CN110968838A - 基于智能电能表开盖事件的用电异常分析方法 - Google Patents

基于智能电能表开盖事件的用电异常分析方法 Download PDF

Info

Publication number
CN110968838A
CN110968838A CN201911201428.1A CN201911201428A CN110968838A CN 110968838 A CN110968838 A CN 110968838A CN 201911201428 A CN201911201428 A CN 201911201428A CN 110968838 A CN110968838 A CN 110968838A
Authority
CN
China
Prior art keywords
electricity utilization
time node
electricity
electric energy
energy meter
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.)
Pending
Application number
CN201911201428.1A
Other languages
English (en)
Inventor
唐伟宁
鞠默欣
孔凡强
姜瀚书
刘璐
崔晗
周子平
于旭
张宇
洪书娟
郑楠
丁强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
STATE GRID JILINSHENG ELECTRIC POWER SUPPLY Co ELECTRIC POWER RESEARCH INSTITUTE
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd
Original Assignee
STATE GRID JILINSHENG ELECTRIC POWER SUPPLY Co ELECTRIC POWER RESEARCH INSTITUTE
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by STATE GRID JILINSHENG ELECTRIC POWER SUPPLY Co ELECTRIC POWER RESEARCH INSTITUTE, State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Jilin Electric Power Co Ltd filed Critical STATE GRID JILINSHENG ELECTRIC POWER SUPPLY Co ELECTRIC POWER RESEARCH INSTITUTE
Priority to CN201911201428.1A priority Critical patent/CN110968838A/zh
Publication of CN110968838A publication Critical patent/CN110968838A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Economics (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

基于智能电能表开盖事件的用电异常分析方法属于智能电能表用电检测技术领域。本发明通过用电信息采集***获取到的电能表开盖事件记录，以用户电能表开盖事件的时间为数据分析的时间节点，对在该时间节点前后的用户用电数据、台区线损数据进行分析，根据设定的判断依据，筛选出存在异常用电情况的用户，为现场用电检查人员提供科学、有效的参考依据，为供电企业反窃电工作提供一种快捷、有效的分析手段，进一步提高对窃电用户的识别能力。

