CN115294750B - 窃电检测方法、***及存储介质 - Google Patents

窃电检测方法、***及存储介质 Download PDF

Info

Publication number
CN115294750B
CN115294750B CN202211223814.2A CN202211223814A CN115294750B CN 115294750 B CN115294750 B CN 115294750B CN 202211223814 A CN202211223814 A CN 202211223814A CN 115294750 B CN115294750 B CN 115294750B
Authority
CN
China
Prior art keywords
algorithm
electricity stealing
unit
data
theft
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.)
Active
Application number
CN202211223814.2A
Other languages
English (en)
Other versions
CN115294750A (zh
Inventor
范明
文炳林
陈京翊
石亮缘
孙娅晴
张棋
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.)
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangzhou Power Supply Bureau of Guangdong Power Grid 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 Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202211223814.2A priority Critical patent/CN115294750B/zh
Publication of CN115294750A publication Critical patent/CN115294750A/zh
Application granted granted Critical
Publication of CN115294750B publication Critical patent/CN115294750B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • 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
    • G01R22/063—Details of electronic electricity meters related to remote communication
    • 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
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Computing Systems (AREA)
  • Alarm Systems (AREA)
  • Burglar Alarm Systems (AREA)

Abstract

本发明公开了一种窃电检测方法、***及存储介质，所述***包括边缘感知预警单元、核心控制单元、反窃融合算法单元、边缘计算控制单元、反窃融合镜像算法单元、内存单元、安检单元和外联通道单元；所述边缘感知预警单元、核心控制单元、安检单元、外联通道单元依次连接，所述核心控制单元、反窃融合算法单元、内存单元依次连接，所述核心控制单元、边缘计算控制单元、反窃融合镜像算法单元、内存单元依次连接。本发明可以实现自动化程度高、单点覆盖率广、隐蔽性强、稽查效率高的窃电智能识别功能。

