CN108062616A - 一种具有约束条件的用电异常检测模型 - Google Patents
一种具有约束条件的用电异常检测模型 Download PDFInfo
- Publication number
- CN108062616A CN108062616A CN201711154836.7A CN201711154836A CN108062616A CN 108062616 A CN108062616 A CN 108062616A CN 201711154836 A CN201711154836 A CN 201711154836A CN 108062616 A CN108062616 A CN 108062616A
- Authority
- CN
- China
- Prior art keywords
- exception
- current
- model
- phase
- constraints
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000005856 abnormality Effects 0.000 title claims abstract description 42
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 230000005611 electricity Effects 0.000 claims abstract description 59
- 230000002159 abnormal effect Effects 0.000 claims abstract description 14
- 239000013642 negative control Substances 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 31
- 238000005259 measurement Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000000796 flavoring agent Substances 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 4
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 210000003739 neck Anatomy 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种具有约束条件的用电异常检测模型,所述约束条件由线损异常约束模型给出,所述线损异常约束模型包括判断非专线线路日线损异常和判断专线线路日线损异常;所述用电异常检测模型包括电量异常模型、功率因数异常模型、交流电压异常模型和交流电流异常模型;所述电量异常模型包括判断电量偏离程度、计算负控终端的电量值和电能表计量的电量值。本发明将线损异常作为约束条件的用电异常检测模型,具有误判少,准确率高,对样本需求量少等优点。
Description
技术领域
本发明涉及一种用电异常检测模型,特别是一种具有约束条件的用电异常检测模型。
背景技术
电力工业是国民经济的基础性产业,保证电网企业及时收回电费是确保电力发展的必要条件。但是由于各种原因,目前窃电现象还普遍存在,部分地区甚至还很猖獗,给供电企业也造成巨大损失。据不完全统计,我国每年窃电损失达200亿元。
大数据技术在各个行业逐渐得到广泛的应用,大数据是指无法在可容忍的时间内用传统的IT技术、软硬件工具和数学分析方法,对其进行感知、获取、管理、处理和分析的数据集合。智能电网被看作是大数据应用的重要技术领域之一,用电信息采集***是国家电网公司信息化建设的重要基础,是提升服务能力、延伸电力市场、创新交易平台的重要依托。目前国家电网公司的用电信息采集已经基本实现“全采集、全覆盖”,能够及时、完整、准确掌控广大电力用户的用电数据和信息。然而,如何应用用电信息采集***多年来运行采集与沉淀的大量数据,研究防窃电的策略、分析数据处理方法、构建防窃电模型等,是该领域面临的具有挑战性的问题。
随着我国用电量的大幅增加,窃电手段也在日益变化。虽然我国供电***已经展开反窃电措施及相关的防窃电措施,但是现有的传统防窃电措施难以发现越来越隐蔽的窃电方式。在防窃电措施中最重要的步骤就是用电异常的检测。现有的用电异常检测***主要有以下几个缺陷。
窃电行为的表现形式多种多样,但是传统的针对各种具体的窃电方式的用电异常检测方法都是比较单一方法的应用,导致收集的很多用电异常的信息应用彼此不相关,这样会导致较高的误报率率和漏报率,从而导致用电异常检测的整体准确率较低。
