一种自适应的防窃漏电诊断方法技术

一种自适应的防窃漏电诊断方法：步骤1：从计量主站获取电量、负荷、报警及线损的历史样本数据；步骤2：对历史样本数据进行预处理；步骤3：构建专家样本库；步骤4：构建窃漏电诊断模型；步骤5：进行窃漏电诊断；步骤6：优化模型参数，并重构模型。本发明专利技术的自适应的防窃漏电诊断方法具有自学习特性，通过对电力用户用电数据进行学习建模，并以形成的用电规律诊断新的数据合理性和正确性，能够有效提高窃漏电监控诊断的准确性。

【技术实现步骤摘要】

本专利技术涉及一种电力行业防窃漏电的诊断方法，尤其涉及一种适应于大用户防窃漏电的实时自动诊断方法。
技术介绍
窃电者为了达到窃电目的，往往采用各种窃电手法进行窃电，手法五花八门，但万变不离其宗，最常见的是从电能计量原理入手一个电能表计量电量的多少，主要决定于电压、电流、功率因数三素和时间的乘积。因此，只要想办法改变三要素中的任何一个要素都可以使电表慢转、停转甚至反转，从而达到窃电的目的；另外，通过采用改变电表本身的结构性能的手法，使电表慢转，也可以达到窃电的目的。 窃电和计量装置故障造成漏收、少收电费使电力系统利益受损。传统的防窃漏电 方法主要通过定期巡检、定期校验电表、用户举报窃电等手段来发现窃电或计量装置故障。但这种方法对人的依赖性太强，抓窃查漏的目标不明确。目前各供电局已基本建成了涵盖各种计量点及采集终端的集信息采集、监控、分析和计量管理于一体的计量自动化应用平台，完成了对电厂、变电站、公变、专变、低压集抄等发电侧、供电侧、配电侧、售电侧的综合性统一数据的自动采集监控。已实现对居民用电的远程集中抄表功能，计量自动化系统与营销管理系统、生产调度系统等均不同程度的通过数据接口实现了数据共享，现在应用系统中已存储了大量用户用电信息。为了更好的发挥计量自动化系统的远程在线监测平台，目前很多供电局主要通过营销稽查人员、用电检查人员和计量工作人员利用计量异常报警功能和电能量数据查询功能开展用户用电情况的在线监控工作，通过采集电量异常、负荷异常、终端报警、主站报警、线损异常等信息，建立数据分析模型，来实时监测窃漏电情况和发现计量装置的故障。并通过“失压失流”、“超合同容量用电”、“电流过负荷”等用电报警信息，以及根据报警事件发生前后客户计量点有关的电流、电压、负荷数据情况等，通过构建基于指标加权的用电异常分析模型，实现检查客户是否存在窃电、违章用电及计量装置故障等目的。以上防窃漏电的诊断方法，虽然能获得用电异常的某些信息，由于终端误报或无用信息太多，无法达到真正快速精确定位窃漏电嫌疑用户和计量故障的目的，往往令稽查工作人员无所适从。而且在采用这种方法建模时，模型各输入指标权重的确定需要用专家的知识和经验，具有很大的主观性，存在明显的缺陷，所以实施效果往往不尽如人意。
技术实现思路
本专利技术所要解决的技术问题，就是提供，达到真正快速精确定位窃漏电嫌疑用户和计量故障的目的。解决上述技术问题，本专利技术采用的技术方案是，包括以下步骤步骤I :从计量主站获取电量、负荷、报警及线损的历史样本数据；步骤2 :对历史样本数据进行预处理；步骤3 :构建专家样本库；步骤4 :构建窃漏电诊断模型；步骤5 :进行窃漏电诊断；步骤6 :优化模型參数，并重构模型。所述的步骤I包括以下子步骤SI. I :确定样本覆盖范围 至少包含近三年来所有的窃漏电大用户及随机选取8%正常用户；SI. 2 :确定样本数据范围样本数据抽取时要包含窃漏电用户的窃漏电开始时间和结束时间节点前后各两个月的数据。所述的步骤2包括以下子步骤主要包括缺失值处理、异常值处理、节假日数据处理、负荷数据平滑处理等S2. I :缺失值处理发现存在缺失现象时，通过同类型日数据结合插值算法进行处理；S2. 2 :异常值处理对超出指标阀值范围的数据，通过同类型日数据结合插值算法进行修正处理；S2. 3:节假日数据修正周六修正系数=最近ー个月的采集周期内的工作日平均电量/周六的平均电量；节假日修改系数=最近ー个月采集周期内的工作日平均电量/节假日的平均电量。这里节假日指周日、国庆、五一等法定节假日；S2. 