基于正态分布离群点算法的反窃电研究

为了解决一直以来供电企业所面临的窃电预防及查处问题,结合用电信息采集系统反窃电功能发展的现状,通过对现存的窃电手段和反窃电技术进行分析,提出了一种在远程集抄海量数据的基础上利用基于正态分布的离群点算法进行数据挖掘的反窃电方法。利用Matlab对电压、电流海量数据进行曲线拟合,建立数学模型并引入基于正态分布的离群点算法,依据拉依达准则对海量数据进行数据挖掘找出窃电嫌疑户。通过实际案例验证了提出的离群点算法和窃电户查找流程能够高效筛选出窃电用户,为传统反窃电研究和高效反窃电的实现提供了新的思路。     

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。     

机器学习算法在反窃电分析中的应用

针对现阶段利用高科技手段进行窃电的行为,提出了基于机器学习算法构建的反窃电模型,分析用户用电数据、异常事件以及线损,介绍随机森林算法以及其在反窃电分析中的应用,通过进行验证测试,认为随机森林算法在反窃电领域可行、有效。     

基于ELM-SVM模型与电能计量大数据的窃电识别技术研究

窃电现象破坏社会供用电秩序,严重时更会阻碍新型配电系统建设的发展。为了更精确地识别窃电行为,提出了一种基于极限学习机（ELM）与支持向量机（SVM）相结合的窃电智能识别模型。利用电能计量大数据,分析窃电用户数据状态指标,构建窃电指标评价体系;利用指标评价体系训练窃电智能识别模型,进而以ELM-SVM预测模型来识别窃电用户。该方法有效集合了ELM算法与SVM算法的优点,算例表明,识别模型的识别准确率可达97.8%,说明ELM-SVM结合方法是可行的,实现了对用户窃电行为的高精度、高效性预测识别。     

基于用电特征分析的窃电行为识别方法

反窃电作为供电企业用电管理工作的核心构成部分,在剖析和处置用户窃电行为数据的基础上,研究出一种基于用电特点剖析的窃电行为鉴别手段,能明显提升搜集数据的合理性。本文主要围绕窃电行为识别方法的总体设计构思展开分析,通过用户用电量多指标综合评分等手段,利用大数据算法对目标用户的用电行为特征加以分析,在此基础上建立相应的特征模型,创新提出了基于用户行为特征大数据的用电异常识别技术路线,并探究其具体建设过程,旨在提高供电水平,促进企业可持续发展。     

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。     

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...     

反窃电技术的研究

文章给形形色色的用户窃电方式予以曝光,并对反窃电技术进行了研究,还介绍了几种反窃电方法。     

基于非侵入式负荷监测的反窃电预警方法

为了有效检测用户是否存在窃电行为,文中对用户用电行为展开分析,提出一种基于非侵入式负荷监测的反窃电预警方法。在该方法中,首先利用负荷事件检测、特征提取以及meanshift聚类方法,获得用户各个负荷特征、类别等情况,建立负荷类别对比库以及窃电概率预测模型;其次,根据所建立的窃电行为模型,通过对窃电后的负荷投切事件、使用时长、能耗等进行概率估计,并采用贝叶斯理论对用户用电行为进行推断,实现窃电监测。最后,在实际的电能表数据上采用文中方法进行测试,文中方法能够为反窃电提供数据支持,进而为新一代智能电表反窃电应用奠定基础。     

电力营销域反窃电智能系统的应用与研究

首先介绍了目前常用的3种窃电方式和窃电原理,其次介绍了反窃电智能系统的结构及其处理流程,接着构建基于神经网络算法的反窃电模型,建立7种判断窃电与否的特征指标评价体系,并进行实例验证.该反窃电智能系统研究具有一定的工程实用价值.     

基于JSP的反窃电分析与查询系统

阐述了我国窃电与反窃电问题的现状,提出了采用JSP技术设计Web应用程序对用户用电数据进行实时分析与查询的方法.通过分析当前窃电方式的特点和反窃电系统的实际需求,设计了基于JSP的反窃电分析与查询系统,为现有反窃电系统的实施与管理提供了一个方便、实用、高效并且易于移植和扩展的工具.     

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ARIMA和递归贝叶斯的窃电用户识别算法

低压窃电负荷小,难以被及时发现,给电力企业造成了巨大的经济损失。文中基于差分整合移动平均自回归模型(Auto-regressive Integrated Moving Average model, ARIMA)和递归贝叶斯算法,构建了一种针对配电网低压窃电行为的识别方法,该方法结合用户历史数据对低压用户与台区表夜间各时段电力负荷数据进行分析,并算出用户窃电概率,从而发现用户是否存在窃电行为。仿真与实际结果表明：该方法对及时准确发现窃电行为,提高配电线路线损治理效率具有重要意义。     

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。     

考虑分布式电源入网的反窃电综合管理方法

针对分布式电源入网给反窃电工作带来的新困难,提出了一种考虑分布式电源入网的反窃电综合管理方法,基于线损率标杆值确定台区窃电严重程度,挖掘用户实际用电需求筛选出用电量异常用户,锁定窃电怀疑范围,最后利用数据挖掘手段进一步分析重点怀疑用户用电特征,从而甄别出窃电用户.通过算例验证了方法的有效性和准确性,有助于电力营销部门锁定稽查重点.     

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。     

高压直接量测防窃电系统的技术与管理研究

为加强用电检查及提高反窃电防范水平,需要从被动式"反窃电",转变为主动式的"防窃电"。文章选取10kV变压器安装高压量测装置,建立了智能防窃电系统分析模型,可根据不同线路线损类别、用户类型和电压等级,对线损异常和用电异常的用户进行智能化过滤与提示,从而对窃电嫌疑户进行有效定位,为现场用电检查提供重要依据,提高防窃电管理水平。     

采用FCM聚类与改进SVR模型的窃电行为检测

针对窃电手段多样、隐蔽性强、窃电检测效率有待提高等问题,首先采用模糊C均值(FCM)聚类算法构造不同的用户负荷特征曲线,通过待测负荷曲线与相应特征曲线作对比初步确定疑似窃电用户;其次,采用粒子群算法优化的支持向量机回归模型对疑似窃电用户的用电行为进行检测。实验证明,所用方法缩小了窃电检测的范围、克服了窃电样本少的影响,改善了窃电检测的效率,并且窃电检测的均方误差和平均绝对误差分别提高了0.0051和0.034。