Description

窃电检测方法、***及存储介质
技术领域
本发明涉及一种窃电检测方法、***及存储介质，属于窃电检测技术领域。
背景技术
线损管理是电力营销管理工作的重要组成部分，用户窃电是造成台区线损异常的主要原因之一。
根据长久以来的线损分析及用电稽查结果，发现存在如下问题：（a）城中村低压线路错综复杂，接线较为杂乱，部分线路穿越居民房屋，现场稽查费时费力，且效果不佳，因此现场稽查存在较大的困难；（b）住宅居民用户比较集中，人口密度大，电表相对集中，采用传统的仪器进行挨家挨户稽查，会警醒其它窃电用户，因此现场稽查的隐蔽性差；（c）农村用户比较分散，并且位处偏远地区，例如湿地、山脉等，现场稽查的往返费用高、用时长和路况复杂；（d）地处交通中心、集贸等商业用电情况复杂，电表位置不易寻找和易遗漏，以及稽查工作容易暴露；（e）传统的稽查仪器落后，稽查效率低，难以胜任高密度和高效率的现场稽查工作：（f）现有的智能化稽查设备接线复杂、读取数据方式单一、安装效率低、对人员素质要求较高，而且现场稽查需要结论或判定方向而不是提供数据、图线来分析，现有的智能化稽查设备与现场稽查流程脱节。
发明内容
有鉴于此，本发明提供了一种就地窃电检测方法、装置、计算机设备及存储介质和远程窃电检测方法、装置、计算机设备及存储介质，以及窃电检测***，本发明可以实现自动化程度高、单点覆盖率广、隐蔽性强、稽查效率高的窃电智能识别功能。
本发明的第一个目的在于提供一种就地窃电检测方法。
本发明的第二个目的在于提供一种就地窃电检测装置。
本发明的第三个目的在于提供一种远程窃电检测方法。
本发明的第四个目的在于提供一种远程窃电检测装置。
本发明的第五个目的在于提供一种窃电检测***。
本发明的第六个目的在于提供一种计算机设备。
本发明的第七个目的在于提供一种存储介质。
本发明的第一个目的可以通过采取如下技术方案达到：
一种就地窃电检测方法，所述方法包括：
通过边缘感知预警单元，获取就地数据，所述就地数据包括多个第一电能表数据；
调用反窃融合算法单元，对就地数据进行窃电嫌疑检测，生成第一预警信息，所述反窃融合算法单元包括梳理引擎、窃电类型识别算法、比例算法和智能追踪算法。
进一步的，所述调用反窃融合算法单元，对就地数据进行窃电嫌疑检测，包括：
根据窃电类型识别算法，对第一电能表数据进行识别，得到窃电嫌疑数据，所述窃电嫌疑数据包括五种窃电嫌疑度，所述窃电类型识别算法包括五种第一子算法，分别为欠压法、欠流法、改表法、表前绕越法和零火串接法，每种第一子算法计算对应的一种窃电嫌疑度；
判断每种窃电嫌疑度是否大于第一预设阈值，输出多个第一判断结果；
基于所有第一判断结果，根据梳理引擎、窃电类型识别算法、比例算法和智能追踪算法，对未识别的第一电能表数据进行融合处理，直至所有的第一电能表数据被融合处理完成。
进一步的，所述基于所有第一判断结果，根据梳理引擎、窃电类型识别算法、比例算法和智能追踪算法，对未识别的第一电能表数据进行融合处理，具体包括：
若一个或多个第一判断结果为是，则调用梳理引擎，对未识别的第一电能表数据赋予一个或多个定向值；
控制赋予定向值后的第一电能表数据到第一判断结果为是时所判断的窃电嫌疑度所用的第一子算法、第一子算法对应的第二子算法和智能追踪算法中进行第一子算法计算、第二子算法计算和追踪；
所述比例算法包括四种第二子算法，分别为欠压法的比例系数计算、欠流法的比例系数计算、表前绕越法的比例系数计算和零火串接法的比例系数计算；
所述改表法不存在对应的比例系数计算，累计改表法的逻辑判断次数作为改表法对应的第二子算法。
进一步的，所述控制赋予定向值后的第一电能表数据到第一判断结果为是时所判断的窃电嫌疑度所用的第一子算法、第一子算法对应的第二子算法和智能追踪算法中进行第一子算法计算、第二子算法计算和追踪，具体包括：
根据第一子算法，对赋予定向值后的第一电能表数据进行计算，得到对应的窃电嫌疑度；
将对应的窃电嫌疑度输入对应的第二子算法进行累计计算，得到对应的窃电比例系数；
在智能追踪算法中，若对应的窃电嫌疑度大于第一预设阈值，则对对应的窃电嫌疑度所属的区号和表号进行标记并记录，作为下次窃电检测的第一优先级别；若对应的窃电嫌疑度在第二预设阈值范围内，则对对应的窃电嫌疑度所属的区号和表号进行标记并记录，作为下次窃电检测的第二优先级别，以及长期窃电检测的第一优先级别。
本发明的第二个目的可以通过采取如下技术方案达到：
一种就地窃电检测装置，所述装置包括：
第一获取模块，用于通过边缘感知预警单元，获取就地数据，所述就地数据包括多个第一电能表数据；
第一预警模块，用于调用反窃融合算法单元，对就地数据进行窃电嫌疑检测，生成第一预警信息，所述反窃融合算法单元包括梳理引擎、窃电类型识别算法、比例算法和智能追踪算法。
本发明的第三个目的可以通过采取如下技术方案达到：
一种远程窃电检测方法，所述方法包括：
依次通过外联通道单元和安检单元，获取远程数据，所述远程数据包括多个第二电能表数据；
发送计算命令；
通过边缘计算控制单元，接收计算命令，进而对远程数据进行计算，以生成第二预警信息。
进一步的，所述通过边缘计算控制单元，接收计算命令，进而对远程数据进行计算，具体包括：
通过边缘计算控制单元，接收计算命令，从而调用反窃融合镜像算法单元，填充关键节点参数；
判断反窃融合算法单元是否空闲，输出第二判断结果；
若第二判断结果为是，则将关键节点参数分阶段赋予反窃融合算法单元，由反窃融合算法单元完成远程数据的窃电嫌疑检测，其间，若反窃融合算法单元为忙碌，则中断所述计算命令，并存储当前阶段的关键节点参数阶段数据，以及以上一阶段的关键节点参数阶段数据覆盖当前阶段的关键节点参数阶段数据；
所述关键节点参数包括窃电嫌疑度的调整系数、欠压法的比例系数阈值、欠流法的比例系数阈值、表前绕越法的比例系数阈值和零火串接法的比例系数阈值。
本发明的第四个目的可以通过采取如下技术方案达到：
一种远程窃电检测装置，所述装置包括：
第二获取模块，用于依次通过外联通道单元和安检单元，获取远程数据，所述远程数据包括多个第二电能表数据；
发送模块，用于发送计算命令；
第二预警模块，调用通过边缘计算控制单元，接收计算命令，进而对远程数据进行计算，以生成第二预警信息。
本发明的第五个目的可以通过采取如下技术方案达到：
一种窃电检测***，所述***包括边缘感知预警单元、核心控制单元、反窃融合算法单元、边缘计算控制单元、反窃融合镜像算法单元、内存单元、安检单元和外联通道单元；
所述边缘感知预警单元、核心控制单元、安检单元、外联通道单元依次连接，所述核心控制单元、反窃融合算法单元、内存单元依次连接，所述核心控制单元、边缘计算控制单元、反窃融合镜像算法单元、内存单元依次连接；
所述核心控制单元，用于实现上述的就地窃电检测方法或远程窃电检测方法。
进一步的，所述边缘感知预警单元包括可热插拔载波通讯子单元，所述可热插拔载波通讯子单元包括热插拔模组和长短针结构；
