CN111521868A - 一种基于计量大数据筛查窃电用户的方法及装置 - Google Patents
一种基于计量大数据筛查窃电用户的方法及装置 Download PDFInfo
- Publication number
- CN111521868A CN111521868A CN202010350050.8A CN202010350050A CN111521868A CN 111521868 A CN111521868 A CN 111521868A CN 202010350050 A CN202010350050 A CN 202010350050A CN 111521868 A CN111521868 A CN 111521868A
- Authority
- CN
- China
- Prior art keywords
- electricity
- electricity stealing
- users
- stealing
- screening
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 414
- 238000012216 screening Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000006399 behavior Effects 0.000 claims abstract description 144
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 55
- 230000000007 visual effect Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000013211 curve analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000006727 cell loss Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R22/00—Arrangements for measuring time integral of electric power or current, e.g. electricity meters
- G01R22/06—Arrangements for measuring time integral of electric power or current, e.g. electricity meters by electronic methods
- G01R22/061—Details of electronic electricity meters
- G01R22/066—Arrangements for avoiding or indicating fraudulent use
-
- 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)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Power Engineering (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)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种基于计量大数据筛查窃电用户的方法及装置,其中方法包括: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。本发明实施例提供的技术方案实现了精准有效的定位窃电用户,提高了筛查窃电用户的工作效率。
Description
技术领域
本发明实施例涉及筛查窃电领域,尤其涉及一种基于计量大数据筛查窃电用户的方法及装置。
背景技术
随着电力客户数量快速增长,窃电现象也日益严重,窃电不仅损害了供电公司的经济利益,同时也给用电安全带来了隐患。每年因电量流失而造成的经济损失巨大,但能够被供电部门成功查处的案件只占少部分。窃电用户在实施窃电过程中,可能会造成电网不正常运行,影响了安全用电,甚至在有些窃电案例中,发生了短路造成的火灾、***等。
传统反窃电检查方式以台区全量用户现场检查为主,具有一定的局限性和迟缓性,筛查窃电用户的工作效率低。
发明内容
本发明实施例提供了一种基于计量大数据筛查窃电用户的方法及装置,以精准有效定位窃电用户,提高筛查窃电用户的工作效率。
第一方面,本发明实施例提供了一种基于计量大数据筛查窃电用户的方法,包括:
获取计量大数据,其中,所述计量大数据包括用电量、台区损失电量和线损率;
根据所述计量大数据,确定窃电行为特征;
利用预设算法并根据所述窃电行为特征,计算窃电行为相关参数阈值;
利用所述预设算法并根据目标台区的计量大数据,计算所述目标台区内用户的窃电行为相关参数;
将所述窃电行为相关参数与所述窃电行为相关参数阈值进行比较;
根据比较结果筛查所述目标台区内的窃电嫌疑用户。
可选的,根据所述计量大数据,确定窃电行为特征,包括:
从所述计量大数据提取设定时间内的历史窃电用户的用电量以及台区损失电量和线损率;
分析所述历史窃电用户的每日用电量以及对应每日的台区损失电量和线损率,得到所述历史窃电用户的用电量的共同特征以及对应的台区损失电量的共同特征和线损率的共同特征;
根据所述历史窃电用户的用电量的共同特征以及对应的台区损失电量的共同特征和线损率的共同特征,确定所述窃电行为特征。
可选的,所述窃电行为特征包括:
月初和月末的用电量大于零,并且月中有大于或等于10日的用电量为零;
