[发明专利]基于大数据建模的窃电嫌疑判断方法

说明书

本发明公开了一种基于大数据建模的窃电嫌疑判断方法，属于电力技术领域。该方法包括以下步骤：S1：窃电分析；S2：计算理论线损；S3：环网转供关系研究；S4：线损异常智能分析。本发明能够快速确定电能表、采集终端是否发生通信故障、用户是否窃电以及得出两者导致的损耗量。根据现有的数据找出通信损耗和窃电损耗，建立分类指标数据集，并以此建立精细分类模型。

技术领域

本发明涉及一种基于大数据建模的窃电嫌疑判断方法，属于电力技术领域。

背景技术

目前国内外针对管理线损提出或验证过多种算法模型，如学习机(ELM)、改进ELM(OS-ELM)、支持向量机(SVM)进行电力损耗识别、检测和预测的电力损耗分析框架；基于BP神经网络的客户消费行为分析模型，利用该模型可以计算出窃电的怀疑系数，并对电力用户的信用等级进行分类；或利用模糊C均值(FCM)算法对负荷曲线进行聚类，得到典型特征曲线，再与用户负荷曲线进行匹配，筛选出疑似窃电用户，再使用基于粒子群算法优化的SVM算法进行进一步检测等等算法。但是目前基于大数据的窃电研究仍然存在着问题，例如，需要大量的窃电样本对模型进行训练，以提高模型精度，但是窃电样本通常都不多，导致准确率不高。并且，用户的用电行为可能会因为各种原因发生变化，所以即使用户的用电发生变化，模型计算得出的窃电用户仍然需要工作人员进一步确定，不能直接判定为窃电。基于各专业系统形成的大数据，开展线损综合因素智能诊断建模，快速定位影响线损的因素和精准定位，目前国内研究还处于空白状态。当前，大数据可视化技术风生水起，把这些技术引用到电网计量工作中来，服务于线损精益化管理，提升线损异常判断和处置效率将是一个发展趋势。

目前，仍难以快速确定电能表、采集终端是否发生通信故障、用户是否窃电以及得出两者导致的损耗量。所以，如何根据现有的数据找出通信损耗和窃电损耗，建立分类指标数据集，并以此建立精细分类模型。

因此，必须通过对站、线、变、户基础数据的治理，保证计量设备系统档案与现场设备安装一致性和准确性，以此基础再通过对线损率的治理工作，主动发现计量设备运行状态的不稳定因素，形成指标与运行管理的有效良性循环，同时在管理上建立标准、规范流程，明确岗位职责、工作内容，并通过信息化手段作为技术支撑，提出一种基于大数据建模的窃电嫌疑判断方法。

发明内容

有鉴于此，本发明的目的是提供一种基于大数据建模的窃电嫌疑判断方法。

本发明的目的是通过以下技术方案实现的：

基于大数据建模的窃电嫌疑判断方法，该方法包括以下步骤：

S1：窃电分析；

S2：计算理论线损；

S3：环网转供关系研究；

S4：线损异常智能分析。

可选的，所述S1包括以下步骤：

S11：窃电手段分析；

窃电手段包括：欠流法窃电、欠压法窃电、扩差法窃电、移相法窃电、强交流磁场法窃电、无表法窃电和高科技窃电；

①欠流法窃电

欠流法窃电就是使流过计量装置的电流变小，使计量装置少计达到窃电，包括改变电流线路接法、改变电流互感器变比和短接电流回路；这种窃电会导致用户三相电流不平衡；

②欠压法窃电

欠压法窃电就是使电能表的电压线圈失去电压或者减小所受电压，使计量装置少计到达窃电，包括串联电阻降压、造成电压回路接触不良和更改电压回路接线；这种窃电会导致用户三相电压不平衡；

③扩差法窃电