发明内容
本发明的目的在于克服现有技术的不足之处,而提供一种具有约束条件的用电异常检测模型,其约束条件是由线损异常约束模型给出的,方便准确地对各种用电异常情况进行判别,并及时对窃电行为进行预警。
一种具有约束条件的用电异常检测模型,包括有线损异常约束模型及用电异常检测模型,所述的线损异常约束模型将约束条件发送给用电异常检测模型,所述的用电异常检测模型包括:电量异常模型、功率因数异常模型、交流电压异常模型及交流电流异常模型,这四个异常模型根据约束条件决定输出异常越界次数;
所述线损异常约束模型:包括判断非专线线路日线损异常和判断专线线路日线损异常,设定两个阈值作为判定条件:城网线损率判定阈值为 5%~6%,农网线损率阈值为7%~8%,线损数据的采集,每天采集n组,n 取大于等于1的整数,每次采集的数据立即进行判断线损率是否越界,累计5~10天线损率越界次数,累计线损越界次数值大于等于3~6时,作为用电异常检测模型需满足的约束条件;
所述的电量异常模型,以计算负控终端的电量值作为对比日用电量,读取电能表计量电量值作为日计费用电量,然后判断电量偏离率,电量偏离率=(日计费用电量-对比日用电量)/日实际用电量,先判断偏离率是否大于等于偏离率阈值,大于则累计越界1次,然后累计5~10天电量偏离越界次数,最后,在满足约束条件时,电量异常模型输出5~10天电量越界次数;
所述的功率因数异常模型,判断功率因数是否超过阈值和功率因数偏离历史数据的程度,每隔一段时间采集一次,在满足约束条件时,功率因数异常模型输出功率因数越界次数值;
所述的交流电压异常模型,通过判断是否存在线损越界记录或者存在电量差值越界记录,最后,在满足约束条件时,交流电压异常模型输出电压越界次数值;
所述的交流电流异常模型,判断累计电流失流越界次数是否满足约束条件,如果满足约束条件时,交流电流异常模型输出电流越界次数值。
电量异常模型电量数据的采集,以每天为单位,每天采集一次,每次采集的数据立即进行电量偏离率的判断,先判断偏离率是否大于等于偏离率阈值,大于则累计越界1次,然后累计5~10天电量偏离越界次数。
所述的判断功率因数和功率因数偏离历史数据的程度的过程为:首先判断功率因数总大于0并且小于0.6的条件,然后判断功率因数偏离历史数据的程度,以每月为单位,每月采集一次。
功率因数偏离历史数据的程度的方法为:采用是与历史数据进行对比,判断是否有偏离。其步骤为:首先读取今年的N个月的功率因数,存入向量中,即X=[x1,x2...,xi...xN],然后读取前一年的N个月的功率因数,存入向量中,即X′=[x1′,x2′,...,xi′...xN′];偏离程度采用绝对切比雪夫距离判断,即:设定偏离阈值为30%~35%,即如果dche/xi′大于或等于该阈值,则判定当前功率因数偏离历史数据,属于功率因数异常的情况。
交流电压异常模型分别包括:判断高供高计三相四线电压异常模型、判断高供低计三相四线电压异常和判断高供高计三相三线电压异常。
分别设置高供高计三相四线电压阈值、高供低计三相四线电压阈值、高供高计三相三线电压阈值、所述的高供高计三相四线电压异常的过程为:先判断计量方式和电能表是否为高供高计和三相四线,再判断A、B、 C相是否都小于相应的阈值,如果存在线损越界记录或者存在电量差值越界记录,最后,在满足约束条件时,交流电压异常模型输出电压越界次数值;所述的高供低计三相四线电压异常的过程为:先判断计量方式和电能表是否为高供低计和三相四线,再判断A、B、C相是否都小于相应的阈值,如果存在线损越界记录或者存在电量差值越界记录,最后,在满足约束条件时,交流电压异常模型输出电压越界次数值;所述的高供高计三相三线电压异常的过程为:先判断计量方式和电能表是否为高供高计和三相三线,再判断A或者C相是否都小于相应的阈值,如果存在线损越界记录或者存在电量差值越界记录,最后,在满足约束条件时,交流电压异常模型输出电压越界次数值。
所述的交流电流异常模型包括交流电流失流异常和电流不平衡异常。
所述的电流失流异常的分析与判断过程为:由历史数据构建用户电流状态模型,再通过用户电流状态模型比较当前电流是否偏离,如果没有发生偏离,则累计电流失流越界次数不变;如果发生偏离,则需要进一步判断是三相三线电流异常还是三相四线电流异常,若是三相三线电流异常,接着判断若A、C任一相小于0.5%~0.7%额定电流且B相大于等于 0.5%~0.7%额定电流时,发生电流失流,累计电流失流越界次数加一;若是三相四线电流异常,接着判断A、B、C、三相电流中任一相电流小于 0.5%~0.7%额定电流,并且另两相中至少一相电流大于10%~15%额定电流,累计电流失流越界次数加一,最后,在满足约束条件时,交流电流异常模型输出电流越界次数值;所述的电流不平衡异常的过程为:根据计算公式 MAX(相电流-三相平均电流)/三相平均电流,如果不平衡率未大于设定阈值,则累计电流失流越界次数不变;如果不平衡率大于设定阈值,累计不平衡率越界次数加一,最后,在满足约束条件时,交流电流异常模型输出电流越界次数值。
