[发明专利]一种基于线损多维度相关性分析的窃电识别方法及系统

说明书

本发明提出一种基于线损多维度相关性分析的窃电识别方法及系统，以线损异常线路为分析对象，在线路线损异常时期内，按固定时间维度，运用皮尔逊相关系数计算线路下高压专变用户日用电量与线路损失电量波动相关性大小，通过相关性系数大小、窃电量比例波动大小、电量同步波动次数筛选出该时间段的异常用户。本发明从用户用电量与所在线路损失电量波动关联性分析入手，利用不同窃电类型与线损的关系，提出一种窃电线索识别准确度高、范围广的智能预警模型，提升反窃电线索识别水平。与常规窃电识别方法相比，本发明识别范围广，连续性和间歇性窃电均能识别，尤其为识别隐蔽性窃电方式(常规电压、电流无明显异常)提供了突破口。

技术领域

本发明涉及电力系统智能控制领域，更具体地，涉及一种基于线损多维度相关性分析的窃电识别方法及系统。

背景技术

目前，用户窃电方式种类较多。按影响电能计量装置功率大小的电气量分类，可分为电压法、电流法、相位法、扩差法；按改动计量回路元器件分类，可分为电能表内部窃电和外部窃电。通过监测异常用电特征量，如失压、欠压、失流、电流不平衡、相位变动等异常特征，可判定此类较为明显的窃电用户，其对应的窃电预警模型由于特征数据较为单一，存在识别范围低、精度差问题。但随着窃电手法不断演变，窃电现象呈科技专业化发展，愈发隐蔽性强、查处难度大。如改表、调节互感器变比、在计量回路加装短接(分流)元件等连续性窃电等，此类窃电用户除窃电起始日外，在电流、电压以及相位方面无明显的异常特征，传统外观检查难以发现。又如CT二次侧短接、接线盒短接、计量回路加装遥控装置等间歇性窃电，此类窃电用户一般选择在反窃电工作人员稽查薄弱时进行窃电，且窃电防范意识强，窃电物证难以抓获。

当前，以低压台区或中压线路线损异常特征分析作为突破口，通过分析异常用户电量与损失电量之间的关系，从而锁定异常用户，已成为反窃电研究热点。从已有的文献可知，目前还没有不同类型窃电与线路损耗波动的相关性和影响因素研究。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供一种鉴于目前窃电手法发展趋势和现有分析方法局限性，提出基于线损电量相关性多维度分析的窃电智能识别方法。根据连续性和间歇性两类窃电用户与线损电量波动相关性特征，运用相关性算法，可建立线损电量相关性多维度分析窃电识别模型，对线损异常线路进行定量相关性计算分析，锁定相关性高且持续时间长的异常用户。

具体地，本发明提出一种基于线损多维度相关性分析的窃电识别方法，所述方法包括如下步骤：

S1：筛选线损异常线路；

S2：以线损异常线路为分析对象，选择日电量时间维度；

S3：计算所述线损异常线路下高压专变用户在所述时间维度内相关系数；

S4：计算窃电量比例、电量同步波动次数，线损突变并根据所述相关系数、窃电量比例波动大小，筛选异常用户；

S5：确定窃电用户及其窃电类型。

进一步地，所述步骤S1中，异常线路包括长期高线损和线损突增异常并保持高损状态线路。

进一步地，长期高线损线路分析时间范围内线损率均大于0，且至少线损率或损失电量异常次数出现一半以上，其中线损率异常设置为大于2％，线损电量异常设置为大于2000kWh；线损突增异常并保持高损状态线路判定标准为：线损突增阈值设置为5％，保持高损状态为突增后线损率≥突增当日线损率-3％。

进一步地，所述步骤S2中，用户日电量时间维度选择为7～15天。

进一步地，所述步骤S3包括：

采用皮尔逊相关系数来计算线路下高压专变用户时间维度内相关系数，皮尔逊相关系数r是衡量两个随机变量或两路信号之间统计线性相关程度的指标，用如下公式表示：