Description

基于智能电能表开盖事件的用电异常分析方法
技术领域
本发明属于智能电能表用电检测技术领域，特别是涉及到一种基于智能电能表开盖事件的用电异常分析方法。
背景技术
随着电力用户用电信息采集***推广应用，大部分网省公司已经实现了智能电能表的全覆盖，智能电能表的普及改变了传统人工抄表方式，进一步推进了智能电网的建设。智能电能表作为电网末端与用户直接互动的设备，具有电能量计量、数据处理、实时监测、自动控制、信息交互等功能，除了可以存储电能量、负荷记录等数据外，还可监测如电能表开表盖、电池欠压、时钟异常等异常事件的发生，并产生事件信息，上报给采集***主站。目前，对智能电能表事件信息的应用仅限于事件本身，并没有充分利用事件信息和电表电量等数据的关系开展用户用电异常分析。
因此现有技术当中亟需要一种新型的技术方案来解决这一问题。
发明内容
本发明所要解决的技术问题是：提供一种基于智能电能表开盖事件的用电异常分析方法用于解决目前，对智能电能表事件信息的应用仅限于事件本身，没有用户用电异常分析的技术问题。
基于智能电能表开盖事件的用电异常分析方法，包括以下步骤并且以下步骤顺次进行，
步骤一、智能电能表将电能表表盖开启的告警信号以及该事件的相应信息上报至用电信息采集***；
步骤二、用电信息采集***记录电能表开盖事件发生的时间，并且以该时间为数据分析的时间节点，以24小时为一天设定统计天数，分别对用户在该时间节点前的用电数据、该时间节点后的用电数据、该时间节点前的台区线损率数据以及该时间节点后的台区线损率数据进行统计；
步骤三、将统计的时间节点前的用电数据、时间节点后的用电数据、时间节点前的台区线损率数据以及时间节点后的台区线损率数据分别按照固定天数累计，分别取时间节点前的用电数据累计结果与时间节点后的用电数据累计结果的比值作为用电量评定值，分别取时间节点前的台区线损率数据累计结果与时间节点后的台区线损率数据累计结果的比值作为台区线损评定值；
步骤四、取电量评定值的最小值k与设定的用电量判别阈值k0对比，取台区线损评定值的最大值l与台区线损判别阈值l0对比，
同时满足k≤k0和l≤l0，电信息采集***在屏幕上显示该用户用电正常，停止监控；
同时满足k>k0和l<l0，电信息采集***在屏幕上显示该用户可能存在窃电行为，用电检查人员进行现场检查；
满足k>k0或l<l0，电信息采集***显示该用户为重点监控用户，取时间节点后设定天数值作为新的时间节点，重复步骤二至步骤四，直至重复次数达到设定值后停止监控或该用户在电信息采集***显示该用户可能存在窃电行为，用电检查人员进行现场检查。
所述事件的相应信息包括发生时间、测量点号、开表盖总次数。
通过上述设计方案，本发明可以带来如下有益效果：
本发明通过用电信息采集***获取到的电能表开盖事件记录，以用户电能表开盖事件的时间为数据分析的时间节点，对在该时间节点前后的用户用电数据、台区线损数据进行分析，根据设定的判断依据，筛选出存在异常用电情况的用户，为现场用电检查人员提供科学、有效的参考依据，为供电企业反窃电工作提供一种快捷、有效的分析手段，进一步提高对窃电用户的识别能力。
附图说明
以下结合附图和具体实施方式对本发明作进一步的说明：
图1为本发明基于智能电能表开盖事件的用电异常分析方法的流程框图。
图2为本发明基于智能电能表开盖事件的用电异常分析方法的实施例中开盖前事件发生前后14天线损率数据对比图。
图3为本发明基于智能电能表开盖事件的用电异常分析方法的实施例中开盖前事件发生前后14天用电量对比图。
具体实施方式
在非电力作业人员操作的情况下，若电能表生成开表盖事件，说明可能存在人为破坏电能表的现象发生，同时对用户存在窃电行为最直接的判断的依据就是用户用电量突降、台区线损增加，因此为实现对用户用电异常情况的判断，需要从采集***数据库中提取用户电能表开盖事件记录信息、用户用电量数据、用户所在台区的台区线损数据，并将用户电能表开盖事件的时间作为数据分析的时间节点，对在该时间节点前后的用户用电数据、台区线损数据进行分析，筛选出存在异常用电情况的用户。
实施例：
基于智能电能表开盖事件的用电异常分析方法流程如图1所示。智能电能表能够将电能表表盖开启的告警信息，即“电能表开盖事件”上报至用电信息采集***中，该事件记录包括：发生时间：分时日月年、测量点号、开表盖总次数等信息。通过对发生电能表开盖事件的用户及其所在台区电量情况进行分析、比对，形成电能表开盖事件前后用电异常分析方法。
通过用电信息采集***查询某供电公司的用户曲**的电能表于2018年12 月20日产生了开表盖事件，提取该用户电能表开盖事件发生时间节点t之前14 天和之后14天的用户用电量和台区线损率情况，前8～14天、前1～7天、后1～7 天、后8～14天的用户用电量分别表示为W1、W2、W3、W4和所在台区线损率分别表示为ΔA1、ΔA2、ΔA3、ΔA4。如表1和表2所示。
表1用户用电量情况统计
Figure RE-GDA0002356030530000031
表2用户所在台区线损情况统计
Figure RE-GDA0002356030530000032
令电量评定值：k13＝W1/W3，k23＝W2/W3，k14＝W1/W4，k24＝W2/W4，电量评定值的最小值k＝min{k13，k23，k14，k24}；令台区线损评定值：l13＝ΔA1/ΔA3，l23＝ΔA2/ΔA3， l14＝ΔA1/ΔA4，l24＝ΔA2/ΔA4，台区线损评定值的最大值l＝max{ΔA13，ΔA23，ΔA14，ΔA24}。
根据以上用户用电量和其所在台区的线损数据，可以绘制相应的对比图，如图3所示。
从图3中可以看出，12月20号开盖事件发生后，用户所在台区线损率明显增大，从开盖前的4％左右到开盖后9％左右，说明该用户电能表开盖事件对台区的线损率造成了影响。
从图中可以看出，该用户12月20日之前的用电量水平明显高于12月20 日之后的用电量水平，说明该用户电能表开盖事件发生后，用户的用电量突降。
具体的判断依据如下：
(1)用户用电量在电能表开盖事件时间节点前后发生变化，该时间节点之前的用电量大于之后的用电量(k>k0)，说明用户用电量突降；
(2)台区线损率在电能表开盖事件时间节点前后发生变化，该时间节点之前的台区线损率小于之后的线损率(l<l0)，说明台区线损增加；
(3)同时满足(1)、(2)两个条件时，判断该用户可能存在窃电行为，若仅有一个条件满足时，将该用户作为重点用户进行监控。
表3给出了通过计算得到的k与用电量判别阀值k0、l与台区线损判别阀值 l0的比较。
表3k与用电量判别阀值k0、l与台区线损判别阀值l0对比
k 用电量判别阀值k<sub>0</sub> l 台区线损判别阀值l<sub>0</sub>
1.83 1.5 0.47 0.7
通过表3可以看出，k>k0且l<l0，满足用户异常用电判断条件，说明该用户存在窃的可能。经用电检查人员现场核查发现，该用户确有开表盖窃电行为的发生，进一步说明了本分析方法的实用性和有效性。
通过比较k与用电量判别阀值k0、l与台区线损判别阀值l0的大小关系，综合判断用户是否存在异常用电的情况。其中，用电量判别阀值k0和台区线损判别阀值l0的初始建议值为1.5和0.7，可以根据实际情况进行调整。

Claims (2)

1.基于智能电能表开盖事件的用电异常分析方法，其特征是：包括以下步骤并且以下步骤顺次进行，
步骤一、智能电能表将电能表表盖开启的告警信号以及该事件的相应信息上报至用电信息采集***；
步骤二、用电信息采集***记录电能表开盖事件发生的时间，并且以该时间为数据分析的时间节点，以24小时为一天设定统计天数，分别对用户在该时间节点前的用电数据、该时间节点后的用电数据、该时间节点前的台区线损率数据以及该时间节点后的台区线损率数据进行统计；
步骤三、将统计的时间节点前的用电数据、时间节点后的用电数据、时间节点前的台区线损率数据以及时间节点后的台区线损率数据分别按照固定天数累计，分别取时间节点前的用电数据累计结果与时间节点后的用电数据累计结果的比值作为用电量评定值，分别取时间节点前的台区线损率数据累计结果与时间节点后的台区线损率数据累计结果的比值作为台区线损评定值；
步骤四、取电量评定值的最小值k与设定的用电量判别阈值k0对比，取台区线损评定值的最大值l与台区线损判别阈值l0对比，
同时满足k≤k0和l≤l0，电信息采集***在屏幕上显示该用户用电正常，停止监控；
同时满足k>k0和l<l0，电信息采集***在屏幕上显示该用户可能存在窃电行为，用电检查人员进行现场检查；
满足k>k0或l<l0，电信息采集***显示该用户为重点监控用户，取时间节点后设定天数值作为新的时间节点，重复步骤二至步骤四，直至重复次数达到设定值后停止监控或该用户在电信息采集***显示该用户可能存在窃电行为，用电检查人员进行现场检查。
2.根据权利要求1所述的基于智能电能表开盖事件的用电异常分析方法，其特征是：所述事件的相应信息包括发生时间、测量点号、开表盖总次数。
CN201911201428.1A 2019-11-29 2019-11-29 基于智能电能表开盖事件的用电异常分析方法 Pending CN110968838A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911201428.1A CN110968838A (zh) 2019-11-29 2019-11-29 基于智能电能表开盖事件的用电异常分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911201428.1A CN110968838A (zh) 2019-11-29 2019-11-29 基于智能电能表开盖事件的用电异常分析方法

Publications (1)

Publication Number Publication Date
CN110968838A true CN110968838A (zh) 2020-04-07

Family

ID=70032104

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911201428.1A Pending CN110968838A (zh) 2019-11-29 2019-11-29 基于智能电能表开盖事件的用电异常分析方法

Country Status (1)

Country Link
CN (1) CN110968838A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221931A (zh) * 2020-12-23 2021-08-06 国网吉林省电力有限公司电力科学研究院 一种基于用电信息采集大数据分析的反窃电智能识别方法
CN113985094A (zh) * 2021-10-22 2022-01-28 国网上海市电力公司 一种适用于非居民表箱的边缘线损异动溯源方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106291253A (zh) * 2016-09-23 2017-01-04 国网天津市电力公司 一种防窃电预警分析方法
CN107742127A (zh) * 2017-10-19 2018-02-27 国网辽宁省电力有限公司 一种改进的防窃电智能预警***及方法
CN110082645A (zh) * 2019-05-28 2019-08-02 广东电网有限责任公司 一种台区窃电用户排查***
CN110097297A (zh) * 2019-05-21 2019-08-06 国网湖南省电力有限公司 一种多维度窃电态势智能感知方法、***、设备及介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106291253A (zh) * 2016-09-23 2017-01-04 国网天津市电力公司 一种防窃电预警分析方法
CN107742127A (zh) * 2017-10-19 2018-02-27 国网辽宁省电力有限公司 一种改进的防窃电智能预警***及方法
CN110097297A (zh) * 2019-05-21 2019-08-06 国网湖南省电力有限公司 一种多维度窃电态势智能感知方法、***、设备及介质
CN110082645A (zh) * 2019-05-28 2019-08-02 广东电网有限责任公司 一种台区窃电用户排查***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈仕军 等: ""基于曲线相似度和关联分析的窃电智能识别与预警"", 《浙江电力》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113221931A (zh) * 2020-12-23 2021-08-06 国网吉林省电力有限公司电力科学研究院 一种基于用电信息采集大数据分析的反窃电智能识别方法
CN113985094A (zh) * 2021-10-22 2022-01-28 国网上海市电力公司 一种适用于非居民表箱的边缘线损异动溯源方法及装置

Similar Documents

Publication Publication Date Title
CN110824270B (zh) 结合台区线损和异常事件的窃电用户辨识方法及装置
CN110097297B (zh) 一种多维度窃电态势智能感知方法、***、设备及介质
CN111609883B (zh) 一种基于大数据的通信机房防护监测管理***
CN103792420B (zh) 基于负荷曲线的防窃电及用电监察方法
CN109948877B (zh) 一种基于异常事件组合的用电异常精准分析方法
CN109447496B (zh) 窃电行为判定方法及终端设备
CN107862467A (zh) 一种基于大数据平台的电网综合数据指标监测方法及***
CN113221931B (zh) 一种基于用电信息采集大数据分析的反窃电智能识别方法
CN110749784B (zh) 一种基于电力数据小波分析的线路窃电检测方法
CN110954782B (zh) 基于密度峰值聚类的配网瞬时性故障识别方法及***
CN110689279A (zh) 一种基于电力负荷数据的居民用电安全隐患分析***及方法
CN110968838A (zh) 基于智能电能表开盖事件的用电异常分析方法
CN107329877A (zh) 机票业务监控执行***及方法
CN107666148A (zh) 基于配变停电信号的线路故障研判方法
CN108233323A (zh) 一种漏电检测***
CN110047013B (zh) 反专变用户间断型窃电方法
CN115049410A (zh) 窃电行为识别方法、装置、电子设备及计算机可读存储介质
CN117691722B (zh) 一种锂电池充电安全监测预警方法及***
US7769651B2 (en) Method and system of processing billing data
CN106199251A (zh) 一种基于自适应建模分析的配电网故障预警***及方法
CN111932078A (zh) 基于量测数据多态势评判的风险用户识别方法
CN111313355B (zh) 一种人工监督下的监控信号事件规则更新的方法
CN114295880A (zh) 一种电力窃电精准定位及异常用电行为检测分析模型
CN113888360A (zh) 一种窃电用户识别方法、装置、设备及存储介质
CN110555048B (zh) 一种基于计量异常关联度模型的故障原因疑似度分析方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200407

RJ01 Rejection of invention patent application after publication