[发明专利]基于时间特征分析的光伏窃电发现方法和系统

说明书

本发明涉及一种基于时间特征分析的光伏窃电发现方法和系统，其中方法包括：计算关键时间测量点：关键时间测量点包括样本用户的出力曲线中，出力提升的时间测量点、出力稳定的时间测量点和出力下降的时间测量点；或者，关键时间测量点包括样本用户的出力曲线中，出力提升的时间测量点、出力最高的时间测量点和出力下降的时间测量点；计算日发电量变化比例；进行聚类分析：根据日发电量变化比例和关键时间测量点，对样本用户利用HCM算法进行聚类分析，确认窃电用户。本发明提供了一种有效、实用、科学的光伏曲线特征提取方法，适用于光伏窃电行为的发现，有利于减少电网经济损失，提高社会公平性。

技术领域

本发明属于电力系统技术领域，具体涉及一种基于时间特征分析的光伏窃电发现方法和系统。

背景技术

由于分布式光伏发电享受的补贴主要取决于自身发电量，某些用户在利益的驱使下通过一定的技术手段使得分布式光伏上网电表多计量发电量，进而获取高额补贴的风险，这种骗取补贴的行为称为光伏窃电行为。光伏窃电骗取补贴的行为严重影响了中国新能源扶植政策的落实，影响发电市场的公正性，用户因窃电私自改接线路给供配电带来了巨大的安全隐患，影响光伏发电行业的正常发展。在行业内目前还没有完善、实用且成本低的光伏窃电行为的发现算法。

发明内容

针对现有技术的不足，本发明公开了一种基于时间特征分析的光伏窃电发现方法和系统。

本发明所采用的技术方案如下：

一种基于时间特征分析的光伏窃电发现方法，其特征在于，包括：

计算关键时间测量点：关键时间测量点包括样本用户的出力曲线中，出力提升的时间测量点、出力稳定的时间测量点和出力下降的时间测量点；或者，关键时间测量点包括样本用户的出力曲线中，出力提升的时间测量点、出力最高的时间测量点和出力下降的时间测量点；

计算日发电量变化比例；

进行聚类分析：根据日发电量变化比例和关键时间测量点，对样本用户利用HCM算法进行聚类分析，确认窃电用户。

其进一步的技术方案为，所述关键时间测量点具体包括：样本用户的负荷在相邻两个时间测量点的差值高于负荷变化阈值的第一时间测量点t₀；样本用户的负荷上升量首次低于负荷变化阈值的第二时间测量点t₁；样本用户的负荷下降量首次高于负荷变化阈值的第三时间测量点t₂；样本用户的负荷下降量首次低于负荷变化阈值的第四时间测量点t₃。

其进一步的技术方案为，所述关键时间测量点具体包括：样本用户的负荷在相邻两个时间测量点的差值高于负荷变化阈值的第一时间测量点t₀；样本用户的负荷由上升转为下降的第二时间测量点t₁；样本用户的负荷下降量首次低于负荷变化阈值的第三时间测量点t₃。

其进一步的技术方案为，对样本用户进行聚类分析的方法是：

判断样本用户的日发电量变化比例和样本用户的聚类中心之间的差值与样本用户的负荷变化阈值的关系，对样本用户进行根据日发电量变化比例为参数的第一次聚类分析；

进行以关键时间测量点为参数的聚类分析：

对第一次聚类分析后待考察用户集合S_u中的样本用户，定义第一距离d_t01如下：

d_t01＝|t₀+t₁-c_t0-c_t1|

c_t0为日出时间，c_t1为光照强度首次达到设备出力极限的时间，以第一距离为基础，利用HCM算法，对样本进行第二次聚类分析；