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。     

适用于低压台区的线损计算与评估方法研究

线损计算与评估对加强低压台区管理意义重大。通过比较与分析,分析了几种主要的理论线损计算方法的优缺点及其对低压台区线损计算与评估的适用性。针对现有低压台区用电信息采集系统建设日益完善的现状,采用聚类分析方法,研究了一种基于用户电能数据的台区线损在线分析与评估方法,并通过实际用电数据,验证了该方法的适用性与可行性。     

配电台区在线线损分级管理和智能异常分析设计

用电信息采集系统根据配变和用户用电数据实时计算配电台区在线线损率。提出根据台区用电负荷特征分类管理,有针对性地开展降损工作;根据在线线损的优劣进行分级管理,监视各个级别的台区在线线损每日变化情况,对波动超限的台区及时报警提示;搜集台区线损异常处理案例,建立典型案例库,以案例库为依据,设计台区线损异常智能诊断工具,指导现场检查处理。通过开发台区线损分析和分级管理软件,提高配电台区线损管理工作效率,促进电力营销业务精益化管理。     

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.     

低压台区线损异常的监测与分析

介绍湖南省娄底电业局利用电力用户用电信息采集系统对配网低压台区进行线损（计量）异常监测,并有效地降低台区线损,提高效益。分析了多种产生线损异常的现象,提出利用电压电流异常监测、三相不平衡等手段判断和处理低压台区户表、总表计量异常以及线损异常。     

基于改进K-means聚类和皮尔逊相关系数户变关系异常诊断

用电信息采集系统易出现台区户变关系错误问题,传统诊断技术主要针对少用户台区出现异常用户情况,但对于多达数百用户台区,存在多相邻台区异常用户特征提取难题。本文首先通过主成分分析对GIS系统获取台区总表和用户电表电压数据实现降维,建立改进K-means聚类提取电压数据特征,提出改进皮尔逊相关系数算法分析待检测用户,据此建立基于改进K-means聚类和改进皮尔逊相关系数的户变关系异常诊断方法,实现多异常用户所属正确台区诊断。实际算例分析结果表明,本文提出算法在识别同一台区一个及多个异常用户、不同台区多个异常用户情况下均能有效实现异常用户的准确检测与分析,相比传统检测方法,实现简单且准确性更高。     

台区线损智能化管控模块的开发及应用

分析目前台区线损异常的原因及台区线损管理存在的问题。以用电信息采集系统、营销系统、PMS2.0系统为主要数据来源,设计了一个由数据库、算法模型、模块接口、人机界面构成的智能化全流程管控模型,实现台区线损异常预警、智能诊断、异常处理、反馈评价的全流程闭环管理。     

基于专家系统的台区线损异常智能诊断方法及应用

利用专家系统的推理和决策功能,设计了一套台区线损异常智能诊断系统.该智能诊断系统将台区用电原始数据载入专家系统中进行线损异常智能诊断,甄别出线损异常的台区,并分析出导致该台区线损异常的原因,并将这些线损异常信息存入台区线损异常数据库中.电力企业管理人员在系统人机交互界面上查看线损异常信息.该系统的使用提高了线损异常的诊断速度与效率,提升了电网的智能化管理水平.     

基于数据挖掘技术的台区线损 智能诊断研究及应用

本文围绕台区线损异常治理效率低、降损成效弱、异常监测难等问题,依托营销SG186系统、用电信息采集系统等海量数据,运用聚类算法和关联分析法,进行静态与动态数据的集成整合与优化,实现对台区数据信息的深度挖掘;通过搭建阶梯化线损管控模型、线损评估与智能诊析模型和线损治理配型库,开发台区线损"慧诊"助手开发应用,可实现"一台一策"台区线损管理的快速诊断决策与智能管控。     

利用用电信息采集系统管理台区线损

介绍了运用用电信息采集系统开展台区日线损管理的方法,分析影响台区日线损合格的主要因素,提出台区线损异常分析的思路和方法,结合实际案例开展现场整治,提高低压台区线损合格率,有效提升企业管理水平。     

基于数据挖掘的新型低压窃电识别方法

针对现今反窃电技术往往采用单一算法分析,导致反窃电效果差强人意的现状,文中提出一种针对低压用户窃电的识别方法.剥离台区线损当中的技术线损部分,采用K-means聚类算法对处理过的线损数据进行分析,识别出线损率异常波动或持续偏高的台区,并根据聚类结果定义时间离散度来衡量窃电疑似度.分析异常台区下的用户,通过相关性分析研究...     

