共查询到20条相似文献,搜索用时 31 毫秒
1.
2.
3.
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。 相似文献
4.
5.
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。 相似文献
6.
7.
8.
针对窃电行为识别准确率低的问题,提出了基于联合神经网络的窃电行为识别模型。首先,对获取的用户用电数据进行处理,利用格拉姆角场方法对用户用电数据进行二维化处理。然后,针对不同维度的用电数据,提出了基于联合神经网络的用户窃电行为识别模型,利用卷积神经网络(CNN)和双向长短期记忆(BiLSTM)神经网络提取一维用电数据和二维用电数据特征。通过实例分析表明,提出的联合神经网络模型对窃电行为识别准确率达到90%以上,证明所建立的评估模型为解决窃电问题提供了一种切实可行的方案。 相似文献
9.
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。 相似文献
10.
<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。 相似文献
11.
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。 相似文献
12.
13.
用户用电量的精准预测是智能配用电大数据应用和发展的关键之一。区别于传统的基于行业分类的预测办法,提出基于大数据挖掘技术的用户用电多维度特征识别,以及在此基础上的精准用电量预测方法。基于海量多用户用电特性,建立多维度用电特征评价指标体系。对用户用电特性空间进行聚类和分析,挖掘和识别用电模式。在不同的用电模式下,分别建立用电量时间序列预测模型,避免用电模式差异对预测算法准确性造成的不利影响。该方法适用于大数据平台的分析与处理,算例分析结果表明其相比以往方法能显著提高预测精度和稳定性。 相似文献
14.
15.
16.
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。 相似文献
17.
研究基于用电异常数据的反窃电在线监测方法,精准确定用电异常数据,实现反窃电在线监测。该在线监测方法利用K-means聚类算法确定用电异常数据,通过有效指数度量方法确定用电数据聚类数量,提升用电异常数据确定精度;以电流三相不平衡、电压三相不平衡、线损与负荷为特征指标,在用电异常数据中选择用电异常特征数据;利用主成分分析法降维用电异常特征数据;通过模糊神经网络建立反窃电在线监测模型,在该模型内输入降维后的用电异常特征数据,输出窃电嫌疑系数,完成反窃电在线监测。实验证明该方法可精准确定偏小与偏大用电异常数据,有效选择并降维用电异常特征数据,获取窃电嫌疑系数,具备较高的反窃电在线监测精度。 相似文献
18.
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。 相似文献
19.