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。     

基于数据挖掘的计量装置在线监测与智能诊断系统的设计与实现

为加强对现场计量装置、采集设备和配电网运行监测的实时性,提高对用户用电行为异常分析的准确性,研制了一套计量装置在线监测和智能诊断系统,其利用数据挖掘工具,实现了对计量装置和采集设备的运行状态评估,并对用户违约用电窃电和计量装置故障进行了智能诊断。该系统采用SOA技术架构,由异常指标专家库、实时监测与智能诊断和WEB应用三部分组成,并已在安徽省电力公司试运行,对保障电网安全稳定运行、反窃电和降低计量偏差造成的舆情发挥重要作用。     

基于计量自动化系统的专变用户窃电识别方法

<正>近年来,随着用电需求日益增大,少数不法分子为节省用电开支采取各种手段实施窃电,甚至存在专业窃电人员帮助用户窃电谋利现象,导致电网线损率逐年攀升。窃电行为严重干扰了正常的供用电秩序,不仅影响了供电企业的运营经济效益,同时用户的私自接线也给电网的安全运行带来了严重隐患。随着南方电网公司智能电表和低压集抄系统2个"全覆盖"的实现,计量自动化系统积累了用户海量量测数据,为用户窃电分析提供了数据基础。本文通过对窃电原理与常用窃电手段的分析,提出了专变用户窃电识别措施,并对所提措施进行应用验证分析。     

数据赋能低压配用电系统精益化运行的关键技术与算法

随着人工智能和大数据技术的发展,合理高效地分析电力数据可以赋能电网业务以提升其工作成效。同时,智能采集装置提供了海量计量数据,为数据赋能低压配用电系统精益化运行打下了坚实基础。为更好地总结低压配用电系统精益化运行的研究成果和启迪思路,根据现有业务将低压配用电系统精益化运行主要分为计量采集设备质量评估与计量数据异常监测、用户相位关系识别与三相不平衡治理、低压台区户变关系和拓扑关系识别、用户异常用电和窃电行为检测、客户侧用电服务评价5个方面,分别介绍了数据赋能低压配用电系统精益化运行中的关键技术及算法,并给出了目前研究的不足和未来的展望。     

数据驱动窃电检测方法综述与低误报率研究展望

配电系统窃电是造成电网非技术损失的主要原因,是供电企业运营管理中长期面对的痼疾。用电信息采集系统采集的海量用户数据使得开展数据驱动的用电异常检测、准确识别窃电用户成为可能。受用户用电行为多样性影响,数据驱动的窃电检测方法的误报率在某些场景下尚难以满足实践需求,严重制约了该类方法的工程应用。首先,介绍了窃电实现手法;然后,梳理了在实践中得到工程应用的窃电检测方法以及数据驱动窃电检测方法的基本思路和局限性;在此基础上,结合工程应用对窃电检测评价指标的差异性需求,分析指出提取的可用信息不足、特征指标项灵敏性和可靠性不高是阻碍数据驱动窃电检测方法走向工程实用的主要原因。最后,从算法设计、状态空间细分以及特征指标项设计选择等不同层面对低误报率窃电检测进行了展望。     

数据挖掘技术及其在电力系统中的应用

电力大数据下的数据挖掘技术应用贯穿于发、输、变、配、用各个环节,介绍了分类分析、关联分析、聚类分析和异常检测等智能算法在输电系统雷电预测、设备运行状态分析、配电系统运行故障预警及风险预测、用户用电行为特性聚类、电力市场行为分析、电力市场中负荷及电价预测等的应用。数据挖掘技术可显著提升电网运行效益,是未来智能电网发展的核心技术之一。     

基于用户信息采集的智能反窃电监控技术

目前的窃电形势十分严峻,随着先进技术的发展,窃电的手段也层出不穷,传统的反窃电方法由于缺乏信息化、智能化手段,防窃电效果甚微。窃电行为不仅扰乱正常的供电秩序,甚至会危及到电网安全。因此本文介绍基于用户信息采集的智能反窃电监控技术,通过对智能电表进行用户信息采集,对原始数据进行大数据分析,对用电异常持续监控统计,将分析统计出的异常结果发送至工作人员进行检查。本技术通过用户信息采集实现反窃电工作的智能化、信息化,可以有效维护供用电秩序,保障供用电双方的基本利益。     