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。     

基于相关性度量算法的台区线损异常判断及精准定位

针对台区发生线损异常时关联用户辨识困难的实际问题,提出一种基于相关性度量算法的台区线损异常判断及精准定位方法。首先,通过间隙统计-轮廓系数融合算法确定数据集的最佳聚类数,并在此基础上采用二分K-means++构建台区线损标准库;其次,基于标准库完成台区线损异常辨识,确定异常时间段;再次,计算异常时间段内各用户电量和线损的斯皮尔曼相关性系数(SCC)和欧式-离散弗雷歇距离(E-DFD),并基于SCC和E-DFD构造综合评判指标分析用户关联性;最后,采用TOPSIS算法对综合评判指标值进行排序,实现异常关联用户的精准定位。算例采用某台区真实现场数据进行分析,结果表明文中所提方法在聚类有效性、计算时间以及辨识准确度等方面具有较好的性能和优势。     

一种用于异常用电检测的负荷模式分析新方法

为解决异常用电检测问题,提出一种基于果蝇算法的负荷模式分析新方法。在同区域相似电力用户负荷数据和用户历史负荷数据的基础上,应用果蝇算法提取负荷模式。根据用户用电负荷与相似用户用电负荷和用户历史用电负荷匹配的不同特点,采用不同的负荷数据预处理方式以及模式匹配评价方法。根据电力用户的实际数据,查出用户的异常用电情况,验证了算法的有效性。     

基于用电信息采集系统的电能计量装置异常智能分析方法研究

用户电能计量装置运行情况的诊断分析需依赖现场校验来实现,工作繁琐且时效性差。用户用电信息采集系统建立之后,即可通过远程采集用电信息来分析用户电能计量装置运行情况,但是庞大的采集数据仅靠人工分析和筛查异常信息所花时间较长,而且人工分析中常常会有疏漏,同时一些数据分析工具难以满足要求。本文提出了规律性非连续算法和分类连续差值算法,可有效锁定电能计量装置运行异常及疑似用电异常用户。经过实践表明,该方法高效可靠,运行简单,可准确识别电能计量装置运行异常,为电能计量装置异常排查提供技术保障。     

基于多表合一的居民水电异常使用行为分析

结合Copula分布函数分析居民用户的水电用量之间的相关性,在此基础上提出基于日水、电用量距离相关系数的密度聚类水电异常使用行为分析方法,计算逐日用电量与用水量的距离相关系数来衡量其信息相关度。利用具有噪声的基于密度的聚类(DBSCAN)算法对台区用户的距离相关系数进行聚类,将水、电使用数据距离相关系数曲线与其他用户差异较大的识别为异常用户。基于实际低压台区用户水电数据的测试算例验证了所提方法的有效性。     

一种基于电能表误差和窃电分析的线损分层定位方法

针对低压台区线损治理周期长,高损点定位不准确等问题,提出了一种基于电能表误差和窃电分析的线损分层定位方法。该方法在传统线损分层定位方法的基础上,引入理论线损计算方法,构建了基于基尔霍夫定律的台区线损分层计算模型,实现线损的分层计算,确定高损范围,设计电能表误差分析模型,在高损范围内筛查出误差异常电能表,实现台区高损点定位;最后设计电能表窃电分析方法,通过挖掘与窃电行为相关的告警事件频繁项集,进一步对高损点进行验证,并确定其高损原因。该方法采用50个台区的实际数据进行验证,台区线损分层计算模型准确率为100%,电能表误差分析计算模型的准确率为88.5%,电能表窃电分析模型准确率为92%。     

基于孤立森林算法的配电网线损异常判定

线损异常分析在低压配电网的发展规划中具有重要意义。现阶段线损的异常判定多采用阈值分析法,在时效性和准确性上存在很大的局限性。随着智能电网的推广,提出了一种基于孤立森林离群点检测算法的线损异常判定方案。首先采用k-means算法将低压台区按照不同的负载工况进行聚类,而后采用孤立森林算法计算台区数据的异常分数,最后对获取的异常分数进行阈值分析,得到最终的线损异常数据。在IEEE标准配电网络上进行仿真分析,并用电网实际台区的运行数据进行验证。结果表明,所提异常判定算法具有较高的准确性。这种基于数据挖掘技术的异常分析方法在线损精细化管理中将发挥越来越大的作用。     

基于格兰杰归因分析的高损台区窃电检测

配电台区中,用户窃电将增大台区线损电量,窃电电量直接对应非技术线损,并与台区线损电量间存在因果关系。分析指出,常见窃电手法中窃电用户的窃电量多与电表计量电量呈正相关关系,这将使得线损电量与窃电用户的计量电量之间存在隐含的因果关系。以此为基础,提出基于格兰杰归因分析的高损台区窃电检测方法。通过协整检验及格兰杰检验分析用户用电量与台区线损时间序列间的长期趋势及格兰杰因果关系,将对台区线损影响突出的用户识别为窃电用户。基于实际高损台区和高损线路用户数据的测试算例和现场稽查验证了所提方法的有效性。