或者,月初和月末的线损率或台区损失电量低于月中的线损率或台区损失电量。
可选的,利用预设算法并根据所述窃电行为特征,计算窃电行为相关参数阈值,包括以下至少一种:
根据历史窃电用户的用电量,计算历史窃电用户的用电量的方差阈值;
根据历史窃电用户的用电量和对应时日内的线损率,计算历史窃电用户的用电量与线损率之间的皮尔逊相关系数阈值;
根据历史窃电用户的用电量和对应时日内的台区损失电量,计算历史窃电用户的用电量与台区损失电量的皮尔逊相关系数阈值。
可选的,利用所述预设算法并根据目标台区的计量大数据,计算所述目标台区内用户的窃电行为相关参数,包括以下至少一种:
根据所述目标台区内用户的用电量,计算用户的用电量的方差;
根据所述目标台区内用户的用电量和对应时日内的线损率,计算用户的用电量与线损率之间的皮尔逊相关系数;
根据所述目标台区内用户的用电量和对应时日内的台区损失电量,计算用户的用电量与台区损失电量的皮尔逊相关系数;
根据比较结果筛查所述目标台区内的窃电嫌疑用户,包括以下至少一种:
若所述方差大于或等于所述方差阈值,则判定当前用户为窃电嫌疑用户;
若所述皮尔逊相关系数的绝对值大于或等于所述皮尔逊相关系数阈值的绝对值,则判定当前用户为窃电嫌疑用户。
可选的,还包括:
基于步骤利用所述预设算法并根据目标台区的计量大数据,计算所述目标台区内用户的窃电行为相关参数,步骤将所述窃电行为相关参数与所述窃电行为相关参数阈值进行比较以及步骤根据比较结果筛查所述目标台区内的窃电嫌疑用户,生成规则算法,以利用所述规则算法筛查窃电嫌疑用户。
可选的,还包括:
利用Visual Basic脚本将所述规则算法集成在Excel宏文件中。
可选的,在根据比较结果筛查所述目标台区内的窃电嫌疑用户之后,还包括:
生成目标台区的数据看板和用户电量曲线图。
可选的,在生成目标台区的数据看板和用户电量曲线图之后,还包括:
对窃电嫌疑用户做异常标记。
第二方面,本发明实施例提供了一种基于计量大数据筛查窃电用户的装置,包括:
获取模块,所述获取模块用于获取计量大数据,其中,所述计量大数据包括用电量、台区损失电量和线损率;
窃电行为特征确定模块,所述窃电行为特征确定模块用于根据所述计量大数据,确定窃电行为特征;
第一计算模块,所述第一计算模块用于利用预设算法并根据所述窃电行为特征,计算窃电行为相关参数阈值;
第二计算模块,所述第二计算模块用于利用所述预设算法并根据目标台区的计量大数据,计算所述目标台区内用户的窃电行为相关参数;
比较模块,所述比较模块用于将所述窃电行为相关参数与所述窃电行为相关参数阈值进行比较;
筛查模块,所述筛查模块用于根据比较结果筛查所述目标台区内的窃电嫌疑用户。
本发明实施例提供的基于计量大数据筛查窃电用户的方法及装置,通过获取计量大数据,其中,所述计量大数据包括用电量、台区损失电量和线损率;根据所述计量大数据,确定窃电行为特征;利用预设算法并根据所述窃电行为特征,计算窃电行为相关参数阈值;利用所述预设算法并根据目标台区的计量大数据,计算所述目标台区内用户的窃电行为相关参数;将所述窃电行为相关参数与所述窃电行为相关参数阈值进行比较;根据比较结果筛查所述目标台区内的窃电嫌疑用户。根据窃电用户的窃电行为特征计算窃电行为相关参数阈值,通过窃电行为相关参数阈值比较目标台区内用户的窃电行为相关参数进而筛查出窃电嫌疑用户,实现了精准有效的定位窃电用户,提高了筛查窃电用户的工作效率。
附图说明
图1是本发明实施例一提供的一种基于计量大数据筛查窃电用户的方法流程图;
图2是本发明实施例二提供的一种基于计量大数据筛查窃电用户的方法流程图;
图3是本发明实施例三提供的一种基于计量大数据筛查窃电用户的方法流程图;
图4是本发明实施例三提供的一种窃电嫌疑用户的用电量与台区损失电量对比图;
图5是本发明实施例四提供的一种基于计量大数据筛查窃电用户的装置的结构框图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
本发明实施例提供了一种基于计量大数据筛查窃电用户的方法,图1是本发明实施例一提供的一种基于计量大数据筛查窃电用户的方法流程图,参考图1,方法包括:
S10、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。
具体的,从计量自动化***的计量数据库中提取用户的抄表数据表和台区线损表,根据用户的抄表数据表和台区线损表获取计量大数据。其中,计量大数据包括用电量、台区损失电量和线损率。抄表数据表中包括所提取台区的用户的每日的用电量。台区损失电量为台区供入电量与台区供出电量的差值;线损率为台区损失电量与台区供入电量的比值。
S20、根据计量大数据,确定窃电行为特征。
具体的,窃电行为特征是用户为规避供电局抄表或现场检查而停用窃电装置的行为,具有规律性,通过计量数据库提取计量大数据。已知某个用户窃电被供电部门抓获,提取该窃电用户预设时间段内的日电量以及该窃电用户所在台区对应时间段内的台区损失电量和线损率。为获得准确地窃电行为特征,分析多数个窃电用户的日用电量以及台区损失电量和线损率以得到共同点,进而根据得到的共同点确定窃电行为特征。
S30、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。
具体的,利用预设算法并根据具有窃电行为特征用户的日用电量以及台区损失电量和线损率,计算出窃电行为相关参数阈值。窃电行为相关参数阈值包括根据已确认为窃电用户即历史窃电用户在设定时间区间内的日用电量计算得到的参数阈值。窃电行为相关参数阈值还可以包括根据已确认有窃电用户即历史窃电用户所在台区的对应时间段内的每日台区损失电量得到的参数阈值。窃电行为相关参数阈值还可以包括根据已确认有窃电用户即历史窃电用户所在台区的对应时间段内的每日线损率得到的参数阈值。即窃电行为相关参数阈值是基于已确定为窃电用户的窃电行为特征计算出来的。
S40、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。
具体的,从计量自动化***中导出目标台区内与步骤S30中相同时间段的用户抄表数据表以及台区线损表。从抄表数据表以及台区线损表中获取目标台区的计量大数据,即目标台区内用户的日用电量以及对应每日的台区损失电量和线损率。其中目标台区是指待筛查窃电嫌疑用户的台区。利用与步骤S30中相同的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。窃电行为相关参数包括根据待筛查用户在对应时间段内的日用电量计算得到的参数。窃电行为相关参数还可以包括根据待筛查用户所在台区的对应时间段内的每日台区损失电量得到的参数。窃电行为相关参数还可以包括根据待筛查用户所在台区的对应时间段内的每日线损率得到的参数。
S50、将窃电行为相关参数与窃电行为相关参数阈值进行比较。
具体的,将步骤S40中计算得到的目标台区内用户的窃电行为相关参数与步骤S30中基于已确定为窃电用户的窃电行为特征计算出来的窃电行为相关参数阈值进行数值上大小的比较。
S60、根据比较结果筛查目标台区内的窃电嫌疑用户。
具体的,若目标台区内所包含的用户中,具有窃电行为相关参数属于窃电行为相关参数阈值范围内的用户,则该用户即为被筛查出的目标台区内的窃电嫌疑用户。根据比较结果筛查目标台区内的窃电嫌疑用户,有效的定位窃电用户,使用方法简单易懂,提高了筛查窃电用户的工作效率。
本发明实施例提供的基于计量大数据筛查窃电用户的方法,方法包括: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;根据比较结果筛查所述目标台区内的窃电嫌疑用户。本发明实施例提供的技术方案根据窃电用户的窃电行为特征计算窃电行为相关参数阈值,通过窃电行为相关参数阈值比较目标台区内用户的窃电行为相关参数进而筛查出窃电嫌疑用户,实现了精准有效的定位窃电用户,提高了筛查窃电用户的工作效率。
实施例二
本发明实施例二提供了一种基于计量大数据筛查窃电用户的方法,在上述实施例一的基础上,本发明实施例二对基于计量大数据筛查窃电用户的方法进行了细化和补充。
其中,根据计量大数据,确定窃电行为特征包括:
从计量大数据提取设定时间内的历史窃电用户的用电量以及台区损失电量和线损率;
分析历史窃电用户的每日用电量以及对应每日的台区损失电量和线损率,得到历史窃电用户的用电量的共同特征以及对应的台区损失电量的共同特征和线损率的共同特征;
根据历史窃电用户的用电量的共同特征以及对应的台区损失电量的共同特征和线损率的共同特征,确定窃电行为特征。
图2是本发明实施例二提供的一种基于计量大数据筛查窃电用户的方法流程图,参考图2,该方法包括:
S210、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。
S220、从计量大数据提取设定时间内的历史窃电用户的用电量以及台区损失电量和线损率。
具体的,从计量数据库中提取用户的抄表数据表和台区线损表,从抄表数据表和台区线损表中提取设定时间内历史窃电用户的用电量以及台区损失电量和线损率。例如设定时间区间为两个月,从第一个月的第一天到第二个月的最后一天,提取历史窃电用户所在台区内两个月内对应的每日的台区损失电量和线损率,以及历史窃电用户在设定的两个月内的全部日用电量的抄表数据。
S230、分析历史窃电用户的每日用电量以及对应每日的台区损失电量和线损率,得到历史窃电用户的用电量的共同特征以及对应的台区损失电量的共同特征和线损率的共同特征。
具体的,窃电行为特征是用户为规避供电局抄表或现场检查而停用窃电装置的行为,具有规律性,需要提取多个历史窃电用户在设定时间内的用电量以及台区损失电量和线损率。分析历史窃电用户的每日用电量以及对应每日的台区损失电量和线损率,得到历史窃电用户的用电量的共同特征以及对应的台区损失电量的共同特征和线损率的共同特征。例如,窃电用户每月1号会开启用来查电量消耗的窃电开关,此时获取窃电用户的抄表数据为实际产生的用电量。月中窃电用户会停止用来查电量消耗的窃电开关,此时获取窃电用户的抄表数据与实际产生的用电量不匹配,获取窃电用户的抄表数据低于实际产生的用电量,或获取窃电用户的抄表数据为零。
S240、根据历史窃电用户的用电量的共同特征以及对应的台区损失电量的共同特征和线损率的共同特征,确定窃电行为特征。
具体的,根据历史窃电用户的用电量的共同特征以及对应的台区损失电量的共同特征和线损率的共同特征,确定窃电行为特征。窃电行为特征包括:抄表数据中,月初和月末的用电量大于零,并且月中有大于或等于10日的用电量为零;或者,月初和月末的线损率或台区损失电量低于月中的线损率或台区损失电量。示例的,窃电行为特征可以表现为:以两个月为一个周期,月初前三、月末后两天用户产生用电量,月中有10日以上零电量。以4和5月份为例,4月1日至3日零电量日数小于等于1日;4月29日至5月3日零电量日数小于等于2日;5月30日至31日零电量日数小于等于1日;4月3日至4月28日零电量日数大于等于10日;5月4日至5月29日零电量日数大于等于10日。
S250、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。
可选的,利用预设算法并根据所述窃电行为特征,计算窃电行为相关参数阈值,包括以下至少一种:
根据历史窃电用户的用电量,计算历史窃电用户的用电量的方差阈值;
根据历史窃电用户的用电量和对应时日内的线损率,计算历史窃电用户的用电量与线损率之间的皮尔逊相关系数阈值;
根据历史窃电用户的用电量和对应时日内的台区损失电量,计算历史窃电用户的用电量与台区损失电量的皮尔逊相关系数阈值。
具体的,计算窃电行为相关参数阈值至少包括历史窃电用户的用电量的方差阈值、历史窃电用户的用电量与线损率之间的皮尔逊相关系数阈值和历史窃电用户的用电量与台区损失电量的皮尔逊相关系数阈值中的一种。根据历史窃电用户的用电量,计算历史窃电用户的用电量的方差阈值。可以对多个窃电用户的用电量利用方差公式计算出历史窃电用户的用电量的方差阈值,再对计算出的多个历史窃电用户的用电量的方差阈值求平均值,得到精确的历史窃电用户的用电量的方差阈值,进一步的提高对窃电嫌疑用户判断的准确性。计算历史窃电用户的用电量与线损率之间的皮尔逊相关系数阈值以及计算历史窃电用户的用电量与台区损失电量的皮尔逊相关系数阈值基于以下确定:
式中:r为样本相关系数,n为样本量;以及为样本平均值。例如根据历史窃电用户的用电量和对应时日内的线损率,计算历史窃电用户的用电量与线损率之间的皮尔逊相关系数阈值时,n为预设的天数,Xi为第i天的历史窃电用户的用电量,Yi为第i天的线损率,和分别为n天内历史窃电用户的用电量的平均值和线损率的平均值,此时计算出的样本相关系数r则为历史窃电用户的用电量与线损率之间的皮尔逊相关系数阈值。同理,根据历史窃电用户的用电量和对应时日内的台区损失电量,计算历史窃电用户的用电量与损失电量之间的皮尔逊相关系数阈值时,n为预设的天数,Xi为第i天的历史窃电用户的用电量,Yi为第i天的台区损失电量,和分别为n天内历史窃电用户的用电量的平均值和台区损失电量的平均值,此时计算出的样本相关系数r则为历史窃电用户的用电量与台区损失电量之间的皮尔逊相关系数阈值。利用预设算法并根据窃电行为特征计算出的窃电用户电量的方差阈值大于4,皮尔逊相关系数阈值小于-0.6。
S260、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。
可选的,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,包括以下至少一种:
根据目标台区内用户的用电量,计算用户的用电量的方差;
根据目标台区内用户的用电量和对应时日内的线损率,计算用户的用电量与线损率之间的皮尔逊相关系数;
根据目标台区内用户的用电量和对应时日内的台区损失电量,计算用户的用电量与台区损失电量的皮尔逊相关系数;
具体的,计算目标台区内用户的窃电行为相关参数至少包括用户的用电量的方差和用户的用电量与线损率之间的皮尔逊相关系数以及用户的用电量与台区损失电量的皮尔逊相关系数中的一种。从计量自动化***中导出与步骤S250中具有相同设定时间区间内的目标台区内用户的抄表数据表以及台区线损表。从抄表数据表以及台区线损表中获取目标台区的计量大数据,即目标台区内用户的日用电量以及对应每日的台区损失电量和线损率。其中目标台区是指待筛查窃电嫌疑用户的台区。利用方差公式计算出目标台区内用户的用电量的方差阈值;利用步骤S250中样本相关系数的计算公式计算出目标台区内用户的用电量和对应时日内的线损率之间的皮尔逊相关系数以及目标台区内用户的用电量和对应时日内的台区损失电量之间的皮尔逊相关系数。
S270、将窃电行为相关参数与窃电行为相关参数阈值进行比较。
S280、根据比较结果筛查目标台区内的窃电嫌疑用户。
可选的,根据比较结果筛查目标台区内的窃电嫌疑用户,包括以下至少一种:
若方差大于或等于所述方差阈值,则判定当前用户为窃电嫌疑用户;
若皮尔逊相关系数的绝对值大于或等于皮尔逊相关系数阈值的绝对值,则判定当前用户为窃电嫌疑用户。
具体的,根据比较结果筛查目标台区内的窃电嫌疑用户的判定条件包括比较历史窃电用户的用电量的方差阈值与目标台区内待筛查的用户的用电量的方差进行比较,若用户的方差大于或等于方差阈值,则判定当前用户为窃电嫌疑用户。根据比较结果筛查目标台区内的窃电嫌疑用户的判定条件还可以包括比较历史窃电用户的用电量与线损率之间的皮尔逊相关系数阈值与用户的用电量与线损率之间的皮尔逊相关系数,或比较历史窃电用户的用电量与台区损失电量之间的皮尔逊相关系数阈值与用户的用电量与台区损失电量之间的皮尔逊相关系数。若皮尔逊相关系数的绝对值大于或等于皮尔逊相关系数阈值的绝对值,则判定当前用户为窃电嫌疑用户。
本发明实施例二提供的基于计量大数据筛查窃电用户的方法,对根据计量大数据确定窃电行为特征进行了细化,并对利用预设算法并根据所述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,以及根据比较结果筛查所述目标台区内的窃电嫌疑用户进行了细化补充。本发明实施例提供的技术方案通过提取计量大数据和窃电用户行为特征,计算窃电行为相关参数阈值,窃电行为相关参数阈值包括历史窃电用户的用电量的方差阈值、历史窃电用户的用电量与线损率之间的皮尔逊相关系数阈值和/或历史窃电用户的用电量与台区损失电量之间的皮尔逊相关系数阈值,利用计算窃电行为相关参数阈值筛查窃电嫌疑用户,实现了精准有效的定位窃电用户,提高了筛查窃电用户的工作效率。
实施例三
本发明实施例三提供了一种基于计量大数据筛查窃电用户的方法,在上述实施例的基础上,本发明实施例三对基于计量大数据筛查窃电用户的方法进行了补充。
基于上述实施例步骤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,步骤将窃电行为相关参数与窃电行为相关参数阈值进行比较以及步骤根据比较结果筛查目标台区内的窃电嫌疑用户,生成规则算法,以利用所述规则算法筛查窃电嫌疑用户。本发明实施例提供的基于计量大数据筛查窃电用户的方法还包括:
利用Visual Basic脚本将所述规则算法集成在Excel宏文件中。
此外,在根据比较结果筛查所述目标台区内的窃电嫌疑用户之后,还包括:
生成目标台区的数据看板和用户电量曲线图。
图3是本发明实施例三提供的一种基于计量大数据筛查窃电用户的方法流程图,参考图3,该方法包括:
S310、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。
S320、根据计量大数据,确定窃电行为特征。
S330、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。
S340、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。
S350、将窃电行为相关参数与窃电行为相关参数阈值进行比较。
S360、根据比较结果筛查目标台区内的窃电嫌疑用户。
S370、基于步骤S340至步骤S360生成规则算法,利用Visual Basic脚本将规则算法集成在Excel宏文件中,以利用规则算法筛查窃电嫌疑用户。
S380、生成目标台区的数据看板和用户电量曲线图。
具体的,基于步骤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,步骤将窃电行为相关参数与窃电行为相关参数阈值进行比较以及步骤根据比较结果筛查目标台区内的窃电嫌疑用户,生成规则算法,利用Visual Basic脚本将规则算法进行编程并集成在Excel宏文件中,以利用规则算法筛查窃电嫌疑用户。同时编写Visual Basic脚本生成目标台区数据看板和用户电量曲线图,支持数据整理和曲线分析。可选的,还可以对窃电嫌疑用户做异常标记,Visual Basic脚本具备导出异常用户的功能,方便使用人员直观的进行排查并定位窃电用户,例如可以在目标台区数据看板中对窃电嫌疑用户标红以提醒工作人员。
示例性地,图4是本发明实施例三提供的一种窃电嫌疑用户的用电量与台区损失电量对比图,参考图4,曲线A为窃电嫌疑用户的用电量,其数值为从计量自动化***中导出的抄表数据;曲线B是窃电嫌疑用户所在台区对应的台区损失电量。从图4中可知,窃电嫌疑用户的抄表数据中在月初的前7天和月末的后3天的用电量大于零,此时间段内的用电量为该用户实际消耗的用电量,对应的时间段内台区损失电量较低。窃电嫌疑用户的抄表数据中在月中的20天内的用电量为零,对比该时间段内对应的台区损失电量,此时间段内的台区损失电量异常增大,进一步地确定该窃电嫌疑用户出现窃电行为,符合窃电行为特征。
本发明实施例三提供的基于计量大数据筛查窃电用户的方法,通过利用VisualBasic脚本将规则算法进行编程并集成在Excel宏文件中,以利用规则算法筛查窃电嫌疑用户,使用方法简单易懂,提高员工工作效率。同时编写Visual Basic脚本生成目标台区数据看板和用户电量曲线图支持数据整理和曲线分析,对窃电嫌疑用户做异常标记,实现了实时计算窃电嫌疑用户,直观显示相应用户用电曲线。利用算法实现精准有效定位窃电用户,提高了筛查窃电嫌疑用户精准度和效率。
实施例四
本发明实施例提供了一种基于计量大数据筛查窃电用户的装置,图5是本发明实施例四提供的一种基于计量大数据筛查窃电用户的装置的结构框图,参考图5,装置包括:
获取模块10,获取模块10用于获取计量大数据,其中,计量大数据包括用电量、台区损失电量和线损率;
窃电行为特征确定模块20,窃电行为特征确定模块20用于根据计量大数据,确定窃电行为特征;
第一计算模块30,第一计算模块30用于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;
第二计算模块40,第二计算模块40用于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;
比较模块50,比较模块50用于将窃电行为相关参数与窃电行为相关参数阈值进行比较;
筛查模块60,筛查模块60用于根据比较结果筛查目标台区内的窃电嫌疑用户。
本发明实施例四提供的基于计量大数据筛查窃电用户的装置,可用于本发明上述任意实施例所提供的基于计量大数据筛查窃电用户的方法,并与上述实施例具有相同的技术效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种基于计量大数据筛查窃电用户的方法,其特征在于,包括:
获取计量大数据,其中,所述计量大数据包括用电量、台区损失电量和线损率;
根据所述计量大数据,确定窃电行为特征;
利用预设算法并根据所述窃电行为特征,计算窃电行为相关参数阈值;
利用所述预设算法并根据目标台区的计量大数据,计算所述目标台区内用户的窃电行为相关参数;
将所述窃电行为相关参数与所述窃电行为相关参数阈值进行比较;
根据比较结果筛查所述目标台区内的窃电嫌疑用户。
2.根据权利要求1所述的基于计量大数据筛查窃电用户的方法,其特征在于,根据所述计量大数据,确定窃电行为特征,包括:
从所述计量大数据提取设定时间内的历史窃电用户的用电量以及台区损失电量和线损率;
分析所述历史窃电用户的每日用电量以及对应每日的台区损失电量和线损率,得到所述历史窃电用户的用电量的共同特征以及对应的台区损失电量的共同特征和线损率的共同特征;
根据所述历史窃电用户的用电量的共同特征以及对应的台区损失电量的共同特征和线损率的共同特征,确定所述窃电行为特征。
3.根据权利要求2所述的基于计量大数据筛查窃电用户的方法,其特征在于,所述窃电行为特征包括:
月初和月末的用电量大于零,并且月中有大于或等于10日的用电量为零;
或者,月初和月末的线损率或台区损失电量低于月中的线损率或台区损失电量。
4.根据权利要求1所述的基于计量大数据筛查窃电用户的方法,其特征在于,利用预设算法并根据所述窃电行为特征,计算窃电行为相关参数阈值,包括以下至少一种:
根据历史窃电用户的用电量,计算历史窃电用户的用电量的方差阈值;
根据历史窃电用户的用电量和对应时日内的线损率,计算历史窃电用户的用电量与线损率之间的皮尔逊相关系数阈值;
根据历史窃电用户的用电量和对应时日内的台区损失电量,计算历史窃电用户的用电量与台区损失电量的皮尔逊相关系数阈值。
5.根据权利要求4所述的基于计量大数据筛查窃电用户的方法,其特征在于,利用所述预设算法并根据目标台区的计量大数据,计算所述目标台区内用户的窃电行为相关参数,包括以下至少一种:
根据所述目标台区内用户的用电量,计算用户的用电量的方差;
根据所述目标台区内用户的用电量和对应时日内的线损率,计算用户的用电量与线损率之间的皮尔逊相关系数;
根据所述目标台区内用户的用电量和对应时日内的台区损失电量,计算用户的用电量与台区损失电量的皮尔逊相关系数;
根据比较结果筛查所述目标台区内的窃电嫌疑用户,包括以下至少一种:
若所述方差大于或等于所述方差阈值,则判定当前用户为窃电嫌疑用户;
若所述皮尔逊相关系数的绝对值大于或等于所述皮尔逊相关系数阈值的绝对值,则判定当前用户为窃电嫌疑用户。
6.根据权利要求1所述的基于计量大数据筛查窃电用户的方法,其特征在于,还包括:
基于步骤利用所述预设算法并根据目标台区的计量大数据,计算所述目标台区内用户的窃电行为相关参数,步骤将所述窃电行为相关参数与所述窃电行为相关参数阈值进行比较以及步骤根据比较结果筛查所述目标台区内的窃电嫌疑用户,生成规则算法,以利用所述规则算法筛查窃电嫌疑用户。
7.根据权利要求6所述的基于计量大数据筛查窃电用户的方法,其特征在于,还包括:
利用Visual Basic脚本将所述规则算法集成在Excel宏文件中。
8.根据权利要求1所述的基于计量大数据筛查窃电用户的方法,其特征在于,在根据比较结果筛查所述目标台区内的窃电嫌疑用户之后,还包括:
生成目标台区的数据看板和用户电量曲线图。
9.根据权利要求8所述的基于计量大数据筛查窃电用户的方法,其特征在于,在生成目标台区的数据看板和用户电量曲线图之后,还包括:
对窃电嫌疑用户做异常标记。
10.一种基于计量大数据筛查窃电用户的装置,其特征在于,包括:
获取模块,所述获取模块用于获取计量大数据,其中,所述计量大数据包括用电量、台区损失电量和线损率;
窃电行为特征确定模块,所述窃电行为特征确定模块用于根据所述计量大数据,确定窃电行为特征;
第一计算模块,所述第一计算模块用于利用预设算法并根据所述窃电行为特征,计算窃电行为相关参数阈值;
第二计算模块,所述第二计算模块用于利用所述预设算法并根据目标台区的计量大数据,计算所述目标台区内用户的窃电行为相关参数;
比较模块,所述比较模块用于将所述窃电行为相关参数与所述窃电行为相关参数阈值进行比较;
筛查模块,所述筛查模块用于根据比较结果筛查所述目标台区内的窃电嫌疑用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010350050.8A CN111521868B (zh) | 2020-04-28 | 2020-04-28 | 一种基于计量大数据筛查窃电用户的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010350050.8A CN111521868B (zh) | 2020-04-28 | 2020-04-28 | 一种基于计量大数据筛查窃电用户的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111521868A true CN111521868A (zh) | 2020-08-11 |
CN111521868B CN111521868B (zh) | 2022-07-29 |
Family
ID=71904786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010350050.8A Active CN111521868B (zh) | 2020-04-28 | 2020-04-28 | 一种基于计量大数据筛查窃电用户的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111521868B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112215479A (zh) * | 2020-09-27 | 2021-01-12 | 青岛鼎信通讯股份有限公司 | 一种基于自适应收缩岭回归的电表反窃电分析方法 |
CN112462133A (zh) * | 2020-11-06 | 2021-03-09 | 国网江苏省电力有限公司营销服务中心 | 一种高压用户私换互感器窃电判别方法 |
CN112684248A (zh) * | 2020-12-29 | 2021-04-20 | 广东电网有限责任公司中山供电局 | 一种基于数据回流的高危电能计量装置锁定方法 |
CN112730938A (zh) * | 2020-12-15 | 2021-04-30 | 北京科东电力控制***有限责任公司 | 一种基于用电采集大数据的窃电用户判断方法 |
CN112948456A (zh) * | 2021-01-19 | 2021-06-11 | 宁夏大学 | 一种基于EMD和Pearson互相关系数的异常用电行为检测方法 |
CN113094884A (zh) * | 2021-03-31 | 2021-07-09 | 天津大学 | 基于三层递进式分析模型的配电网用户窃电行为诊断方法 |
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 |
CN113313163A (zh) * | 2021-05-26 | 2021-08-27 | 广东电网有限责任公司计量中心 | 一种用电行为检测方法及*** |
CN113514695A (zh) * | 2021-03-04 | 2021-10-19 | 华北电力大学 | 适用于群体性固定比例窃电行为的检测***和检测方法 |
CN113888360A (zh) * | 2021-10-28 | 2022-01-04 | 广东电网有限责任公司 | 一种窃电用户识别方法、装置、设备及存储介质 |
CN114048245A (zh) * | 2021-11-09 | 2022-02-15 | 国网江苏省电力有限公司常州供电分公司 | 线损率异常的关联用户排查方法 |
CN114152896A (zh) * | 2021-11-29 | 2022-03-08 | 国网江苏省电力有限公司营销服务中心 | 一种基于采集平台的失准更换*** |
CN114742405A (zh) * | 2022-04-11 | 2022-07-12 | 国网江苏省电力有限公司营销服务中心 | 一种基于线损多维度相关性分析的窃电识别方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108490288A (zh) * | 2018-03-09 | 2018-09-04 | 华南师范大学 | 一种窃电检测方法及*** |
CN109190916A (zh) * | 2018-08-09 | 2019-01-11 | 国网浙江桐庐县供电有限公司 | 基于大数据分析的反窃电方法 |
CN109359848A (zh) * | 2018-10-09 | 2019-02-19 | 烟台海颐软件股份有限公司 | 一种线损异常相关的用电户识别方法与*** |
CN109490679A (zh) * | 2018-12-31 | 2019-03-19 | 天津求实智源科技有限公司 | 基于非侵入式负荷监测的智能窃电稽查***及方法 |
CN109753989A (zh) * | 2018-11-18 | 2019-05-14 | 韩霞 | 基于大数据与机器学习的电力用户窃电行为分析方法 |
CN110738415A (zh) * | 2019-10-15 | 2020-01-31 | 国网山西省电力公司晋中供电公司 | 基于用电采集***和离群点算法的窃电用户分析方法 |
CN110749784A (zh) * | 2019-08-05 | 2020-02-04 | 上海大学 | 一种基于电力数据小波分析的线路窃电检测方法 |
-
2020
- 2020-04-28 CN CN202010350050.8A patent/CN111521868B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108490288A (zh) * | 2018-03-09 | 2018-09-04 | 华南师范大学 | 一种窃电检测方法及*** |
CN109190916A (zh) * | 2018-08-09 | 2019-01-11 | 国网浙江桐庐县供电有限公司 | 基于大数据分析的反窃电方法 |
CN109359848A (zh) * | 2018-10-09 | 2019-02-19 | 烟台海颐软件股份有限公司 | 一种线损异常相关的用电户识别方法与*** |
CN109753989A (zh) * | 2018-11-18 | 2019-05-14 | 韩霞 | 基于大数据与机器学习的电力用户窃电行为分析方法 |
CN109490679A (zh) * | 2018-12-31 | 2019-03-19 | 天津求实智源科技有限公司 | 基于非侵入式负荷监测的智能窃电稽查***及方法 |
CN110749784A (zh) * | 2019-08-05 | 2020-02-04 | 上海大学 | 一种基于电力数据小波分析的线路窃电检测方法 |
CN110738415A (zh) * | 2019-10-15 | 2020-01-31 | 国网山西省电力公司晋中供电公司 | 基于用电采集***和离群点算法的窃电用户分析方法 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112215479A (zh) * | 2020-09-27 | 2021-01-12 | 青岛鼎信通讯股份有限公司 | 一种基于自适应收缩岭回归的电表反窃电分析方法 |
CN112215479B (zh) * | 2020-09-27 | 2022-03-25 | 青岛鼎信通讯股份有限公司 | 一种基于自适应收缩岭回归的电表反窃电分析方法 |
CN112462133A (zh) * | 2020-11-06 | 2021-03-09 | 国网江苏省电力有限公司营销服务中心 | 一种高压用户私换互感器窃电判别方法 |
CN112730938A (zh) * | 2020-12-15 | 2021-04-30 | 北京科东电力控制***有限责任公司 | 一种基于用电采集大数据的窃电用户判断方法 |
CN112730938B (zh) * | 2020-12-15 | 2023-05-02 | 北京科东电力控制***有限责任公司 | 一种基于用电采集大数据的窃电用户判断方法 |
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 |
CN112684248A (zh) * | 2020-12-29 | 2021-04-20 | 广东电网有限责任公司中山供电局 | 一种基于数据回流的高危电能计量装置锁定方法 |
CN112684248B (zh) * | 2020-12-29 | 2022-03-29 | 广东电网有限责任公司中山供电局 | 一种基于数据回流的高危电能计量装置锁定方法 |
CN112948456B (zh) * | 2021-01-19 | 2022-03-11 | 宁夏大学 | 一种基于EMD和Pearson互相关系数的异常用电行为检测方法 |
CN112948456A (zh) * | 2021-01-19 | 2021-06-11 | 宁夏大学 | 一种基于EMD和Pearson互相关系数的异常用电行为检测方法 |
CN113514695A (zh) * | 2021-03-04 | 2021-10-19 | 华北电力大学 | 适用于群体性固定比例窃电行为的检测***和检测方法 |
CN113514695B (zh) * | 2021-03-04 | 2022-05-06 | 华北电力大学 | 适用于群体性固定比例窃电行为的检测***和检测方法 |
CN113094884A (zh) * | 2021-03-31 | 2021-07-09 | 天津大学 | 基于三层递进式分析模型的配电网用户窃电行为诊断方法 |
CN113313163A (zh) * | 2021-05-26 | 2021-08-27 | 广东电网有限责任公司计量中心 | 一种用电行为检测方法及*** |
CN113888360A (zh) * | 2021-10-28 | 2022-01-04 | 广东电网有限责任公司 | 一种窃电用户识别方法、装置、设备及存储介质 |
CN114048245A (zh) * | 2021-11-09 | 2022-02-15 | 国网江苏省电力有限公司常州供电分公司 | 线损率异常的关联用户排查方法 |
CN114152896A (zh) * | 2021-11-29 | 2022-03-08 | 国网江苏省电力有限公司营销服务中心 | 一种基于采集平台的失准更换*** |
CN114742405A (zh) * | 2022-04-11 | 2022-07-12 | 国网江苏省电力有限公司营销服务中心 | 一种基于线损多维度相关性分析的窃电识别方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN111521868B (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111521868B (zh) | 一种基于计量大数据筛查窃电用户的方法及装置 | |
CN109583680B (zh) | 一种基于支持向量机的窃电辨识方法 | |
CN110727662A (zh) | 基于相关性分析的低压台区用户相位识别方法和*** | |
CN113032454A (zh) | 基于云计算的交互式用户用电异常监测预警管理云平台 | |
CN111506618B (zh) | 一种结合lightgbm-stacking算法的异常用电行为分析方法 | |
CN111126759A (zh) | 一种基于异常事件故障关联度的电能表状态评估方法 | |
CN115689396A (zh) | 污染物排放管控方法、装置、设备及介质 | |
CN109783934A (zh) | 一种基于h-adcp的断面平均流速拟合率定方法 | |
CN115854999A (zh) | 基于场景自适应的h-adcp断面平均流速自校正方法 | |
CN109146265A (zh) | 基于动态规划时间序列相似性的三相不平衡源溯源方法 | |
CN113391256B (zh) | 一种现场作业终端的电能表计量故障分析方法及*** | |
CN111832174A (zh) | 一种基于多元回归的配线线损率处理方法及装置 | |
CN107589063B (zh) | 一种动态大气腐蚀区域地图数据处理方法、装置及*** | |
CN103606111A (zh) | 一种综合电压合格率的评估方法 | |
CN107274025B (zh) | 一种实现用电模式智能识别与管理的***和方法 | |
CN110764043B (zh) | 一种适用于连续型测量结果的设备质量状况评价方法 | |
CN112732773B (zh) | 一种继电保护缺陷数据的唯一性校核方法及*** | |
CN110209260A (zh) | 耗电量异常检测方法、装置、设备及计算机可读存储介质 | |
Klaić et al. | Probability density functions of voltage sags measured indices | |
CN113888360A (zh) | 一种窃电用户识别方法、装置、设备及存储介质 | |
CN115166625A (zh) | 智能电表误差估计方法及装置 | |
CN114740419A (zh) | 基于“三维图”分析台区电表误差的方法、装置、设备和介质 | |
CN109521312B (zh) | 一种非技术线损检测方法、装置及*** | |
CN111160712B (zh) | 一种用户的用电参数调节方法及装置 | |
Peppanen et al. | Enhanced load modeling with expanded system monitoring |
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 |