基于营销大数据的用电异常事件统计及窃电特征分析

随着信息网络技术的发展,基于电力信息化系统的数据分析开展线损管理和用电稽查工作,成为当前很多供电公司的主要技术手段。文章通过对营销业务应用平台用户信息、用电信息采集系统数据及防窃电采集信息等营销大数据的深度挖掘和分析,开展了用电异常事件的分类统计和过程描述。通过用电异常事件顺序关联性及时间关联性的分析,设计了用户窃电特征分析判据,为查处窃电提供技术指导。该方法突破了当前防窃电技术的局限性,对于提高识别窃电的准确性、有效性和针对性,具有较高的工程应用价值。     

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。     

综合反窃电远程在线监测系统的设计与实现

针对当前电力公司面临的线损控制和反窃电要求,开发了综合反窃电远程在线监测系统。设计了基于窃电原理的专用变压器用电远程稽查装置,用于检测用户的窃电行为,并通过GPRS与监测主站通信。采用基于密度的离群点挖掘算法,从大范围用户中筛选可疑用户,并重点跟踪。综合反窃电远程在线监测系统采用3层体系架构,具有远程稽查、实时监测和用电异常分析等功能,通过在部分电力公司中的应用,有效地发现并减少了窃电行为。     

基于模糊聚类的电力客户用电行为模式画像

随着电力客户数据采集频度不断提高、数据分析维度不断扩展,客户的用电行为变得更加复杂。客户标签和画像技术的发展,给客户用电行为分析带来了更直观、简洁的表现方式。论文基于海量的客户档案、负荷、电量数据,综合考虑客户用电特征、影响因素,建立了客户用电行为标签库,并采用模糊聚类算法进行客户用电模式分析,实现不同类型客户的用电行为模式画像。某地区20 000户工商业客户的用电行为模式画像分析结果表明:文中选取的用电行为标签合理有效、采用的聚类算法效果显著、客户画像精准,能够为电力公司掌握客户用电习性、挖掘客户需求、提高服务水平提供有力支撑。     

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。     

基于流计算的大客户用能智能分析方法

针对大客户用电用能综合分析及无法及时发现用电异常的问题,设计了一种基于流计算下大客户用能智能分析方法.首先给出了大客户用能智能分析系统的整体构架,并从软硬件功能需求方面进行了描述.依托流计算技术实时处理能力和高性能数据吞吐能力实时处理采集到的数据,运用机器学习按照用户综合用能分析数学模型和窃电识别模型学习处理异常数据....     

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。     

智能电网下用户用电系统多目标调度策略研究

用户用电系统是智能电网在居民侧的延伸,是智能电网领域的研究热点之一.通过对居民主要家电的用电起始时间、用电时长、用电时段数的设计,依据动态电价信息,结合分布式电源、电动汽车向电网反馈电能的能力,对用电负载、光伏电池板以及电动汽车建立数学模型,利用粒子群算法进行寻优求解,对用户用电系统多目标运行进行调度安排,在不影响用户用电舒适度的情况下,给出一种以用电费用最小为目标的用电安排策略.最后经过实例分析,通过仿真结果比较发现,用电安排策略有效的降低了34.6％的用电费用,验证了用电安排策略的可行性和经济性,为用户合理用电提供了理论指导.     

考虑分时电价的居民用户短期用电量分类预测及修正方法

为了更好地利用智能电网中的用户用电信息,提高短期用电量预测精度,针对居民用户提出一种考虑分时电价的分类短期用电量预测及修正方法。首先,通过模糊聚类将用户按用电行为分类,将电价、用电量和加权气象日期影响因素作为预测模型输入量。然后,针对各类用户的用电特点,经仿真对比选择相适应的BP、Elman、LSTM神经网络算法构建预测模型。最后,运用修正算法对误差较大的峰谷值进行修正,将修正后的分类预测结果相加以获得整体预测值。以广东省云浮市某小区为例对该方法进行仿真分析,并与随机森林、CART等算法进行对比。实验结果证明所提方法具有更高的预测精度。     

基于极限学习机的居民用电行为分类分析方法

针对大数据背景下智能用户用电行为分类问题,提出一种基于极限学习机(ELM)算法的用户用电行为分类方法。首先,在前期用户行为的特征优选策略的基础上,采用特征优选策略提取负荷曲线的最佳特征集对用户用电数据进行分类分析。然后,将特征优选集作为输入,通过比较不同隐含层激活函数和隐含层节点个数下训练集和测试集的正确率,优选出适用于用户用电行为分析的ELM算法的输入参数。最后,以国内和国外用户用电数据为数据源,进行算例仿真实验,通过与反向传播(BP)神经网络的对比分析表明,所提出的基于ELM算法的用户用电行为分析方法提高了检测的正确率并且降低了算法运行时间,能够更好地掌握用户用电负荷状态,实现配电网的削峰填谷。     

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...