所述长短针结构包括L长针、弱电短针和N长针；L长针、弱电短针和N长针依次设置在热插拔模组的表面，所述L长针位于热插拔模组的中轴表面区域。
进一步的，所述边缘感知预警单元还包括生物感知子单元和维护/窃电取证子单元；
所述生物感知子单元，用于感知窃电行为，发出第三预警信息；
所述维护/窃电取证子单元，用于接收第三预警信息，对窃电行为进行拍摄取证。
本发明的第六个目的可以通过采取如下技术方案达到：
一种计算机设备，包括处理器以及用于存储处理器可执行程序的存储器，所述处理器执行存储器存储的程序时，实现上述的就地窃电检测方法或远程窃电检测方法。
本发明的第七个目的可以通过采取如下技术方案达到：
一种存储介质，存储有程序，所述程序被处理器执行时，实现上述的就地窃电检测方法或远程窃电检测方法。
本发明相对于现有技术具有如下的有益效果：
1、本发明提供的反窃融合镜像算法单元可以降低软件的冗余程度，增加程序运行的稳定性，提升***的利用程度和***判别的灵敏度，增加***的算法经验；
2、本发明提供的边缘计算控制单元可以提供边缘计算能力，可以解决用户对历史数据的梳理问题，可以在非面对面的情形下解决部分用工需求，降低人工管理成本；
3、本发明提供的可热插拔载波通讯子单元可以安装在户表附近的任意地点，解决了稽查易暴露的问题；
4、本发明提供的可热插拔载波通讯子单元提高了***的性能稳定性，减少了误报、误发等问题，还提高了人身安全的防护程度；此外，通过对该通讯子单元表面上的型号、规约说明等进行识别，解决了不通用、接线操作步骤繁琐和专业性太强等问题；
5、本发明提供的两种方法简化了现有的稽查流程，降低了对专业要求的依赖程度；
6、本发明提供的***为以后规约拓展与提高兼容性提供了解决方向；
7、本发明提供的安全规则可以加强***的防护能力，降低信息泄密的概率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
图1为本发明实施例1的窃电检测***的结构框图。
图2 (a)-(c)为本发明实施例1的可热插拔载波通讯子单元的实体结构图。
图3为本发明实施例1的就地窃电检测方法的流程图。
图4为本发明实施例1的反窃融合算法单元中融合算法的流程图。
图5为本发明实施例1的窃电类型识别算法的流程图。
图6为本发明实施例1的比例算法的流程图。
图7为本发明实施例1的智能追踪算法的流程图。
图8为本发明实施例1的远程窃电检测方法的流程图。
图9为本发明实施例1的窃电检测***闲置时或定期维护时的工作流程图。
图10为本发明实施例2的就地窃电检测装置的结构框图。
图11为本发明实施例3的远程窃电检测装置的结构框图。
图12为本发明实施例4的计算机设备的结构框图。
其中，1-边缘感知预警单元、2-核心控制单元、3-反窃融合算法单元、4-边缘计算控制单元、5-反窃融合镜像算法单元、601-第一存储单元、602-第二存储单元、7-安检单元、8-外联通道单元、9-可热插拔载波通讯子单元、901-热插拔模组、9021-L长针、9022-弱电短针和9023-N长针。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
如图1所示，本实施例提供了一种窃电检测***，该***包括边缘感知预警单元1、核心控制单元2、反窃融合算法单元3、边缘计算控制单元4、反窃融合镜像算法单元5、第一存储单元601、第二存储单元602、安检单元7和外联通道单元8；其中：边缘感知预警单元1、核心控制单元2、安检单元7、外联通道单元8依次连接；核心控制单元2、反窃融合算法单元3、第一存储单元601依次连接；核心控制单元2、边缘计算控制单元4、反窃融合镜像算法单元5、第二存储单元602依次连接；第一存储单元601和第二存储单元602组合成内存单元。
本说明书和权利要求书中，稽查、检查、检测、排查四个词语之间可以相互替换；电能表或称户表，或简称电表；***一般指窃电检测***。
实际应用中，窃电检测***的应用场景可以分成三类，具体说明参考（1a）-（3a）。
（1a）在对低压用户台区的超容和反窃电稽查工作中，以人工稽查方式为主，具体为：专业技术人员检查是否存在接线改动、改表和拆铅封等窃电行为；其中：该检查以目测为主，并以简易的检查工具为辅，简易的检查工具如万用表、钳流表等。专业技术人员或没有经验的人员可以利用窃电检测***对窃电行为进行稽查，实现窃电智能识别，从而替代人工稽查方式。
（2a）将窃电检测***与现有的智能化稽查设备连接，实现对多个现有的智能化稽查设备的窃电智能识别；现有的智能化稽查设备如反窃电智能用电稽查仪，该稽查仪由六个部分组成，具体是：采集一次电流的电流钳及采集盒、无线通讯远程监控模块、磁场监测电压线（磁场监测线束）、安装在表尾的数据记录仪（包含RS485通讯串口和USB接口）和电压线天线；该稽查仪通过数据记录仪、磁场监测电压线和电流钳现场检查欠压、欠流、改表和强磁等窃电行为，并通过无线通讯远程监控模块，实现远程监控；通过无线通讯远程监控模块，实现远程监控，具体为：窃电检测***与无线通讯远程监控模块连接，获取外部数据（外部数据包括远程数据），进而完成远程数据的窃电嫌疑检测，由此可以更进一步地对多个反窃电智能用电稽查仪所稽查的电表数据进行窃电智能识别。
本实施例中，窃电智能识别包括窃电嫌疑检测。
（3a）通过营销***检查线损数据，找出线损异常区段以及户表，然后通过窃电检测***，计划性地稽查。
本实施例中，边缘感知预警单元1包括双通讯串口、可热插拔载波通讯子单元9、生物感知子单元和维护/窃电取证子单元，其中双通讯串口包括RS232通讯串口和RS485通讯串口。
需要说明的是，可热插拔载波通讯子单元9、RS485通讯串口可以在一个点完成对多个电表甚至整个低压用户台区用电数据的读取；RS232通讯串口、RS485通讯串口可以通过集中器完成对整个低压用户台区用电数据的间接读取。
双通讯串口、可热插拔载波通讯子单元9、生物感知子单元和维护/窃电取证子单元，具体说明参考（1b）-（4b）。
（1b）双通讯串口中，RS232通讯串口的一路与电能表数据交互，RS232通讯串口的另一路与第一终端设备通讯；RS485通讯串口的一路与电能表、集中器级联通讯，RS485通讯串口的另一路与第二终端设备通讯；其中：通讯串口与终端设备通讯，便于参数配置和数据维护等。
本实施例中，第一终端设备和第二终端设备为同一台就地设备，如笔记本电脑。
另一实施例中，第一终端设备和第二终端设备为两台不同的就地设备，其中不同的就地设备通过无线联系并通过后台控制。
（2b）如图2（a）~图2（c）所示，可热插拔载波通讯子单元9包括热插拔模组901和长短针结构；其中：长短针结构设置在热插拔模组901的表面。
