基于大数据建模的窃电嫌疑判断方法技术

本发明专利技术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。本发明专利技术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。型。型。

【技术实现步骤摘要】
基于大数据建模的窃电嫌疑判断方法


[0001]本专利技术涉及一种基于大数据建模的窃电嫌疑判断方法，属于电力


技术介绍

[0002]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，快速定位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于大数据建模的窃电嫌疑判断方法，其特征在于：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。2.根据权利要求1所述的基于大数据建模的窃电嫌疑判断方法，其特征在于：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
扩差法窃电扩差法窃电就是通过扩大电能表的误差，从而达到窃电的目的；在使用这种窃电时需要对电能计量装置的内部结构进行改变或者借助其他方法来破坏计量装置；这种窃电会导致用户用电量和用电曲线异常变化；
④
移相法窃电移相法窃电就是通过改变电能计量装置中电压、电流间的正常相位关系，从而导致电能表慢转甚至出现倒转，从而使电能少计达到窃电，包括改变电表的正常接线、接入与电表无关的电压和电流；这种窃电会导致用户电压、电流相位异常，影响功率因数；
⑤
强交流磁场法窃电步进电机的计数器在强交变磁场的作用下会自动计数，改变磁场方向，计数器会快速递减计数，导致电能少计，从而实施窃电；这种窃电导致用户电量异常减小；
⑥
无表法窃电没有经过他人同意私自在供电线路上乱接电线用电，或者绕过电能计量装置用电；这种窃电导致用户用电量持续为0；
⑦
高科技窃电高科技窃电包括高频高压窃电、红外遥控窃电和大功率无线信号窃电；高频高压窃电就是通过干扰电能表的内部工作流程，破坏电能表的工作曲线，造成电能表计量准确度低，无法正常计量；大功率无线信号窃电就是对电表的CPU进行干扰，使电表少计或者不计，随时恢复电表计量；这种窃电造成用户用电量的异常，通过与历史电量曲线结合判别；S12：构建孤立森林；
在孤立森林中，定义以下内容：假设T是孤立树的一个节点，是没有子节点的叶子节点，或是只有两个子节点(Tl,Tr)的内部节点；每一步分割，都包含特征q和分割值p，将q<p的数据分到Tl，将q≥p的数据分到Tr；孤立森林的构建步骤为：S121：采用bootstrap方法随机选定m个样本数据集X＝{x1,
…
,xn}；S122：构建一棵孤立树，随机选择一个特征q及其分割值p，递归地分割数据集X，直到满足以下任意一个条件：(1)树达到了限制的高度；(2)节点上只有一个样本；(3)节点上的样本所有特征都相同；S123：计算样本点x的路径长度，为从树的根节点到叶子节点所经过的边的数量；S124：由公式(4)和(5)计算样本的异常指数；树的平均长度其中H(i)为调和数，为ln(i)+0.5772156649；c(n)为给定样本数n时，路径长度的平均值，用来标准化样本x的路径长度h(x)；样本x的异常指数为：递归地随机分割数据集，直到所有的样本点都是孤立的；S13：层次分析法层次分析法步骤为：S131：按照目标层、准则层、方案层结构建立递阶层次结构模型；S132：利用专业经验和常识按照指标重要性构造判断矩阵；S133：计算最大特征值以及对应的特征向量，并将其归一化；S1341：矩阵一致性检验，若满足一致性要求，则归一化后的特征向量就是权重值，否则就调整判断矩阵；S14：在系统中应用。3.根据权利要求2所述的基于大数据建模的窃电嫌疑判断方法，其特征在于：所述S132中，采用指标两两比较重要性的方式构建判断矩阵；当标度为1时，含义为两个指标具有相同的重要性；当标度为3时，含义为前者比后者稍重要；当标度为5时，含义为前者比后者明显重要；当标度为7时，含义为前者比后者强烈重要；当标度为9时，含义为前者比后者极端重要；当标度为2、4、6和8时，含义为相邻判断的中间值；将不同因素两两作比获得的值aij填入到矩阵的i行j列的位置，构造所谓的比较矩阵；当计算出判别矩阵的最大特征值对应的特征向量后，对判别矩阵进行一致性验证。4.根据权利要求3所述的基于大数据建模的窃电嫌疑判断方法，其特征在于：所述一致性验证为：
①
一致性指标计算方法：
②
查询平均随机一致性指标RI：当n＝1时，RI＝0；当n＝2时，RI＝0；当n＝3时，RI＝0.58；当n＝4时，RI＝0.90；当n＝5时，RI＝1.12；当n＝6时，RI＝1.24；当n＝7时，RI＝1.32；当n＝8时，RI＝1.41；当n＝9时，RI＝1.45；
③
计算计算一致性比例CR当CR<...

【专利技术属性】
技术研发人员：刘畅，王坚，
申请(专利权)人：贵州电网有限责任公司，
类型：发明
国别省市：