所述的历史数据构建用户电流状态模型,取今年的N个月的电流值,构成向量X=[x1,x2...,xi...xN],同理取前一年的对应的N个月的电流值,构成向量X′=[x1′,x2′,...,xi′...xN′];用户电流状态模型由切比雪夫相对距离 dcur(X′-X)=maxi(|xi′-xi|)/N给出,以此判断用户电流偏离程度;设定偏离阈值为30%~35%,当dcur(X′-X)大于或等于该阈值时,判断产生偏离。
综上所述的,本发明相比现有技术如下优点:
本发明将线损异常作为约束条件的用电异常检测模型,具有误判少,准确率高,对样本需求量少等优点。
附图说明
图1为本发明的一种具有约束条件的用电异常检测模型的原理框图。
图2为本发明的一种具有约束条件的用电异常检测模型的电量异常模型的工作流程图。
图3为本发明的一种具有约束条件的用电异常检测模型的功率因数异常模型的工作流程图。
图4为本发明的一种具有约束条件的用电异常检测模型的交流电压异常模型的工作流程图。
图5为本发明的一种具有约束条件的用电异常检测模型的交流电流异常模型的工作流程图。
具体实施方式
下面结合实施例对本发明进行更详细的描述。
实施例1
一种具有约束条件的用电异常检测模型,其特征是,约束条件由线损异常约束模型给出,用电异常检测模型包括:电量异常模型、功率因数异常模型、交流电压异常模型和交流电流异常模型,该四个异常模型输出异常越界次数,是根据约束条件决定的;
所述线损异常约束模型:包括判断非专线线路日线损异常和判断专线线路日线损异常,设定两个阈值作为判定条件:城网线损率判定阈值为5.5%,农网线损率阈值为7.7%;线损数据的采集,每天采集1组,每次采集的数据立即进行判断线损率是否越界,累计5天线损率越界次数,累计线损越界次数值大于等于3时,满足约束条件;
所述的电量异常模型,其特征是,包括计算负控终端的电量值作为对比日用电量,读取电能表计量电量值作为日计费用电量,然后判断电量偏离率;所述的判断电量偏离率的计算方法为:偏离率=(日计费用电量-对比日用电量)/日实际用电量;电量数据的采集,以每天为单位,每天采集一次,每次采集的数据立即进行电量偏离率的判断,先判断偏离率是否大于等于偏离率阈值,大于则累计越界1次,然后累计5天电量偏离越界次数,最后,在满足约束条件时,电量异常模型输出5天电量越界次数;所述的偏离率阈值可以由软件设定,初始设定为50%,并能够根据实际数据修改。
所述的功率因数异常模型,其特征是,功率因数异常模型包括判断功率因数阈值和功率因数偏离历史数据的程度;
功率因数异常的阈值设定为0.6;
所述的判断功率因数和功率因数偏离历史数据的程度的过程为:判断功率因数总大于0并且小于阈值的条件,结合功率因数偏离历史数据的程度,最后,在满足约束条件时,功率因数异常模型输出功率因数越界次数值。功率因数异常模型,其特征是,功率因数偏离历史数据的程度的方法为:采用是与历史数据进行对比,判断是否有偏离。其步骤为:首先读取今年的N个月的功率因数,存入向量中,即X=[x1,x2...,xi...xN],然后读取前一年的N个月的功率因数,存入向量中,即X′=[x1′,x2′,...,xi′...xN′];偏离程度采用绝对切比雪夫距离判断,即:设定偏离阈值为30%,即如果dche/xi′大于或等于该阈值,则判定当前功率因数偏离历史数据,属于功率因数异常的情况;
所述的交流电压异常模型,其特征是,分别包括:判断高供高计三相四线电压异常模型、判断高供低计三相四线电压异常和判断高供高计三相三线电压异常;
高供高计三相四线电压阈值设为57.7V×80%;高供低计三相四线电压阈值设为220V×80%;高供高计三相三线电压阈值设定为所述的高供高计三相四线电压异常的过程为:先判断计量方式和电能表是否为高供高计和三相四线,再判断A、B、C相是否都小于57.7V×80%,如果存在线损越界记录或者存在电量差值越界记录,最后,在满足约束条件时,交流电压异常模型输出电压越界次数值;
所述的高供低计三相四线电压异常的过程为:先判断计量方式和电能表是否为高供低计和三相四线,再判断A、B、C相是否都小于220V×80%,如果存在线损越界记录或者存在电量差值越界记录,最后,在满足约束条件时,交流电压异常模型输出电压越界次数值;
所述的高供高计三相三线电压异常的过程为:先判断计量方式和电能表是否为高供高计和三相三线,再判断A或者C相是否都小于如果存在线损越界记录或者存在电量差值越界记录,最后,在满足约束条件时,交流电压异常模型输出电压越界次数值;