具体地，长短针结构包括L长针9021、弱电短针9022和N长针9023；L长针9021、弱电短针9022和N长针9023依次设置在热插拔模组901的表面；其中：L长针9021位于热插拔模组901的中轴表面区域；L长针9021位于内侧的设置方式可以提高***的安全性，降低作业人员的触电风险。
需要说明的是，可热插拔载波通讯子单元9的供电电源管脚比弱电短针9022长5mm，因此在VCC、VSS、TXD、RXD、STA等通讯管脚接通之前，供电电源已经稳定供电，确保可热插拔载波通讯子单元9不会因为供电电源不稳定而误发乱码及载波；此外，采用热插拔方式，可以省去接线、调试和断电等操作步骤，提高了作业人员的工作效率；为了确保作业人员不会误用以及确保该通讯子单元的系列通用性，所有该通讯子单元均采用热插拔方式制作，并在它们的表面标有厂家名称、型号和协议等标识。
（3b）生物感知子单元采用红外感应技术实现，其感应距离为8米，工作电压DC3.3V，工作电流20μA，锥度小于120度，延时5S，封闭2.5S。
生物感知子单元的应用场景分为三类，具体说明参考（31b）-（33b）。
（31b）表箱布置，此时屏蔽层为表箱的铁皮外壳，只有当作业人员或违规人员改动或打开表箱时，才能触发感应；当触发感应时，生物感知子单元发出第三预警信息，并将第三预警信息发送到DSP控制器，由DSP控制器触发维护/窃电取证子单元动作，使维护/窃电取证子单元对表箱外部进行拍摄取证，得到取证结果（取证用拍摄结果数据），最终将取证结果上传到主站或监测端；其中：第三预警信息包括时间、预警类别（如接线改动）、维护/窃电取证子单元的电池电压大小、维护/窃电取证子单元的欠压预警、维护/窃电取证子单元的故障预警、维护/窃电取证子单元的电动作预警和高级感应信息（红外生物感知结果数据）；高级感应信息包括生物大致大小和运动速度；第三预警信息和取证结果需要经过核心控制单元2、安检单元7和外联通道单元8之后，才能上传到主站或监测端。
（32b）空旷地区布置，此时电表附近应无人员靠近，无屏蔽；当有人员靠近时，触发感应，触发感应后的流程与（31b）相同，不再赘述；此外，在此应用场景中，加入触发时间可选间隔，如10S、30S、1min、5min或1h。
（33b）偏远地区布置，参考（31b）和（32b）。
（4b）维护/窃电取证子单元采用6*6*4.2mm微型拍摄模组，以实现拍摄功能；该微型拍摄模组最大可拍摄八百万像素图像（分辨率3264*2448，帧速30FPS），采用MIPI接口，MIPI接***由DSP控制器控制；其中：DSP控制器的触发模式有两种，一是被动式触发，生物感知子单元将第三预警信息发送到DSP控制器，由DSP控制器控制MIPI接口，从而调用该微型拍摄模组拍摄；二是主动式触发，依据维护工单需求，下发作业指令，确认工单被正确执行。
本实施例中，外联通道单元8采用4G无线通讯，遵循NB-LOT、4G-LTE网络协议标准。
本实施例中，安检单元7包括身份识别子单元、注册校验子单元和安全检查子单元。
身份识别子单元、注册校验子单元和安全检查子单元，具体说明参考（1c）-（3c）。
（1c）身份识别子单元，用于对非专业人员的安检；具体地，外联通道单元8首先需要通过身份识别子单元的身份识别，才能实现联网；其中：身份识别包括识别管理员账号、密码，识别操作员账号、密码；管理员账号、密码由身份识别子单元的厂家提供；操作员账号、密码由管理员管理增减。
（2c）注册校验子单元，用于在通过身份识别之后，对网络用户人员进行安检；具体地，外联通道单元8在通过身份识别子单元识别安全之后，还需要通过注册校验子单元的校验，其中注册校验子单元通过基于Linux平台下的应用软件注册而得。
（3c）安全检查子单元，用于基于安全规则，对外部数据进行排查；具体地，外联通道单元8在通过（1c）和（2c）的安检之后，安全检查子单元基于安全规则对外部数据进行排查；其中安全规则，具体说明参考（31c）-（34c）。
（31c）对主站或应用层预置的黑名单IP地址不予响应，并提供三次预置APP手机管理账户端的远程预警。
（32c）对非核心控制单元的预置命令不予响应。
（33c）对主站和应用层调用的数据存储区域不得混淆，即主站调用的数据在第一存储单元601内，应用层调用的数据在第二存储单元602内，并提供三次预置APP手机管理账户端的远程预警。
（34c）对不符合***规范要求的数据拒绝执行操作，并提供三次数据变更符合规范要求警告，否则，封闭该操作员账号，直至管理员解除封闭。
本实施例中，核心控制单元2控制由边缘感知预警单元1载入的就地数据存入到第一存储单元601的存储区内，然后调用反窃融合算法单元3检查就地数据中的异常数据，即进行就地数据的窃电嫌疑检测，以给出第一预警信息；核心控制单元2控制由外联通道单元8载入并经安检单元7认证安全后的待边缘计算数据（远程数据）存入到第二存储单元602的存储区内，然后调用边缘计算控制单元4对待边缘计算数据进行处理，以给出第二预警信息；具体地，边缘计算控制单元4在接收到核心控制单元2的计算命令之后，调用反窃融合镜像算法单元5，填充关键节点参数；判断反窃融合算法单元3是否空闲；若空闲，则将关键节点参数分阶段赋予反窃融合算法单元3；通过反窃融合算法单元3进行远程数据的窃电嫌疑检测，其间，若反窃融合算法单元3忙，或者有临时紧急任务，则中断计算命令，存储当前阶段的关键节点参数阶段数据，对未完成的计算，则舍弃未完成的计算数据，并直接以上一阶段的关键节点参数阶段数据覆盖当前阶段的关键节点参数阶段数据；计算完成之后，将计算结果通过安检单元7推送到外联通道单元8，以交付计算结果，即第二预警信息；第一预警信息和第二预警信息包括四级预警提示和窃电报警分析结果表单；反窃融合算法单元3忙，或者有临时紧急任务，指的是反窃融合算法单元3需要执行就地数据的窃电嫌疑检测，即最高权限发布的计算任务。
本实施例中，反窃融合镜像算法单元5受控于边缘计算控制单元4，根据边缘计算控制单元4给出的关键节点参数及步进值θN，对反窃融合算法单元3进行赋值、调用、释权、查忙和复制转存等操作，以优化程序存储空间，并将边缘计算经验融合到基础计算中，提升窃电嫌疑度的判别准确率和提升***的灵敏度。
本实施例中，第一存储单元601（存储1），用于存储就地数据、算法数据、结果数据、参量数据等；第二存储单元602（存储2），用于存储远程数据、算法数据、结果数据、参量数据、关键节点参数、身份数据、IP黑名单数据、注册校验数据等。
如图3所示，本实施例还提供了一种就地窃电检测方法，该方法包括如下步骤：
S301、通过边缘感知预警单元，获取就地数据，所述就地数据包括多个第一电能表数据。
S302、调用反窃融合算法单元，对就地数据进行窃电嫌疑检测，生成第一预警信息，所述反窃融合算法单元包括梳理引擎、窃电类型识别算法、比例算法和智能追踪算法。
如图4所示，反窃融合算法单元包括梳理引擎、窃电类型识别算法、比例算法和智能追踪算法，合称融合算法，具体说明参考H – K。