4 :负荷数据平滑处理在进行数据格式化(5L指标)时，对实时负荷数据采用最高次数为20的多项式拟合方法进行平滑处理。所述的步骤S3的专家样本库以日为单位表征各计量点的用电情況，输入项包括5E指标、5L指标、报警指标、线损指标和六角图指标，输出项为窃漏电嫌疑系数；具体包括以下子步骤S3. I :计算第一个窃漏电核心评价指标5E指标5E指标即电量指标,为日用电量移动平均后差分先计算日用电量移动平均连续t天(本项目t=5)的用电量平均值，计算式如下权利要求1.ー种自适应的防窃漏电诊断方法，其特征是包括以下步骤 步骤I:从计量主站获取电量、负荷、报警及线损的历史样本数据； 步骤2 :对历史样本数据进行预处理； 步骤3 :构建专家样本库； 步骤4 :构建窃漏电诊断模型； 步骤5:进行窃漏电诊断； 步骤6 :优化模型參数，并重构模型。2.根据权利要求I所述的自适应的防窃漏电诊断方法，其特征是所述的步骤I包括以下子步骤 ·SI. I :确定样本覆盖范围 至少包含近三年来所有的窃漏电大用户及随机选取8%正常用户； · 51.2 :确定样本数据范围 样本数据抽取时要包含窃漏电用户的窃漏电开始时间和结束时间节点前后各两个月的数据。3.根据权利要求I所述的自适应的防窃漏电诊断方法，其特征是所述的步骤2包括以下子步骤 包括缺失值处理、异常值处理、节假日数据处理和负荷数据平滑处理 ·52.I :缺失值处理 发现存在缺失现象时，通过同类型日数据结合插值算法进行处理； S2. 2 :异常值处理 对超出指标阀值范围的数据，通过同类型日数据结合插值算法进行修正处理； S2. 3 :节假日数据修正 周六修正系数=最近ー个月的采集周期内的工作日平均电量/周六的平均电量； 节假日修改系数=最近ー个月采集周期内的工作日平均电量/节假日的平均电量； 所述的节假日指周日、国庆、五一法定节假日； · 52.4:负荷数据平滑处理 在进行数据格式化时，对实时负荷数据采用最高次数为20的多项式拟合方法进行平滑处理。4.根据权利要求I所述的自适应的防窃漏电诊断方法，其特征是所述的步骤S3的专家样本库以日为单位表征各计量点的用电情況，输入项包括5E指标、5L指标、报警指标、线损指标和TK角图指标，输出项为切漏电祿疑系数； 具体包括以下子步骤 ·53.I :计算第一个窃漏电核心评价指标5E指标5E指标即电量指标,为日用电量移动平均后差分 先计算日用电量移动平均连续t天(本项目t=5)的用电量平均值，计算式如下5.根据权利要求I所述的自适应的防窃漏电诊断方法，其特征是所述步骤S4是指利用模糊神经网络进行建模，模糊神经网络结构包括 1)输入层，该层有η个结点直接与输入向量X连接，将输入值X=传送到下ー层; 2)模糊化层，若每个输入变量均定义有m个模糊集合，则此层内共有ηXm个结点，分为η组,姆组m个结点； 第i组的m个结点输入都是Xi，其输出分别是各输入量属于输出值模糊集合的隶属度函数/// (X,)，μ; (x,)代表Xi的第j个模糊集合； 3)模糊推理层，其每个结点代表一条模糊规则，它的作用是用来匹配模糊规则的前件(输入和状态)，计算出每条规则的适用度，即6.根据权利要求I所述的自适应的防窃漏电诊断方法，其特征是所述的步骤S5包括以下步骤 S5. 1 :从计量主站系统毎日实时抽取所有计量点的电量、负荷、报警及线损等数据； S5. 2 :对实时抽取的计量数据进行缺失值处理、异常值处理、节假日数据修正、负荷数据平滑处理等预处理； S5. 3 :计算得到模型的输入项指标，即5E指本文档来自技高网...

【技术保护点】
一种自适应的防窃漏电诊断方法，其特征是：包括以下步骤：步骤1：从计量主站获取电量、负荷、报警及线损的历史样本数据；步骤2：对历史样本数据进行预处理；步骤3：构建专家样本库；步骤4：构建窃漏电诊断模型；步骤5：进行窃漏电诊断；步骤6：优化模型参数，并重构模型。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘涛，杨劲锋，阙华坤，肖勇，孙卫明，陈启冠，王和栋，张良均，
申请(专利权)人：广东电网公司电力科学研究院，
类型：发明
国别省市：