所述的交流电流异常模型包括所述交流电流异常模型包括电流失流异常和电流不平衡异常。根据电流失流异常、电流不平衡以及线损、电量等约束条件来判定;
所述的电流失流异常的分析与判断过程为:由历史数据构建用户电流状态模型,再通过用户电流状态模型比较当前电流是否偏离,如果没有发生偏离,则累计电流失流越界次数不变;
如果发生偏离,则需要进一步判断是三相三线电流异常还是三相四线电流异常;
若是三相三线电流异常,接着判断若A、C任一相小于0.5%额定电流且B 相大于等于0.5%额定电流时,发生电流失流,累计电流失流越界次数加一;
若是三相四线电流异常,接着判断A、B、C、三相电流中任一相电流小于 0.5%额定电流,并且另两相中至少一相电流大于10%额定电流,累计电流失流越界次数加一,最后,在满足约束条件时,交流电流异常模型输出电流越界次数值;
所述的电流不平衡异常的过程为:根据计算公式MAX(相电流-三相平均电流)/三相平均电流,如果不平衡率未大于设定阈值,则累计电流失流越界次数不变;如果不平衡率大于设定阈值,累计不平衡率越界次数加一,最后,在满足约束条件时,交流电流异常模型输出电流越界次数值。
所述的历史数据构建用户电流状态模型,取今年的N个月的电流值,构成向量X=[x1,x2...,xi...xN],同理取前一年的对应的N个月的电流值,构成向量X′=[x1′,x2′,...,xi′...xN′];用户电流状态模型由切比雪夫相对距离 dcur(X′-X)=maxi(|xi′-xi|)/N给出,以此判断用户电流偏离程度;设定偏离阈值为30%%,当dcur(X′-X)大于或等于该阈值时,判断产生偏离。
本实施例未述部分与现有技术相同。
Claims (9)
1.一种具有约束条件的用电异常检测模型,其特征在于:包括有线损异常约束模型及用电异常检测模型,所述的线损异常约束模型将约束条件发送给用电异常检测模型,所述的用电异常检测模型包括:电量异常模型、功率因数异常模型、交流电压异常模型及交流电流异常模型,这四个异常模型根据约束条件决定输出异常越界次数;
所述线损异常约束模型:包括判断非专线线路日线损异常和判断专线线路日线损异常,设定两个阈值作为判定条件:城网线损率判定阈值为5%~6%,农网线损率阈值为7%~8%,线损数据的采集,每天采集n组,n取大于等于1的整数,每次采集的数据立即进行判断线损率是否越界,累计5~10天线损率越界次数,累计线损越界次数值大于等于3~6时,作为用电异常检测模型需满足的约束条件;
所述的电量异常模型,以计算负控终端的电量值作为对比日用电量,读取电能表计量电量值作为日计费用电量,然后判断电量偏离率,电量偏离率=(日计费用电量-对比日用电量)/日实际用电量,先判断偏离率是否大于等于偏离率阈值,大于则累计越界1次,然后累计5~10天电量偏离越界次数,最后,在满足约束条件时,电量异常模型输出5~10天电量越界次数;
所述的功率因数异常模型,判断功率因数是否超过阈值和功率因数偏离历史数据的程度,每隔一段时间采集一次,在满足约束条件时,功率因数异常模型输出功率因数越界次数值;
所述的交流电压异常模型,通过判断是否存在线损越界记录或者存在电量差值越界记录,最后,在满足约束条件时,交流电压异常模型输出电压越界次数值;
所述的交流电流异常模型,判断累计电流失流越界次数是否满足约束条件,如果满足约束条件时,交流电流异常模型输出电流越界次数值。
2.根据权利要求1所述的具有约束条件的用电异常检测模型,其特征在于:电量异常模型电量数据的采集,以每天为单位,每天采集一次,每次采集的数据立即进行电量偏离率的判断,先判断偏离率是否大于等于偏离率阈值,大于则累计越界1次,然后累计5~10天电量偏离越界次数。
3.根据权利要求1所述的具有约束条件的用电异常检测模型,其特征在于:所述的判断功率因数和功率因数偏离历史数据的程度的过程为:首先功率因数异常的阈值设定为0.6~0.65,并且判断功率因数总大于0并且小于该阈值的条件,然后判断功率因数偏离历史数据的程度,以每月为单位,每月采集一次。
4.根据权利要求1所述的具有约束条件的用电异常检测模型,其特征在于:功率因数偏离历史数据的程度的方法为:采用是与历史数据进行对比,判断是否有偏离,其步骤为:首先读取今年的N个月的功率因数,存入向量中,即X=[x1,x2...,xi...xN],然后读取前一年的N个月的功率因数,存入向量中,即X′=[x′1,x′2,...,x′i...x′N];偏离程度采用绝对切比雪夫距离判断,即:设定偏离阈值为30%~35%,即如果dche/x′i大于或等于该阈值,则判定当前功率因数偏离历史数据,属于功率因数异常的情况。
5.根据权利要求1所述的具有约束条件的用电异常检测模型,其特征在于:交流电压异常模型分别包括:判断高供高计三相四线电压异常模型、判断高供低计三相四线电压异常和判断高供高计三相三线电压异常。