H、梳理引擎，用于指引反窃融合算法单元内部算法的优化，将窃电嫌疑度高于95%的电能表数据直接定向到下述的I、J算法相关类别中，以简化算法计算流程；将窃电嫌疑度低于95%的电能表数据依照下述的I、J算法顺序依次判别三次，其中大于2次的电能表数据，则将它们的窃电嫌疑度数值乘以1.3倍；低于1次的电能表数据，则将它的窃电嫌疑度数值乘以0.67倍。
本实施例中，窃电嫌疑度包括欠压窃电嫌疑度、欠流窃电嫌疑度、改表窃电嫌疑度、表前绕越窃电嫌疑度、零火串接窃电嫌疑度的其中之一；电能表数据分为两种，一是第一电能表数据（就地电能表数据），二是第二电能表数据（远程电能表数据）；窃电嫌疑度，即窃电类型归属类别概率，先预置以往的经验参数，并依据后期稽查结果进行确认；其中，窃电嫌疑度的调整系数为ηN，如下式：
ηN=（Ne +Ni ）/ （Me +Mi）
其中，Ne表示某窃电类型查窃成功数量，为预置值；Ni表示某窃电类型查窃成功增加数量，为增加值；Me表示某窃电类型查窃总数量，为预置值；Mi表示某窃电类型查窃增加数量，为增加值。
本实施例中，窃电类型包括欠压、欠流、改表、表前绕越、零火串接的其中之一。
I、窃电类型识别算法包括常见的欠压法、欠流法、改表法、表前绕越法和零火串接法；其中：欠压法的数据特征为电压U值比额定电压值或平均电压值低；欠流法的数据特征为零线电流I 0 低于火线电流I L ；改表法的数据特征为有异常开表盖记录和异常开端钮盖记录；表前绕越法的数据特征为某一时段内电量W 1 突然低于平均电量值或某一时刻后电量W 2 一直低于平均电量值，且火线电流I L 有突变；零火串接法的数据特征为零线电流I 0 低于火线电流I L ，且负荷侧电压U R 异常。
如图5所示，窃电类型识别算法流程，具体包括：识别是否有第一定向命令，其中第一定向命令，用于指定某窃电类型的计算；若有，则根据参数赋值，指向某窃电类型的计算子程（第一子算法）；计算完成之后，反馈计算结果，并转至“汇总嫌疑值，优选最大值，并存储结果数据及初始数据”，最后结束窃电类型识别算法流程；若无，则依次执行欠压法判别计算、欠流法判别计算、改表法计算及逻辑判断、表前绕越法判别计算、零火串接法判别计算，最后汇总计算结果，给出最终预测结论及预测结果数据。
需要说明的是，窃电类型识别算法侧重于窃电数据归属范围的概率判别，为“程度”的判别，属于群体级别的判别。
J、比例算法根据以往的查窃数据，给出统计比例系数的阈值，该阈值参考100%成功率数据的均方根根值，并上调至ξN*105%，用于提高灵敏度，不成功数据则下调至ξN*95%，用于提高可靠性。
本实施例中，欠压法的比例系数阈值ξ1=71%，欠流法的比例系数阈值ξ2=95%，表前绕越法的比例系数阈值ξ3=65%，零火串接法的比例系数阈值ξ4=92%，改表法为定值逻辑判断，不存在比例系数阈值和比例系数计算。
如图6所示，比例算法流程，具体包括：识别是否有第二定向命令，其中第二定向命令用于指定某一方法下对应数据的比例系数计算（某一方法指代欠压法、欠流法、表前绕越法和零火串接法的其中之一），若有，则根据参数赋值，指向某一方法下对应数据的比例系数计算子程（第二子算法）；计算完成之后，反馈计算结果，并转至“汇总嫌疑值，优选最大值，并存储结果数据及初始数据”，最后结束比例算法流程；若无，则依次进行欠压法的比例系数计算、欠流法的比例系数计算、表前绕越法的比例系数计算、零火串接法的比例系数计算，最后汇总计算结果，给出最终预测结论及预测结果数据。
需要说明的是，比例算法侧重于窃电数据大小量的经验度量值判别，为“量尺”的判别，属于个体级别的判别，此判别更精确。
某一方法下对应数据的比例系数计算，例如：欠压法的比例系数阈值ξ1=71%，若第一次、第二次、第三次筛选中，有两次判断为欠压窃电，则
Figure 915173DEST_PATH_IMAGE001
；有三次判断为欠压法窃电，则ξ终为72.75%，其中，ξ终表示此时欠压法的比例系数计算结果。
可见，由于均方根法跌落的比较快，因此限定低于30%，就不再减少；当电能表的电压电流数据的欠压法的比例系数计算结果为ξN>95%、欠流法的比例系数计算结果为ξN<50%、表前绕越法的比例系数计算结果为ξN>110%、零火串接法的比例系数计算结果为ξN<40%时，则后续的电能表的电压电流数据先进入表前绕越法的判别入口，其次进入欠压法的判别入口，其余不予考虑；当全部的电能表的电压电流数据都经过判别并完全符合表前绕越法的逻辑之后，判断为表前绕越窃电类型。
K、经过上述的I、J算法稽查之后，智能追踪算法对窃电嫌疑度高于60%并低于95%的数据类别（区号、表号）进行标记并记录，作为下次窃电检测的第二优先级别以及长期挂网窃电检测的第一优先级别；对窃电嫌疑度高于95%的数据类别（区号、表号）标记并记录，作为下次窃电检测的第一优先级别。
如图7所示，为智能追踪算法的具体流程，不再赘述。
本实施例中，第一定向命令、第二定向命令和第三定向命令由主站发出。
本实施例中，I、J、k所述算法的判别结果包括：新增判别次数Mi、计算结果数据、窃电嫌疑度的调整系数ηN、新增判别准确次数Ni；通过H中窃电嫌疑度的调整方式，计算新的窃电嫌疑度的调整系数ηN并覆盖，例如η1为欠压窃电嫌疑度的调整系数。
本实施例中，线上数据为窃电检测***在现场在线实时监测到的电能表、集中器数据，包括UA UB UC IA IB IC PA PB PC，COSA COSB COSC以及这些数据发生的时间XX年XX月XX天XX时XX分XX秒XX毫秒（若有毫秒数据则展示，若无则按0毫秒计算）；线上数据一般可以按96点数据/天或48点数据/天进行读取，该数据的读取不一定在数据的发生时刻进行，一般需要延后1小时读取或者电能表、集中器不忙时一次性读取；线上数据的存储及优化在第一存储单元进行；线下数据分两类，一类是窃电检测***安置之前的电能表、集中器的历史数据，默认为2年内，该类数据的存储及优化在第一存储单元进行；一类是需要边缘计算而接收到的历史数据，该类数据的存储及优化在第二存储单元进行。
本实施例中，调用反窃融合算法单元，对就地数据进行窃电嫌疑检测，包括：
S3021、根据窃电类型识别算法，对第一电能表数据进行识别，得到窃电嫌疑数据，所述窃电嫌疑数据包括五种窃电嫌疑度，所述窃电类型识别算法包括五种第一子算法，分别为欠压法、欠流法、改表法、表前绕越法和零火串接法，每种第一子算法计算对应的一种窃电嫌疑度。
需要说明的是，可以对一个第一电能表数据进行识别，也可以同时对Y个第一电能表数据进行识别，其中，Y表示正整数。
S3022、判断每种窃电嫌疑度是否大于第一预设阈值，输出多个第一判断结果。
本实施例中，第一预设阈值为95%。
S3023、基于所有第一判断结果，根据梳理引擎、窃电类型识别算法、比例算法和智能追踪算法，对未识别的第一电能表数据进行融合处理，直至所有的第一电能表数据被融合处理完成。
同样地，可以对一个未识别的第一电能表数据进行融合处理，也可以同时对Z个未识别的第一电能表数据进行融合处理，其中，Z表示正整数。
本实施例中，基于所有第一判断结果，根据梳理引擎、窃电类型识别算法、比例算法和智能追踪算法，对未识别的第一电能表数据进行融合处理，具体包括：
S11、若一个或多个第一判断结果为是，则调用梳理引擎，对未识别的第一电能表数据赋予一个或多个定向值。
S12、控制赋予定向值后的第一电能表数据到第一判断结果为是时所判断的窃电嫌疑度所用的第一子算法、第一子算法对应的第二子算法和智能追踪算法中进行第一子算法计算、第二子算法计算和追踪。
例如：如图4所示，定向1、2、3（定向值），并赋予算法类别控制参数，例如参数1、2、3，根据控制参数赋值，直接调用对应子算法进行处理，从而简化算法计算流程；定向1窃电类别识别算法，赋值2为欠流法判别计算，或称欠流法。
所述比例算法包括四种第二子算法，分别为欠压法的比例系数计算、欠流法的比例系数计算、表前绕越法的比例系数计算和零火串接法的比例系数计算；
所述改表法不存在对应的比例系数计算，累计改表法的逻辑判断次数作为改表法对应的第二子算法。
本实施例中，控制赋予定向值后的第一电能表数据到第一判断结果为是时所判断的窃电嫌疑度所用的第一子算法、第一子算法对应的第二子算法和智能追踪算法中进行第一子算法计算、第二子算法计算和追踪，具体包括：
S21、根据第一子算法，对赋予定向值后的第一电能表数据进行计算，得到对应的窃电嫌疑度。
S22、将对应的窃电嫌疑度输入对应的第二子算法进行累计计算，得到对应的窃电比例系数。
步骤S22中，对应的窃电比例系数，即比例系数计算结果，例如：欠压法的比例系数计算结果。
S23、在智能追踪算法中，若对应的窃电嫌疑度大于第一预设阈值，则对对应的窃电嫌疑度所属的区号和表号进行标记并记录，作为下次窃电检测的第一优先级别；若对应的窃电嫌疑度在第二预设阈值范围内，则对对应的窃电嫌疑度所属的区号和表号进行标记并记录，作为下次窃电检测的第二优先级别，以及长期窃电检测的第一优先级别。
本实施例中，第二预设阈值范围为窃电嫌疑度高于60%并低于95%。
如图8所示，本实施例还提供了一种远程窃电检测方法，该方法包括如下步骤：
S801、依次通过外联通道单元和安检单元，获取远程数据，所述远程数据包括多个第二电能表数据。
S802、发送计算命令。
S803、通过边缘计算控制单元，接收计算命令，进而对远程数据进行计算，以生成第二预警信息。
本实施例中，通过边缘计算控制单元，接收计算命令，进而对远程数据进行计算，具体包括：
S8031、通过边缘计算控制单元，接收计算命令，从而调用反窃融合镜像算法单元，填充关键节点参。
S8032、判断反窃融合算法单元是否空闲，输出第二判断结果。
S8033、若第二判断结果为是，则将关键节点参数分阶段赋予反窃融合算法单元，由反窃融合算法单元完成远程数据的窃电嫌疑检测，其间，若反窃融合算法单元为忙碌，则中断所述计算命令，并存储当前阶段的关键节点参数阶段数据，以及以上一阶段的关键节点参数阶段数据覆盖当前阶段的关键节点参数阶段数据。
本实施例中，关键节点参数包括窃电嫌疑度的调整系数、欠压法的比例系数阈值、欠流法的比例系数阈值、表前绕越法的比例系数阈值和零火串接法的比例系数阈值。
窃电检测***闲置时或定期维护时的工作流程，如图9所示。
本领域技术人员可以理解，实现上述实施例的方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成，相应的程序可以存储于计算机可读存储介质中。
应当注意，尽管在附图中以特定顺序描述了上述实施例的方法操作，但是这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，描绘的步骤可以改变执行顺序。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
实施例2：
如图10所示，本实施例提供了一种就地窃电检测装置，该装置包括第一获取模块1001和第一预警模块1002，各个模块的具体功能如下：
第一获取模块1001，用于通过边缘感知预警单元，获取就地数据，所述就地数据包括多个第一电能表数据；
第一预警模块1002，用于调用反窃融合算法单元，对就地数据进行窃电嫌疑检测，生成第一预警信息，所述反窃融合算法单元包括梳理引擎、窃电类型识别算法、比例算法和智能追踪算法。
实施例3：
如图11所示，本实施例提供了一种远程窃电检测装置，该装置包括第二获取模块1101、发送模块1102和第二预警模块1103，各个模块的具体功能如下：
第二获取模块1101，用于依次通过外联通道单元和安检单元，获取远程数据，所述远程数据包括多个第二电能表数据；
发送模块1102，用于发送计算命令；
第二预警模块1103，调用通过边缘计算控制单元，接收计算命令，进而对远程数据进行计算，以生成第二预警信息。
实施例4：
如图12所示，本实施例提供了一种计算机设备，其包括通过***总线1201连接的处理器1202、存储器、输入装置1203、显示装置1204和网络接口1205。其中，处理器1202用于提供计算和控制能力，存储器包括非易失性存储介质1206和内存储器1207，该非易失性存储介质1206存储有操作***、计算机程序和数据库，该内存储器1207为非易失性存储介质1206中的操作***和计算机程序的运行提供环境，计算机程序被处理器1202执行时，实现上述实施例1的就地窃电检测方法或远程窃电检测方法。
实施例5：
本实施例提供一种存储介质，该存储介质为计算机可读存储介质，其存储有计算机程序，所述计算机程序被处理器执行时，实现上述实施例1的就地窃电检测方法或远程窃电检测方法。
需要说明的是，本实施例的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的计算机程序可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
上述计算机可读存储介质可以以一种或多种程序设计语言或其组合来编写用于执行本实施例的计算机程序，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Python、C++，还包括常规的过程式程序设计语言—诸如C语言或类似的程序设计语言。程序可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网（LAN）或广域网（WAN）连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
综上所述，本发明可以实现自动化程度高、单点覆盖率广、隐蔽性强、稽查效率高的窃电智能识别功能。
以上所述，仅为本发明专利较佳的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明构思加以等同替换或改变，都属于本发明专利的保护范围。

Claims (9)

1.一种就地窃电检测方法，其特征在于，所述方法包括：
通过边缘感知预警单元，获取就地数据，所述就地数据包括多个第一电能表数据；
调用反窃融合算法单元，对就地数据进行窃电嫌疑检测，生成第一预警信息，所述反窃融合算法单元包括梳理引擎、窃电类型识别算法、比例算法和智能追踪算法；
所述窃电类型识别算法，用于计算就地数据的窃电嫌疑度，其中，所述窃电嫌疑度为窃电类型归属类别概率；
所述梳理引擎，用于将未识别的第一电能表数据依次定向到窃电类型识别算法、比例算法中；
所述比例算法，用于基于识别后的第一电能表数量，根据均方根法，对生成数据进行计算，其中，所述生成数据包括预设系数乘以比例系数阈值和/或零；若第一电能表有窃电嫌疑，则计算预设系数乘以比例系数阈值；若第一电能表没有窃电嫌疑，则生成零；
所述智能追踪算法，用于根据窃电嫌疑度大小，对窃电嫌疑度所属的区号和表号进行标记和记录，并确定下次窃电检测的优先级别大小。
2.根据权利要求1所述的就地窃电检测方法，其特征在于，所述调用反窃融合算法单元，对就地数据进行窃电嫌疑检测，包括：
根据窃电类型识别算法，对第一电能表数据进行识别，得到窃电嫌疑数据，所述窃电嫌疑数据包括五种窃电嫌疑度，所述窃电类型识别算法包括五种第一子算法，分别为欠压法、欠流法、改表法、表前绕越法和零火串接法，每种第一子算法计算对应的一种窃电嫌疑度；
判断每种窃电嫌疑度是否大于第一预设阈值，输出多个第一判断结果；
基于所有第一判断结果，根据梳理引擎、窃电类型识别算法、比例算法和智能追踪算法，对未识别的第一电能表数据进行融合处理，直至所有的第一电能表数据被融合处理完成。
3.根据权利要求2所述的就地窃电检测方法，其特征在于，所述基于所有第一判断结果，根据梳理引擎、窃电类型识别算法、比例算法和智能追踪算法，对未识别的第一电能表数据进行融合处理，具体包括：
若一个或多个第一判断结果为是，则调用梳理引擎，对未识别的第一电能表数据赋予一个或多个定向值；
控制赋予定向值后的第一电能表数据到第一判断结果为是时所判断的窃电嫌疑度所用的第一子算法、第一子算法对应的第二子算法和智能追踪算法中进行第一子算法计算、第二子算法计算和追踪；
所述比例算法包括四种第二子算法，分别为欠压法的比例系数计算、欠流法的比例系数计算、表前绕越法的比例系数计算和零火串接法的比例系数计算；
所述改表法不存在对应的比例系数计算，累计改表法的逻辑判断次数作为改表法对应的第二子算法。
4.根据权利要求3所述的就地窃电检测方法，其特征在于，所述控制赋予定向值后的第一电能表数据到第一判断结果为是时所判断的窃电嫌疑度所用的第一子算法、第一子算法对应的第二子算法和智能追踪算法中进行第一子算法计算、第二子算法计算和追踪，具体包括：
根据第一子算法，对赋予定向值后的第一电能表数据进行计算，得到对应的窃电嫌疑度；
将对应的窃电嫌疑度输入对应的第二子算法进行累计计算，得到对应的窃电比例系数；
在智能追踪算法中，若对应的窃电嫌疑度大于第一预设阈值，则对对应的窃电嫌疑度所属的区号和表号进行标记并记录，作为下次窃电检测的第一优先级别；若对应的窃电嫌疑度在第二预设阈值范围内，则对对应的窃电嫌疑度所属的区号和表号进行标记并记录，作为下次窃电检测的第二优先级别，以及长期窃电检测的第一优先级别。
5.一种远程窃电检测方法，其特征在于，所述方法包括：
依次通过外联通道单元和安检单元，获取远程数据，所述远程数据包括多个第二电能表数据；
发送计算命令；
通过边缘计算控制单元，接收计算命令，进而对远程数据进行计算，以生成第二预警信息；
所述通过边缘计算控制单元，接收计算命令，进而对远程数据进行计算，具体包括：
通过边缘计算控制单元，接收计算命令，从而调用反窃融合镜像算法单元，填充关键节点参数，其中，反窃融合算法单元包括梳理引擎、窃电类型识别算法、比例算法和智能追踪算法；
判断反窃融合算法单元是否空闲，输出第二判断结果；
若第二判断结果为是，则将关键节点参数分阶段赋予反窃融合算法单元，由反窃融合算法单元完成远程数据的窃电嫌疑检测，其间，若反窃融合算法单元为忙碌，则中断所述计算命令，并存储当前阶段的关键节点参数阶段数据，以及以上一阶段的关键节点参数阶段数据覆盖当前阶段的关键节点参数阶段数据；
所述关键节点参数包括窃电嫌疑度的调整系数、欠压法的比例系数阈值、欠流法的比例系数阈值、表前绕越法的比例系数阈值和零火串接法的比例系数阈值；
所述窃电类型识别算法，用于计算远程数据的窃电嫌疑度，其中，所述窃电嫌疑度为窃电类型归属类别概率；
所述梳理引擎，用于将未识别的第二电能表数据依次定向到窃电类型识别算法、比例算法中；
所述比例算法，用于基于识别后的第二电能表数量，根据均方根法，对生成数据进行计算，其中，所述生成数据包括预设系数乘以比例系数阈值和/或零；若第二电能表有窃电嫌疑，则计算预设系数乘以比例系数阈值；若第二电能表没有窃电嫌疑，则生成零；
所述智能追踪算法，用于根据窃电嫌疑度大小，对窃电嫌疑度所属的区号和表号进行标记和记录，并确定下次窃电检测的优先级别大小。
6.一种窃电检测***，其特征在于，所述***包括边缘感知预警单元、核心控制单元、反窃融合算法单元、边缘计算控制单元、反窃融合镜像算法单元、内存单元、安检单元和外联通道单元；
所述边缘感知预警单元、核心控制单元、安检单元、外联通道单元依次连接，所述核心控制单元、反窃融合算法单元、内存单元依次连接，所述核心控制单元、边缘计算控制单元、反窃融合镜像算法单元、内存单元依次连接；
所述核心控制单元，用于实现权利要求1-4任一项所述的就地窃电检测方法或实现权利要求5所述的远程窃电检测方法。
7.根据权利要求6所述的窃电检测***，其特征在于，所述边缘感知预警单元包括可热插拔载波通讯子单元，所述可热插拔载波通讯子单元包括热插拔模组和长短针结构；
所述长短针结构包括L长针、弱电短针和N长针；L长针、弱电短针和N长针依次设置在热插拔模组的表面，所述L长针位于热插拔模组的中轴表面区域。
8.根据权利要求7所述的窃电检测***，其特征在于，所述边缘感知预警单元还包括生物感知子单元和维护/窃电取证子单元；
所述生物感知子单元，用于感知窃电行为，发出第三预警信息；
所述维护/窃电取证子单元，用于接收第三预警信息，对窃电行为进行拍摄取证。
9.一种存储介质，存储有程序，其特征在于，所述程序被处理器执行时，实现权利要求1-4任一项所述的就地窃电检测方法或实现权利要求5所述的远程窃电检测方法。
CN202211223814.2A 2022-10-09 2022-10-09 窃电检测方法、***及存储介质 Active CN115294750B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211223814.2A CN115294750B (zh) 2022-10-09 2022-10-09 窃电检测方法、***及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211223814.2A CN115294750B (zh) 2022-10-09 2022-10-09 窃电检测方法、***及存储介质

