【技术实现步骤摘要】
一种基于实时用电信息及大数据分析的窃电判别方法
[0001]本专利技术属于电力系统
,尤其涉及一种基于实时用电信息及大数据分析的窃电判别方法。
技术介绍
[0002]为了采用大数据实现对窃电的准确识别,在专利技术专利公告号CN111521868B《一种基于计量大数据筛查窃电用户的方法及装置》中通过获取计量大数据,其中,计量大数据包括用电量、台区损失电量和线损率;根据计量大数据,确定窃电行为特征;利用预设算法并根据窃电行为特征,计算窃电行为相关参数阈值;利用预设算法并根据目标台区的计量大数据,计算目标台区内用户的窃电行为相关参数;将窃电行为相关参数与窃电行为相关参数阈值进行比较;根据比较结果筛查目标台区内的窃电嫌疑用户,提高了筛查窃电用户的工作效率,但是却存在以下技术问题:
[0003]1、忽视了温度、用电量、输电线路材料的电阻率对阈值的影响,线损核心是由于线路的阻抗值产生的,而不同的温度、用电量、输电线路材料的电阻率都会影响线路的阻抗值,因此采用固定的阻抗值的方式,不仅不够准确,而且有可能会导致对窃电用户的错误识别。
[0004]2、仅仅采用某一次的识别结果的误差概率较大,由于用电设备更换或者短路等异常情况的出现,会导致对用电用户的的窃电行为的错误识别,因此若不通过一定的时间阈值内的多次的识别,则有可能会导致对窃电用户的错误识别。
[0005]针对上述技术问题,本专利技术提供了一种基于实时用电信息及大数据分析的窃电判别方法。
技术实现思路
[0006]为实现本专利技术目的 ...
【技术保护点】
【技术特征摘要】
1.一种基于实时用电信息及大数据分析的窃电判别方法,其特征在于,具体包括:S11基于用户的历史用电数据,确定所述用户的用电数据异常阈值,并基于所述用户的实时用电数据,并判断所述用户的实时用电数据是否大于用电数据异常阈值,若是,则进入步骤S12,若否,则判断所述用户不存在窃电行为;S12基于所述用户的实时用电数据、天气温度、输电线路材料的电阻率,采用基于LA
‑
GSA
‑
GRU算法的线损预测模型,获取所述用户的线损阈值;S13判断所述用户的线损率是否大于所述用户的线损阈值,若是,则将所述用户认定为潜在异常客户,并将所述用户的线损率与线损阈值的比值作为线损比值,并进入步骤S14,若否,则判断所述用户不存在窃电行为;S14当近一月内所述用户被认定为潜在线损用户的次数大于第一阈值时,基于所述用户被认定为潜在异常线损用户的次数、所有被认定为潜在异常线损用户时的线损比值的平均值、被认定为潜在异常线损用户时的线损比值的最大值,采用基于机器学习算法的预测模型,确定所述潜在线损用户的线损异常度,并基于所述潜在线损用户的线损异常度实现对窃电行为的判别。2.如权利要求1所述的窃电判别方法,其特征在于,所述用户的用电数据异常阈值根据所述用户近一年内的用电数据的最大值进行确定。3.如权利要求1所述的窃电判别方法,其特征在于,线损阈值构建的具体步骤为:S21判断所述用户的实时用电数据是否大于近一周内所述用户相同时刻的历史用电数据的最大值,若是,则进入步骤S22;若否,则所述用户不存在线损异常情况,无须进行线损阈值的判断;S22基于所述用户的实时用电数据与近一周内所述用户相同时刻的历史用电数据的平均值的比值得到实时用电比;S23基于所述实时用电比、天气温度、输电线路材料的电阻率,采用基于LA
‑
GSA
‑
GRU算法的线损预测模型,获取所述用户的基础线损阈值;S24基于近一月内所述用户被认定为潜在线损用户的次数对所述用户的基础线损阈值进行修正,得到所述用户的线损阈值。4.如权利要求3所述的窃电判别方法,其特征在于,所述用户的线损阈值的计算公式为:其中T
limit
为次...
【专利技术属性】
技术研发人员:孟慧平,李东,张洋,刘越,谢波,安致嫄,郭少勇,
申请(专利权)人:国家电网有限公司国家电投集团河南电力有限公司北京邮电大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。