6.根据权利要求1所述的具有约束条件的用电异常检测模型,其特征在于:分别设置高供高计三相四线电压阈值、高供低计三相四线电压阈值、高供高计三相三线电压阈值、所述的高供高计三相四线电压异常的过程为:先判断计量方式和电能表是否为高供高计和三相四线,再判断A、B、C相是否都小于相应的阈值,如果存在线损越界记录或者存在电量差值越界记录,最后,在满足约束条件时,交流电压异常模型输出电压越界次数值;所述的高供低计三相四线电压异常的过程为:先判断计量方式和电能表是否为高供低计和三相四线,再判断A、B、C相是否都小于相应的阈值,如果存在线损越界记录或者存在电量差值越界记录,最后,在满足约束条件时,交流电压异常模型输出电压越界次数值;所述的高供高计三相三线电压异常的过程为:先判断计量方式和电能表是否为高供高计和三相三线,再判断A或者C相是否都小于相应的阈值,如果存在线损越界记录或者存在电量差值越界记录,最后,在满足约束条件时,交流电压异常模型输出电压越界次数值。
7.根据权利要求1所述的具有约束条件的用电异常检测模型,其特征在于:所述的交流电流异常模型包括交流电流失流异常和电流不平衡异常。
8.根据权利要求1所述的具有约束条件的用电异常检测模型,其特征在于:所述的电流失流异常的分析与判断过程为:由历史数据构建用户电流状态模型,再通过用户电流状态模型比较当前电流是否偏离,如果没有发生偏离,则累计电流失流越界次数不变;如果发生偏离,则需要进一步判断是三相三线电流异常还是三相四线电流异常,若是三相三线电流异常,接着判断若A、C任一相小于0.5%~0.7%额定电流且B相大于等于0.5%~0.7%额定电流时,发生电流失流,累计电流失流越界次数加一;若是三相四线电流异常,接着判断A、B、C、三相电流中任一相电流小于0.5%~0.7%额定电流,并且另两相中至少一相电流大于10%~15%额定电流,累计电流失流越界次数加一,最后,在满足约束条件时,交流电流异常模型输出电流越界次数值;所述的电流不平衡异常的过程为:根据计算公式MAX(相电流-三相平均电流)/三相平均电流,如果不平衡率未大于设定阈值,则累计电流失流越界次数不变;如果不平衡率大于设定阈值,累计不平衡率越界次数加一,最后,在满足约束条件时,交流电流异常模型输出电流越界次数值。
9.根据权利要求1所述的具有约束条件的用电异常检测模型,其特征在于:所述的历史数据构建用户电流状态模型,取今年的N个月的电流值,构成向量X=[x1,x2...,xi...xN],同理取前一年的对应的N个月的电流值,构成向量X′=[x′1,x′2,...,x′i...x′N];用户电流状态模型由切比雪夫相对距离dcur(X′-X)=maxi(|x′i-xi|)/N给出,以此判断用户电流偏离程度;设定偏离阈值为30%~35%,当dcur(X′-X)大于或等于该阈值时,判断产生偏离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711154836.7A CN108062616B (zh) | 2017-11-20 | 2017-11-20 | 一种具有约束条件的用电异常检测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711154836.7A CN108062616B (zh) | 2017-11-20 | 2017-11-20 | 一种具有约束条件的用电异常检测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108062616A true CN108062616A (zh) | 2018-05-22 |
CN108062616B CN108062616B (zh) | 2024-01-23 |
Family
ID=62135987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711154836.7A Active CN108062616B (zh) | 2017-11-20 | 2017-11-20 | 一种具有约束条件的用电异常检测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108062616B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109116072A (zh) * | 2018-06-29 | 2019-01-01 | 广东电网有限责任公司 | 窃电分析方法、装置及服务器 |
CN109253750A (zh) * | 2018-09-18 | 2019-01-22 | 中国电力科学研究院有限公司 | 一种计量设备的计量累计值增量过大异常状态判断方法及*** |