Publications (2)

Publication Number Publication Date
CN115294750A CN115294750A (zh) 2022-11-04
CN115294750B true CN115294750B (zh) 2023-01-20

Family

ID=83833350

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211223814.2A Active CN115294750B (zh) 2022-10-09 2022-10-09 窃电检测方法、***及存储介质

Country Status (1)

Country Link
CN (1) CN115294750B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110210723A (zh) * 2019-05-15 2019-09-06 电子科技大学 一种基于层次分析法和孤立森林的窃电辨识方法
CN110516837A (zh) * 2019-07-10 2019-11-29 马欣 一种基于ai的智能化诊断方法、***及装置
CN113516336A (zh) * 2021-03-22 2021-10-19 中国电力科学研究院有限公司 一种确定窃电嫌疑用户的方法及***
CN113673580A (zh) * 2021-07-28 2021-11-19 贵州电网有限责任公司 基于大数据建模的窃电嫌疑判断方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160161539A1 (en) * 2014-12-09 2016-06-09 Powerhive, Inc. Electricity theft detection system

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110210723A (zh) * 2019-05-15 2019-09-06 电子科技大学 一种基于层次分析法和孤立森林的窃电辨识方法
CN110516837A (zh) * 2019-07-10 2019-11-29 马欣 一种基于ai的智能化诊断方法、***及装置
CN113516336A (zh) * 2021-03-22 2021-10-19 中国电力科学研究院有限公司 一种确定窃电嫌疑用户的方法及***
CN113673580A (zh) * 2021-07-28 2021-11-19 贵州电网有限责任公司 基于大数据建模的窃电嫌疑判断方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于大数据平台的电网线损与窃电预警分析关键技术;李端超等;《电力***保护与控制》;20180307(第05期);149-157 *

Also Published As

Publication number Publication date
CN115294750A (zh) 2022-11-04

Similar Documents

Publication Publication Date Title
CN108062629B (zh) 交易事件的处理方法、终端设备及介质
CN108540218A (zh) 电力光缆安全故障处理方法及装置
CN110933103B (zh) 反爬虫方法、装置、设备和介质
CN106817363B (zh) 基于神经网络的智能电表异常检测方法
CN106991744A (zh) 权限验证方法、门禁终端及门禁***
CN108872780B (zh) 带电勘查的带电作业检测、***及终端设备
CN114826946B (zh) 未授权访问接口的检测方法、装置、设备及存储介质
CN107016535A (zh) 一种区域消息共享方法及装置
CN110825776B (zh) 空气质量检测报告处理方法、装置及计算设备、存储介质
CN113884943B (zh) 漏电故障分析方法、装置、设备及介质
CN115294750B (zh) 窃电检测方法、***及存储介质
CN112596651B (zh) 一种配电终端调试的验收方法、装置、设备及存储介质
JP5319636B2 (ja) 距離継電装置、距離継電処理システム及び距離継電処理方法
CN109639658A (zh) 用于电力二次***运维的防火墙的数据传输方法及装置
Menon et al. Cyber security for smart meters
CN113009850B (zh) 低压联络柜的智能操作方法及装置
CN112654932A (zh) 使用表格化信息识别进行cogen-mom集成
CN112270424B (zh) 订单处理方法、装置、电子设备及存储介质
CN111478913B (zh) 配用电通信网络的网络入侵检测方法、装置及存储介质
CN109727340A (zh) 门禁***运营方法、装置及***
CN109802933B (zh) 资源自选方法和装置
JP5013803B2 (ja) 落雷回数情報提供装置、システム、及び方法
CN109767230A (zh) 一种支付方法、装置及交通支付设备
CN212400950U (zh) 一种直流充电桩
CN112200550B (zh) 基于数字金融的离线支付验证方法及区块链平台

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