘计算的低压用户窃电检测方法。首先,在通信正常和异常的条件下,分析台区窃电用户用电量与线损电量的关联关系;然后,在配变终端窃电检测模块中对真实的台区线损和用户用电量进行归因分析来识别窃电用户;最后,基于高损台区实际数据的仿真分析,验证了所提方法相比于在主站侧采用异常数据以及采用不同缺失数据填补算法修复后的数据进行窃电检测时的优势。     

典型台区通信组网方式的应用

<正>近年来,各地供电公司根据各自的应用需求,陆续开展了智能电网用电信息采集系统试点的建设,在负荷预测分析、电费结算、需求侧管理、线损统计分析、反窃电分析及供电质量管理等业务中取得了一定的效果。然而,要打造适合各层面、各专业共享的用电信息一体化采集平台,满足线损的统计与计算、电力用户用电负荷曲线分析和异常用电情况查询,实现对电力用户的远程通断电控制和预付费管理等高级管理需求,供电公司就必须升级智     

供电区域线损分段监测防窃电技术研究

针对电网中大量存在的窃电行为,无法做到逐一排查,研究了一种供电区域线损分段监测方法。通过采用本方法,对一个供电线路区域内的电力用户的用电行为规范性进行监控,一旦发现该区域内的某个范围或者某条供电支路的电力用户存在窃电或者非正常用电行为时,即可通过线路损耗的变化来作出判断,并可立即通知供电部门,对该区域或者该用户进行用电稽查,查处窃电行为或者非正常用电行为,减少窃电或者非正常用电行为给供电网络带来的危害,保证供电安全。     

基于非参数核密度估计和改进谱多流形聚类的负荷曲线分类研究

针对高维负荷曲线的聚类问题,提出一种基于改进谱多流形聚类的负荷曲线聚类方法,该方法包括典型日负荷曲线提取、负荷曲线聚类和聚类效果评价3个步骤。首先提取用户负荷特性指标,结合非参数核密度估计方法计算提取用户典型日负荷曲线。在改进谱多流形聚类算法中,引入时间翘曲距离度量曲线相似性,并用高斯核函数计算局部相似性,基于此构建相似性矩阵并聚类。聚类后采用多种聚类有效性指标,从聚类效果、算法稳定性和运算时间3个角度对聚类结果和算法性能进行评价。采用某地区若干用户的负荷数据作为算例样本进行聚类分析,验证了所提出的典型日负荷曲线提取方法和改进谱多流形聚类算法的合理性和优越性。     

用户专线线损计算方法的改进

1 用户专线线损计算存在的问题 在电力系统中,计算线损的方法有很多,有均方根电流法、最大负荷损耗时间法、等效功率法等.但对于电力用户专线线损的计算,目前却五花八门,标准不一. 目前在用户专线线损计算中,主要存在以下问题:(1)线损计算方法不一.有些采用公式法,有些采用估算法,有些甚至直接确定一个线损值,而这个值往往与实...     

窃电的侦查方法及技术防治措施

电是国民经济的重要能源,电又是商品。然而在庞大的电力市场中,电力安全和用电安全已成为电力系统重要的课题。尤其是用户的窃电问题变得越来越突出。严重的窃电行为不但造成国有资产大量流失、使配电线损长期居高不下。而且还扰乱了正常的供电秩序,使电网的安全运行受到严重威胁。如何加强对窃电的防范和治理,降低供电线损,提高供电企业经济效益,就要针对各种窃电行为进行深入研究和分析,同时应采取相应的对策。     

市县级一体化配电网线损管理系统的设计与实现

配电网线损管理是供电企业管理的一项重要内容,文章以市县级供电企业为研究平台,设计并实现了市县级一体化配电网线损管理系统,系统实现了可视化线损技术,提出了通过电力系统潮流计算来对低压配电网用户理论线损进行计算的方案,建立基于贝叶斯网络的违章窃电诊断识别模型,结果表明该系统具有实用性强、可靠性高、操作简便、人机界面友好等优点。     

基于重加权策略平衡损失与LSTM的窃电行为检测研究

窃电行为是导致电能损失与电力企业经济效益降低的重要原因。针对窃电问题,提出了一种基于有效数量加权策略的损失函数,改善数据集分布不均衡导致训练模型泛化性能下降的问题;基于该策略,设计了基于长短期神经网络的时间序列分类模型,用于用户日用电量的窃电行为检测任务;采用用户日用电量真实数据进行实验测试,结果表明基于有效数量的加权策略可一定程度解决数据集不平衡导致的模型泛化性下降问题。与现有方法相比,所提方法在精确度上有所提高,对窃电行为检测具有有效性与可行性。     

基于SDAE和双模型联合训练的低压用户窃电检测方法

用户窃电行为是电网企业运营管理的痛点,基于数据驱动的低压用户窃电检测是当前的重要发展方向.由于窃电数据集具有自身高维度且样本不平衡的特点,对窃电检测模型的拟合能力和泛化能力要求极高.为此,文章利用堆栈降噪自编码器对低压用户日用电量数据进行特征提取,通过挖掘数据的深层特征减少窃电产生的极端数据对检测模型的影响;进而提出逻辑回归与深度神经网络联合训练模型进行低压用户窃电检测,将逻辑回归模型的记忆能力与深度神经网络模型的泛化能力相结合,进一步提升窃电检测的精度.通过实际电网数据的实验仿真,从AUC值、准确率和召回值三个评价指标验证了所提出方法相对于传统机器学习算法具有明显的性能优势.     

基于深度混合注意力网络的窃电检测

窃电检测旨在识别和检测非法或未经授权的电力使用行为。在智能电网技术高速发展的背景下,如何实现准确的窃电行为检测,是学术界和工业界广泛关注的一个重要问题。针对已有方法依赖人工特征设计以及低层特征提取能力不足的问题,提出了一种基于深度混合注意力网络的窃电检测方法,将通道注意力和自相关注意力机制相结合,在不同层次和空间范围内捕捉数据中的时间依赖性和周期性等复杂特征。所提模型在低层使用通道注意力网络来增强低层特征的表达能力,在中间层使用自相关注意力来捕捉全局上下文信息,并利用自监督方法来学习注意力参数,从而提取出更具表达力和判别力的特征表示。在中国国家电网数据集上进行实验所获得的结果表明,所提出的方法在AUC以及F1等性能指标上取得了更好的效果。     

基于剪枝策略和密度峰值聚类的行业典型负荷曲线辨识

辨识不同行业的典型负荷曲线对于配售电公司的运行调度、售电决策和风险管理均有重要意义.鉴于此,提出了一种基于剪枝策略和密度峰值聚类的行业典型负荷曲线辨识方法.首先,提出了衡量负荷曲线位移变化后相似性程度的快速动态时间扭曲(FDTW)距离指标,进而提出了一种搜索FDTW距离的剪枝策略,以实现对负荷曲线间形态差异的精准高效量...     

基于SE-CNN模型的窃电检测方法研究

针对传统电网现有窃电检测仅用单一电量且实际数据集下检测准确度低的问题,提出一种基于通道注意力网络改进卷积神经网络模型的窃电行为检测方法。首先建立一种包含用电量趋势、线损增长率、终端告警多源数据融合的窃电评价指标体系,以此构建用户用电特征集。然后,基于通道注意力挤压激励网络(squeeze and excitation networks, SENet)优化卷积神经网络(convolutional neural network, CNN)模型,据此构建自适应通道注意力网络改进卷积神经网络模型的窃电检测方法。最后,利用南方电网数据集对提出方法的有效性与准确性进行验证。实测结果表明,所提方法能有效实现实际电网情况下各类窃电行为准确检测,建立的评价指标体系可更明显表征窃电行为规律。构建的窃电检测模型可自适应对特征通道重要程度调整,提升通道利用率。相比现有检测方法,其具有更高准确度和更优泛化性能。     

基于时空关联矩阵的配电台区反窃电预警方法

针对配电台区窃电用户难发现、窃电量预估不准确的问题,提出了一种基于时空关联矩阵的配电台区反窃电预警方法。首先,构建配电台区数据清洗方法,采用线性插值算法对低压户表采集的缺失数据进行补正,以消除配电台区量测数据缺失对模型的影响。其次,构建配电台区窃电分析算法,通过台区线损波动率、线损与电流差异曲线的变点时间进行关联分析,从而判断台区是否存在窃电行为。再次,构建窃电用户的时空关联分析模型,通过变点、离群点和关联检测分析窃电嫌疑用户的时空分布特征,并计及用户窃电时间和用电容量等特性,提供预估窃电量。最后,通过实例验证了所提方法的有效性和实用性。     

改进分段线性表示与动态时间弯曲相结合的负荷曲线聚类方法

聚类分析是负荷特性分类与综合的基本方法。针对现有聚类方法应用于基于电网大数据平台的在线负荷建模中在聚类质量、鲁棒性等方面表现的不足,提出一种改进分段线性表示(IPLR)的日负荷曲线降维方法。利用IPLR对数据组进行自适应降维重构的优点,与动态时间弯曲(DTW)距离适用于不等维时间序列间相似度衡量的特点相结合,构造出IPLR与DTW距离相结合的日负荷曲线聚类方法。首先,根据负荷曲线相邻及间隔采样点变化量,提取负荷曲线的特征点,对曲线进行自适应降维重构;然后,以DTW距离作为曲线相似度衡量指标,运用基于Canopy的K均值(CK-means)算法对降维数据组展开聚类分析。将所提出的方法应用于中国某省区电网典型用户日负荷曲线的分类与综合,结果表明所提降维方法与相似度衡量方法相契合,具有良好的综合性能,适用于变电站综合负荷行业构成比例解析。     

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。     

理想区间法在电能质量综合评估中的应用

对电能质量进行归一量化并进行综合评估是衡量电能质量优劣与电价制定的依据之一,也是电力市场的要求。文中首先将电能质量的暂态指标量化并将其考虑到综合评估指标中,然后将基于相似理论的智能评估方法引入电能质量综合评估中,提出了新的基于粒子群算法的理想区间法来综合评估电能质量。实践证明,此方法能够在同一电能质量等级内更加精确地评价电能质量的优劣,从而给出更加全面、准确的评估结果。     

电力系统元件模型仿真准确度评估

结合规范系数法与距离法提出了一种定量判断元件模型仿真准确度的方法。该方法在评估2条曲线的相似性时既考虑了2条曲线间的距离,同时也考虑了曲线变化趋势的相似程度。城西变电站的实测数据与仿真结果表明,该方法在评估元件模型的准确度时能有效克服只考虑仿真结果与实测曲线的数值相似度,而没有考虑仿真结果与实测曲线的变化趋势相似度问题。该方法使评估仿真元件模型的准确度更加合理、全面。