CN111709790A (zh) * | 2020-06-19 | 2020-09-25 | 广东电网有限责任公司 | 一种日前市场异常电价辨识方法、装置、设备和存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070103006A1 (en) * | 2005-11-09 | 2007-05-10 | Mitsubishi Denki Kabushiki Kaisha | Abnormality detection apparatus for a power feed circuit |
US20110153236A1 (en) * | 2008-04-14 | 2011-06-23 | Michel Montreuil | Electrical anomaly detection method and system |
CN103177341A (zh) * | 2013-03-29 | 2013-06-26 | 山东电力集团公司 | 一种线损精益化综合管理***及方法 |
CN103729746A (zh) * | 2014-01-17 | 2014-04-16 | 深圳供电局有限公司 | 一种线损异常定位的方法及*** |
JP2014117089A (ja) * | 2012-12-11 | 2014-06-26 | Brother Ind Ltd | 電圧異常検出装置 |
CN104407268A (zh) * | 2014-11-27 | 2015-03-11 | 国家电网公司 | 基于电量、电压和电流异常分析的异常用电判断方法 |
CN106779069A (zh) * | 2016-12-08 | 2017-05-31 | 国家电网公司 | 一种基于神经网络的异常用电检测方法 |
CN107220906A (zh) * | 2017-05-31 | 2017-09-29 | 国网上海市电力公司 | 基于用电采集***的多时间尺度用电异常分析方法 |
-
2017
- 2017-11-20 CN CN201711154836.7A patent/CN108062616B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070103006A1 (en) * | 2005-11-09 | 2007-05-10 | Mitsubishi Denki Kabushiki Kaisha | Abnormality detection apparatus for a power feed circuit |
US20110153236A1 (en) * | 2008-04-14 | 2011-06-23 | Michel Montreuil | Electrical anomaly detection method and system |
JP2014117089A (ja) * | 2012-12-11 | 2014-06-26 | Brother Ind Ltd | 電圧異常検出装置 |
CN103177341A (zh) * | 2013-03-29 | 2013-06-26 | 山东电力集团公司 | 一种线损精益化综合管理***及方法 |
CN103729746A (zh) * | 2014-01-17 | 2014-04-16 | 深圳供电局有限公司 | 一种线损异常定位的方法及*** |
CN104407268A (zh) * | 2014-11-27 | 2015-03-11 | 国家电网公司 | 基于电量、电压和电流异常分析的异常用电判断方法 |
CN106779069A (zh) * | 2016-12-08 | 2017-05-31 | 国家电网公司 | 一种基于神经网络的异常用电检测方法 |
CN107220906A (zh) * | 2017-05-31 | 2017-09-29 | 国网上海市电力公司 | 基于用电采集***的多时间尺度用电异常分析方法 |
Non-Patent Citations (6)
Title |
---|
DEVIKA BHAGWANDIN,VRIJESH TRIPATHI,PATRICK HOSEIN: "Association Rule Mining of Household Electrical Energy Usage", COMMUNICATIONS AND INFORMATION TECHNOLOGY, pages 1 - 5 * |
侯克男;杨立新;樊琳;丁贺苹;: "多功能现场用电检查终端关键技术研究", 电气技术, no. 01, pages 52 - 54 * |
田野,张程,毛昕儒,刘骥: "运用PCA 改进BP 神经网络的用电异常行为检测", 重庆理工大学学报( 自然科学), vol. 31, no. 8, pages 125 - 133 * |
肖建红;: "低压台区线损异常的监测与分析", 电力需求侧管理, no. 03, pages 53 - 54 * |
鞠常荣: "基于用户行为的在线用电异常监测***的实现", 数字产业, pages 53 - 54 * |
魏梅芳;甘明;王宇;: "基于用电信息采集***的反窃降损分析", 湖南电力, no. 06, pages 58 - 61 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109116072A (zh) * | 2018-06-29 | 2019-01-01 | 广东电网有限责任公司 | 窃电分析方法、装置及服务器 |
CN109253750A (zh) * | 2018-09-18 | 2019-01-22 | 中国电力科学研究院有限公司 | 一种计量设备的计量累计值增量过大异常状态判断方法及*** |
CN111709790A (zh) * | 2020-06-19 | 2020-09-25 | 广东电网有限责任公司 | 一种日前市场异常电价辨识方法、装置、设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108062616B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107340492B (zh) | 基于大数据挖掘和场景预判的电能计量装置故障分析方法 | |
CN111026927B (zh) | 一种低压台区运行状态智能监测*** | |
CN105588995B (zh) | 一种电力计量自动化***线损异常检测方法 | |
CN104134999B (zh) | 基于多数据源的配电网量测有效性分析实用化计算方法 | |
CN108490288B (zh) | 一种窃电检测方法及*** | |
CN111651721B (zh) | 一种基于时空关联矩阵的反窃电预警方法 | |
CN106356844B (zh) | 一种配电网台区线损异常原因的分析方法 | |
CN102866321A (zh) | 一种自适应的防窃漏电诊断方法 | |
CN103617568A (zh) | 稳态电能质量预警机制中的异常数据判定阈值设定方法 | |
CN109298379A (zh) | 一种基于数据监测的智能电表现场误差异常的识别方法 | |
CN110749784B (zh) | 一种基于电力数据小波分析的线路窃电检测方法 | |
CN108062616A (zh) | 一种具有约束条件的用电异常检测模型 | |
Lo et al. | Non-technical loss detection using smart distribution network measurement data | |
CN105548949A (zh) | 一种智能电能表的故障远程判断方法及其*** | |
CN113708500B (zh) | 一种低压用电异常监测***及方法 | |
Luan et al. | Energy theft detection via integrated distribution state estimation based on AMI and SCADA measurements | |
CN106908752A (zh) | 一种基于特征分组的电能计量异常诊断方法及*** | |
CN109270316A (zh) | 一种电力用户用电量异常识别方法、装置及终端设备 | |
CN105510864B (zh) | 一种电能表误差计量的检测方法 | |
CN113655430A (zh) | 一种批量监测并自动判断三相三线错误接线的方法 | |
CN105391075B (zh) | 线损无功电压综合管理方法 | |
CN114240041A (zh) | 配网台区精益化线损分析方法及*** | |
CN207036924U (zh) | 电能测量比较判断装置 | |
Zhang et al. | Method for single-phase electric meter phase discrimination based on multiple linear regression | |
CN106709623B (zh) | 一种基于风险计算模型的电网营销稽查风险管控方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |