CN115423250A - 一种台区户变关系分析方法 - Google Patents
一种台区户变关系分析方法 Download PDFInfo
- Publication number
- CN115423250A CN115423250A CN202210894881.0A CN202210894881A CN115423250A CN 115423250 A CN115423250 A CN 115423250A CN 202210894881 A CN202210894881 A CN 202210894881A CN 115423250 A CN115423250 A CN 115423250A
- Authority
- CN
- China
- Prior art keywords
- user
- area
- line loss
- correlation coefficient
- transformer
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000008859 change Effects 0.000 claims abstract description 14
- 230000005540 biological transmission Effects 0.000 claims abstract description 11
- 239000013598 vector Substances 0.000 claims description 42
- 230000005611 electricity Effects 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 9
- 230000005856 abnormality Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 claims description 3
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000007547 defect Effects 0.000 abstract description 2
- 230000006872 improvement Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008439 repair process Effects 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
-
- 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
- G06Q30/00—Commerce
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
-
- 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)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Housings And Mounting Of Transformers (AREA)
Abstract
本发明属于台区户变关系分析技术领域,具体涉及一种台区户变关系分析方法。针对现有户变关系识别方法准确率较低的不足,本发明采用如下技术方案:一种台区户变关系分析方法,包括:S1、根据台区间相关系数,得到可疑台区,针对可疑台区,根据用户和台区间相关系数,得到第一可疑用户清单;S2、将线损率异常台区与小区内其它台区组合后计算线损,锁定线损率正常的台区组合,得到第二可疑用户清单;S3、根据新增用户或遗失用户,或者用户送电前后,台区线损从正常到异常,得到第三可疑用户清单;S4、至少两个取交集,得到最终可疑用户清单。本发明的台区户变关系分析方法的有益效果是:相比单一途径得到的清单,更加准确。
Description
技术领域
本发明属于台区户变关系分析技术领域,具体涉及一种台区户变关系分析方法。
背景技术
户变关系指的是变压器(台区)和用户电表的连接关系,台区户变关系的正确性是实现台区线损准确计算分析的前提。现阶段供电企业对台区线损率、供电质量、故障抢修及台区精细化管理水平等提出了更加严格的要求,迫切需要转变配电网传统管理模式和被动服务方式。其中准确的低压台区户变关系是提升线损治理和电力营销管理水平的重要基础,也是实现供电企业停电到户、故障定位和台区智能运检的重要依据。
然而,由于城市的快速发展,以及历史电网管理遗留的问题,户变关系的判别一直以来都是各供电企业台区线损管理的一大难题。传统台区停电方法虽然可以逐一排查停电台区变压器和户表的对应关系,但是为保证用户供电可靠性,全面停电排查方法无法实施。部分供电企业采用台区识别仪通过载波通讯方式识别台区,但是需要在线路上加装集中器和采集器等硬件,全面开展受成本条件限制。
目前,户变关系准确性已达到较高水平。考虑到剩下的户变关系异常用户数量相对不多且用电行为较隐蔽,再使用人工或通过加装设备进行排查,需花费大量的时间、人力和资金成本,投入产出比极低。
为此,有关单位开发了各种户变关系识别方法,或者基于电量和电压数据,或者基于大数据分析,或者基于个体和群体电压相似性等等,各有其优缺点。然而,现有的户变关系识别方法,获得的清单的方法较为单一,难以排除因各种偶然因素等造成的误差,使得准确率较低。
发明内容
本发明针对现有户变关系识别方法准确率较低的不足,提供一种台区户变关系分析方法,通过多种途径得到多个清单,然后取这些清单的交集,从而提升准确率。
为实现上述目的,本发明采用如下技术方案:一种台区户变关系分析方法,所述台区户变关系分析方法包括:
步骤S1、建立关于台区间相关系数的台区网络模型,根据台区间相关系数,得到可疑台区,针对可疑台区,建立关于用户和台区间相关系数的用户网络模型,根据用户和台区间相关系数,得到第一可疑用户清单;
步骤S2、筛选出对应多个台区的小区,计算小区整体线损和各台区线损,将线损率异常台区与小区内其它台区一一进行打捆后计算线损,锁定线损率正常的台区组合,对比台区组合中用户的逻辑地址和物理地址,得到第二可疑用户清单;
步骤S3、根据新增用户或遗失用户前后台区线损从正常到异常,以及,根据用户送电前后台区线损从正常到异常,得到第三可疑用户清单;
步骤S4、对第一可疑用户清单至第三可疑用户清单中至少两个取交集,得到最终可疑用户清单。
本发明的台区户变关系分析方法,通过不同途径获得三个清单,并取三个清单中至少两个的交集来作为最终的可疑用户清单,相比单一途径得到的清单,更加准确;三个清单中均和台区线损相关,数据可靠性强,不会出现空集情况。
作为改进,对第一可疑用户清单至第三可疑用户清单取交集,得到最终可疑用户清单。
作为改进,步骤S1中,台区间相关系数结合了台区间线损相关系数、物理地址相关系数和逻辑地址相关系数,台区间线损相关系数的获得过程如下:
步骤S111、采用全量平均法,得到全量平均线损电量,当某个台区的线损电量大于A1*全量平均线损电量时,标记为1,当某个台区的线损电量小于A2*全量平均线损电量时,标记为-1,其它情况则标记为0,得到由1、0、-1组成的台区线损电量向量,其中,A1、A2为相关阈值系数;
步骤S112、浮窗计算两两台区线损电量向量夹角cos值,浮窗长度设为T;
步骤S113、统计cos值等于-1的次数,计为t,台区线损电量向量的长度为T,则台区间线损相关系数K1=t/T;
台区间物理地址相关系数的获得过程如下:
步骤S121、对台区物理地址按层次进行分列,得到台区的物理地址数据集;
步骤S122、统计两台区数据集中相同的元素个数,相同的元素个素比上数据集中的元素个数,得到物理地址相关系数K2;
逻辑地址相关系数的获得过程如下:
步骤S131、提取台区的逻辑地址;
步骤S132、当两台区的逻辑地址完全相同时,逻辑地址相关系数K3计为1,其它情况K3计为0。
作为改进,步骤S1中,用户和台区间相关系数结合了用户和台区线损相关系数、用户和台区供电量相关系数、用户和台区标准用户相关系数、用户物理地址和台区物理地址相关系数,各相关系数的获得过程如下:
步骤S141、统计台区下所有用户的平均用电量作为台区标准用户的当日用电量,得到多日台区标准用户数据集;
步骤S142、构建用户用电向量、标准用户用电向量、台区线损向量和台区供电量向量;
步骤S143、计算用户用电向量和标准用户用电向量的cos值,分别统计cos值等于1和等于-1的次数,得到用户和台区标准用户相关系数K6;
步骤S144、计算用户用电向量和台区线损向量的cos值,分别统计cos值等于1和等于-1的次数,得到用户和台区线损相关系数K4;
步骤S145、计算用户用电向量和台区供电量向量的cos值,分别统计cos值等于1和等于-1的次数,得到用户和台区供电量相关系数K5;
用户物理地址和台区物理地址相关系数的获得过程如下:
步骤S151、对用户和台区物理地址按层次进行分列,得到用户和台区的物理地址数据集;
步骤S152、统计用户和台区数据集中相同的元素个数,相同的元素个素比上数据集中的元素个数,得到用户和台区物理地址相关系数K7。
作为改进,步骤S1中,台区间相关系数为台区线损相关系数、物理地址相关系数和逻辑地址相关系数简单相加;用户和台区间相关系数为用户和台区线损相关系数、用户和台区供电量相关系数、用户和台区标准用户相关系数、用户物理地址和台区物理地址相关系数的加权相加,权重系数由正负比案例计算得到。
作为改进,用户和台区间相关系数=1.84*K4+1.67*K5+2.23*K6+0.5*K7。
作为改进,步骤S1中,还包括停上电分析:
步骤S161、获取用采***中台区停上电事件及时间以及用户负荷数据;
步骤S162、根据台区停电事件、时间以及上电事件、时间结合用户和终端的负荷数据时刻点,若公变有效停电时间超过2个时刻点,且用户负荷数据对应时刻点存在数据,则说明用户存在户变嫌疑;若台区未停电,但用户负荷数据对应时刻点无数据,且供电所下其他台区同时存在有效停电事件,也说明用户存在户变嫌疑,将嫌疑用户列入第一可疑用户清单。
作为改进,步骤S2中,包括:
步骤S21、根据中文名称筛选出对应多个台区的小区;
步骤S22、计算小区整体线损,对于整体线损率异常的小区进行下一步;
步骤S23、计算小区下各台区线损,将线损率异常的台区与其它台区一一进行打捆后计算线损,当打捆后的线损率正常时,锁定当前台区组合;
步骤S24、对比台区组合中用户的逻辑地址,若出现两个用户有相同的逻辑地址,则必有户变问题,将异常台区中对应的用户移出并移入正常台区,分别计算移入移出后两个台区的线损,若线损均正常,则将该用户列入第二可疑用户清单;
步骤S25、若逻辑地址没有相同,则判断物理地址,将异常台区中对应的物理地址相同的用户部分移出并移入正常台区,若线损均正常,则将该用户列入第二可疑用户清单。
作为改进,步骤S3中,包括:
步骤S311、获取台区从正常到异常的变化节点,在变化节点前存在用户数增加或用户数减少,筛选出此类线损率异常台区;
步骤S312、根据变化节点前一段时期用电量、线损率数据,判断新增用户或遗失用户是否为可疑用户,若是,则列入第三可疑用户清单。
作为改进,步骤S3中,包括:
步骤S32、根据用户档案送电时间数据,若台区在送电时间前线损率正常且在送电时间后连续一段时间线损率异常,则将该用户列入第三可疑用户清单。
作为改进,还包括通用数据处理:
去除所有用户和台区任何一数据为空的数据;
去除极端的异常数据值;
去除受计量异常,采集异常,违约用电影响的数据;
在去除数据后仍然需保证数据完整性和真实性达95%。
本发明的台区户变关系分析方法的有益效果是:通过不同途径获得三个清单,并取三个清单中至少两个的交集来作为最终的可疑用户清单,相比单一途径得到的清单,更加准确;三个清单中均和台区线损相关,保证数据可靠性。
具体实施方式
下面对本发明创造实施例的技术方案进行解释和说明,但下述实施例仅为本发明创造的优选实施例,并非全部。基于实施方式中的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的其他实施例,都属于本发明创造的保护范围。
本发明实施例的一种台区户变关系分析方法,所述台区户变关系分析方法包括:
步骤S1、建立关于台区间相关系数的台区网络模型,根据台区间相关系数,得到可疑台区,针对可疑台区,建立关于用户和台区间相关系数的用户网络模型,根据用户和台区间相关系数,得到第一可疑用户清单;
步骤S2、筛选出对应多个台区的小区,计算小区整体线损和各台区线损,将线损率异常台区与小区内其它台区一一进行打捆后计算线损,锁定线损率正常的台区组合,对比台区组合中用户的逻辑地址和物理地址,得到第二可疑用户清单;
步骤S3、根据新增用户或遗失用户前后台区线损从正常到异常,以及,根据用户送电前后台区线损从正常到异常,得到第三可疑用户清单;
步骤S4、对第一可疑用户清单至第三可疑用户清单中至少两个取交集,得到最终可疑用户清单。
本发明的台区户变关系分析方法,通过不同途径获得三个清单,并取三个清单中至少两个的交集来作为最终的可疑用户清单,相比单一途径得到的清单,更加准确;三个清单中均和台区线损相关,保证数据可靠性。
本实施例中,对第一可疑用户清单至第三可疑用户清单取交集,得到最终可疑用户清单。
本实施例中,步骤S1中,台区间相关系数结合了台区间线损相关系数、物理地址相关系数和逻辑地址相关系数,台区间线损相关系数的获得过程如下:
步骤S111、采用全量平均法,得到全量平均线损电量,当某个台区的线损电量大于A1*全量平均线损电量时,标记为1,当某个台区的线损电量小于A2*全量平均线损电量时,标记为-1,其它情况则标记为0,得到由1、0、-1组成的台区线损电量向量,其中,A1、A2为相关阈值系数;
步骤S112、浮窗计算两两台区线损电量向量夹角cos值,浮窗长度设为T;
步骤S113、统计cos值等于-1的次数,计为t,台区线损电量向量的长度为T,则台区间线损相关系数K1=t/T;
台区间物理地址相关系数的获得过程如下:
步骤S121、对台区物理地址按层次进行分列,得到台区的物理地址数据集;
步骤S122、统计两台区数据集中相同的元素个数,相同的元素个素比上数据集中的元素个数,得到物理地址相关系数K2;假设A台区有a个元素,B台区有b个元素,相同的元素个数为c,则A相对于B的相似性为c/a,B相对于A的相似性为c/b。
逻辑地址相关系数的获得过程如下:
步骤S131、提取台区的逻辑地址;
步骤S132、当两台区的逻辑地址完全相同时,逻辑地址相关系数K3计为1,其它情况K3计为0。
台区间相关系数越大,表明存在户变关系错误的可能性越大。可以选择适当的阈值来筛选出可疑台区组合。
本实施例中,步骤S1中,用户和台区间相关系数结合了用户和台区线损相关系数、用户和台区供电量相关系数、用户和台区标准用户相关系数、用户物理地址和台区物理地址相关系数,各相关系数的获得过程如下:
步骤S141、统计台区下所有用户的平均用电量作为台区标准用户的当日用电量,得到多日台区标准用户数据集;
步骤S142、构建用户用电向量、标准用户用电向量、台区线损向量和台区供电量向量;
步骤S143、计算用户用电向量和标准用户用电向量的cos值,分别统计cos值等于1和等于-1的次数,得到用户和台区标准用户相关系数K6,设天数为h,cos值等于1的次数为m,cos值等于-1的次数为n,则K6=(n-m)/h;
步骤S144、计算用户用电向量和台区线损向量的cos值,分别统计cos值等于1和等于-1的次数,得到用户和台区线损相关系数K4;
步骤S145、计算用户用电向量和台区供电量向量的cos值,分别统计cos值等于1和等于-1的次数,得到用户和台区供电量相关系数K5;
用户物理地址和台区物理地址相关系数的获得过程如下:
步骤S151、对用户和台区物理地址按层次进行分列,得到用户和台区的物理地址数据集;
步骤S152、统计用户和台区数据集中相同的元素个数,相同的元素个素比上数据集中的元素个数,得到用户和台区物理地址相关系数K7。
本实施例中,步骤S1中,台区间相关系数为台区线损相关系数、物理地址相关系数和逻辑地址相关系数简单相加;用户和台区间相关系数为用户和台区线损相关系数、用户和台区供电量相关系数、用户和台区标准用户相关系数、用户物理地址和台区物理地址相关系数的加权相加,权重系数由正负比案例计算得到。
本实施例中,用户和台区间相关系数=1.84*K4+1.67*K5+2.23*K6+0.5*K7。
用户和台区间相关系数越小,表明用户的嫌疑越大。
本实施例中,步骤S1中,还包括停上电分析:
步骤S161、获取用采***中台区停上电事件及时间以及用户负荷数据;
步骤S162、根据台区停电事件、时间以及上电事件、时间结合用户和终端的负荷数据时刻点,若公变有效停电时间超过2个时刻点,且用户负荷数据对应时刻点存在数据,则说明用户存在户变嫌疑;若台区未停电,但用户负荷数据对应时刻点无数据,且供电所下其他台区同时存在有效停电事件,也说明用户存在户变嫌疑,将嫌疑用户列入第一可疑用户清单。
本实施例中,步骤S2中,包括:
步骤S21、根据中文名称筛选出对应多个台区的小区;
步骤S22、计算小区整体线损,对于整体线损率异常的小区进行下一步;
步骤S23、计算小区下各台区线损,将线损率异常的台区与其它台区一一进行打捆后计算线损,当打捆后的线损率正常时,锁定当前台区组合;
步骤S24、对比台区组合中用户的逻辑地址,若出现两个用户有相同的逻辑地址,则必有户变问题,将异常台区中对应的用户移出并移入正常台区,分别计算移入移出后两个台区的线损,若线损均正常,则将该用户列入第二可疑用户清单;
步骤S25、若逻辑地址没有相同,则判断物理地址,将异常台区中对应的物理地址相同的用户部分移出并移入正常台区,若线损均正常,则将该用户列入第二可疑用户清单。
本实施例中,步骤S3中,包括:
步骤S311、获取台区从正常到异常的变化节点,在变化节点前存在用户数增加或用户数减少,筛选出此类线损率异常台区;
步骤S312、根据变化节点前一段时期用电量、线损率数据,判断新增用户或遗失用户是否为可疑用户,若是,则列入第三可疑用户清单。
本实施例中,步骤S3中,包括:
步骤S32、根据用户档案送电时间数据,若台区在送电时间前线损率正常且在送电时间后连续一段时间线损率异常,则将该用户列入第三可疑用户清单。
本实施例中,还包括通用数据处理:
去除所有用户和台区任何一数据为空的数据;
去除极端的异常数据值;
去除受计量异常,采集异常,违约用电影响的数据;
在去除数据后仍然需保证数据完整性和真实性达95%。
本发明实施例的台区户变关系分析方法的有益效果是:通过不同途径获得三个清单,并取三个清单的交集来作为最终的可疑用户清单,相比单一途径得到的清单,更加准确;三个清单中均和台区线损相关,保证数据可靠性。
以上所述,仅为本发明创造的具体实施方式,但本发明创造的保护范围并不局限于此,熟悉该本领域的技术人员应该明白本发明创造包括但不限于上面具体实施方式中描述的内容。任何不偏离本发明创造的功能和结构原理的修改都将包括在权利要求书的范围中。
Claims (10)
1.一种台区户变关系分析方法,其特征在于:所述台区户变关系分析方法包括:
步骤S1、建立关于台区间相关系数的台区网络模型,根据台区间相关系数,得到可疑台区,针对可疑台区,建立关于用户和台区间相关系数的用户网络模型,根据用户和台区间相关系数,得到第一可疑用户清单;
步骤S2、筛选出对应多个台区的小区,计算小区整体线损和各台区线损,将线损率异常台区与小区内其它台区一一进行打捆后计算线损,锁定线损率正常的台区组合,对比台区组合中用户的逻辑地址和物理地址,得到第二可疑用户清单;
步骤S3、根据新增用户或遗失用户前后台区线损从正常到异常,以及,根据用户送电前后台区线损从正常到异常,得到第三可疑用户清单;
步骤S4、对第一可疑用户清单至第三可疑用户清单中至少两个取交集,得到最终可疑用户清单。
2.根据权利要求1所述的一种台区户变关系分析方法,其特征在于:步骤S1中,台区间相关系数结合了台区间线损相关系数、物理地址相关系数和逻辑地址相关系数;
台区间线损相关系数的获得过程如下:
步骤S111、采用全量平均法,得到全量平均线损电量,当某个台区的线损电量大于A1*全量平均线损电量时,标记为1,当某个台区的线损电量小于A2*全量平均线损电量时,标记为-1,其它情况则标记为0,得到由1、0、-1组成的台区线损电量向量,其中,A1、A2为相关阈值系数;
步骤S112、浮窗计算两两台区线损电量向量夹角cos值,浮窗长度设为T;
步骤S113、统计cos值等于-1的次数,计为t,台区线损电量向量的长度为T,则台区间线损相关系数K1=t/T;
台区间物理地址相关系数的获得过程如下:
步骤S121、对台区物理地址按层次进行分列,得到台区的物理地址数据集;
步骤S122、统计两台区数据集中相同的元素个数,相同的元素个素比上数据集中的元素个数,得到物理地址相关系数K2;
台区间逻辑地址相关系数的获得过程如下:
步骤S131、提取台区的逻辑地址;
步骤S132、当两台区的逻辑地址完全相同时,逻辑地址相关系数K3计为1,其它情况K3计为0。
3.根据权利要求2所述的一种台区户变关系分析方法,其特征在于:步骤S1中,用户和台区间相关系数结合了用户和台区线损相关系数、用户和台区供电量相关系数、用户和台区标准用户相关系数、用户物理地址和台区物理地址相关系数,各相关系数的获得过程如下:
步骤S141、统计台区下所有用户的平均用电量作为台区标准用户的当日用电量,得到多日台区标准用户数据集;
步骤S142、构建用户用电向量、标准用户用电向量、台区线损向量和台区供电量向量;
步骤S143、计算用户用电向量和标准用户用电向量的cos值,分别统计cos值等于1和等于-1的次数,得到用户和台区标准用户相关系数K6;
步骤S144、计算用户用电向量和台区线损向量的cos值,分别统计cos值等于1和等于-1的次数,得到用户和台区线损相关系数K4;
步骤S145、计算用户用电向量和台区供电量向量的cos值,分别统计cos值等于1和等于-1的次数,得到用户和台区供电量相关系数K5;
用户物理地址和台区物理地址相关系数的获得过程如下:
步骤S151、对用户和台区物理地址按层次进行分列,得到用户和台区的物理地址数据集;
步骤S152、统计用户和台区数据集中相同的元素个数,相同的元素个素比上数据集中的元素个数,得到用户和台区物理地址相关系数K7。
4.根据权利要求3所述的一种台区户变关系分析方法,其特征在于:步骤S1中,台区间相关系数为台区线损相关系数、物理地址相关系数和逻辑地址相关系数简单相加;用户和台区间相关系数为用户和台区线损相关系数、用户和台区供电量相关系数、用户和台区标准用户相关系数、用户物理地址和台区物理地址相关系数的加权相加,权重系数由正负比案例计算得到。
5.根据权利要求4所述的一种台区户变关系分析方法,其特征在于:用户和台区间相关系数=1.84*K4+1.67*K5+2.23*K6+0.5*K7。
6.根据权利要求1所述的一种台区户变关系分析方法,其特征在于:步骤S1中,还包括停上电分析:
步骤S161、获取用采***中台区停上电事件及时间以及用户负荷数据;
步骤S162、根据台区停电事件、时间以及上电事件、时间结合用户和终端的负荷数据时刻点,若公变有效停电时间超过2个时刻点,且用户负荷数据对应时刻点存在数据,则说明用户存在户变嫌疑;若台区未停电,但用户负荷数据对应时刻点无数据,且供电所下其他台区同时存在有效停电事件,也说明用户存在户变嫌疑,将嫌疑用户列入第一可疑用户清单。
7.根据权利要求1所述的一种台区户变关系分析方法,其特征在于:步骤S2中,包括:
步骤S21、根据中文名称筛选出对应多个台区的小区;
步骤S22、计算小区整体线损,对于整体线损率异常的小区进行下一步;
步骤S23、计算小区下各台区线损,将线损率异常的台区与其它台区一一进行打捆后计算线损,当打捆后的线损率正常时,锁定当前台区组合;
步骤S24、对比台区组合中用户的逻辑地址,若出现两个用户有相同的逻辑地址,则必有户变问题,将异常台区中对应的用户移出并移入正常台区,分别计算移入移出后两个台区的线损,若线损均正常,则将该用户列入第二可疑用户清单;
步骤S25、若逻辑地址没有相同,则判断物理地址,将异常台区中对应的物理地址相同的用户部分移出并移入正常台区,若线损均正常,则将该用户列入第二可疑用户清单。
8.根据权利要求1所述的一种台区户变关系分析方法,其特征在于:步骤S3中,包括:
步骤S311、获取台区从正常到异常的变化节点,在变化节点前存在用户数增加或用户数减少,筛选出此类线损率异常台区;
步骤S312、根据变化节点前一段时期用电量、线损率数据,判断新增用户或遗失用户是否为可疑用户,若是,则列入第三可疑用户清单;
步骤S32、根据用户档案送电时间数据,若台区在送电时间前线损率正常且在送电时间后连续一段时间线损率异常,则将该用户列入第三可疑用户清单。
9.根据权利要求1所述的一种台区户变关系分析方法,其特征在于:对第一可疑用户清单至第三可疑用户清单取交集,得到最终可疑用户清单。
10.根据权利要求1所述的一种台区户变关系分析方法,其特征在于:还包括通用数据处理:
去除所有用户和台区任何一数据为空的数据;
去除极端的异常数据值;
去除受计量异常,采集异常,违约用电影响的数据;
在去除数据后仍然需保证数据完整性和真实性达95%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210894881.0A CN115423250B (zh) | 2022-07-28 | 2022-07-28 | 一种台区户变关系分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210894881.0A CN115423250B (zh) | 2022-07-28 | 2022-07-28 | 一种台区户变关系分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115423250A true CN115423250A (zh) | 2022-12-02 |
CN115423250B CN115423250B (zh) | 2023-07-28 |
Family
ID=84196753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210894881.0A Active CN115423250B (zh) | 2022-07-28 | 2022-07-28 | 一种台区户变关系分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115423250B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108318759A (zh) * | 2018-01-25 | 2018-07-24 | 国网浙江海宁市供电有限公司 | 一种多维度台区户变关系识别方法 |
WO2018231671A2 (en) * | 2017-06-16 | 2018-12-20 | Nec Laboratories America, Inc. | Suspicious remittance detection through financial behavior analysis |
CN109919425A (zh) * | 2019-01-23 | 2019-06-21 | 国网浙江省电力有限公司 | 一种基于相关性分析的台区用户关系纠错方法 |
CN110097275A (zh) * | 2019-04-25 | 2019-08-06 | 国网湖南省电力有限公司 | 一种基于台区停电数据的户变关系校验方法及装置 |
CN110231528A (zh) * | 2019-06-17 | 2019-09-13 | 国网重庆市电力公司电力科学研究院 | 基于负荷特征模型库的变压器户变异常识别方法及装置 |
CN110646690A (zh) * | 2019-09-10 | 2020-01-03 | 国网浙江省电力有限公司电力科学研究院 | 基于特征电流信号的户变关系识别方法及*** |
CN112288339A (zh) * | 2020-12-24 | 2021-01-29 | 广东电网有限责任公司佛山供电局 | 一种基于电量和电压数据分析的台区户变关系辨识方法 |
CN114076841A (zh) * | 2021-11-12 | 2022-02-22 | 国网安徽省电力有限公司旌德县供电公司 | 基于用电信息数据的窃电行为识别方法及*** |
WO2022110557A1 (zh) * | 2020-11-25 | 2022-06-02 | 国网湖南省电力有限公司 | 一种台区户变关系异常诊断方法及装置 |
-
2022
- 2022-07-28 CN CN202210894881.0A patent/CN115423250B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018231671A2 (en) * | 2017-06-16 | 2018-12-20 | Nec Laboratories America, Inc. | Suspicious remittance detection through financial behavior analysis |
CN108318759A (zh) * | 2018-01-25 | 2018-07-24 | 国网浙江海宁市供电有限公司 | 一种多维度台区户变关系识别方法 |
CN109919425A (zh) * | 2019-01-23 | 2019-06-21 | 国网浙江省电力有限公司 | 一种基于相关性分析的台区用户关系纠错方法 |
CN110097275A (zh) * | 2019-04-25 | 2019-08-06 | 国网湖南省电力有限公司 | 一种基于台区停电数据的户变关系校验方法及装置 |
CN110231528A (zh) * | 2019-06-17 | 2019-09-13 | 国网重庆市电力公司电力科学研究院 | 基于负荷特征模型库的变压器户变异常识别方法及装置 |
CN110646690A (zh) * | 2019-09-10 | 2020-01-03 | 国网浙江省电力有限公司电力科学研究院 | 基于特征电流信号的户变关系识别方法及*** |
WO2022110557A1 (zh) * | 2020-11-25 | 2022-06-02 | 国网湖南省电力有限公司 | 一种台区户变关系异常诊断方法及装置 |
CN112288339A (zh) * | 2020-12-24 | 2021-01-29 | 广东电网有限责任公司佛山供电局 | 一种基于电量和电压数据分析的台区户变关系辨识方法 |
CN114076841A (zh) * | 2021-11-12 | 2022-02-22 | 国网安徽省电力有限公司旌德县供电公司 | 基于用电信息数据的窃电行为识别方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN115423250B (zh) | 2023-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112187518B (zh) | 智能融合终端台区拓扑识别方法及*** | |
Teng et al. | Strategic distributed generator placements for service reliability improvements | |
CN102947801B (zh) | 恶意攻击检测和分析 | |
CN110826895B (zh) | 一种台区拓扑识别方法 | |
CN111160791A (zh) | 一种基于gbdt算法及因素融合的异常用户识别方法 | |
CN108922157A (zh) | 一种自学习智能抄表方法及*** | |
CN112085403B (zh) | 一种基于混合整数规划的低压台区拓扑辨识方法 | |
CN111930802A (zh) | 一种基于Lasso解析的反窃电分析方法 | |
CN116014790A (zh) | 一种含分布式能源的配电网弹性评估方法 | |
CN109193751B (zh) | 一种基于黑启动和负荷恢复过程的电网恢复力计算方法及*** | |
CN113376553A (zh) | 三相四线计量串电流回路接线的智能甄别方法和*** | |
CN115423250B (zh) | 一种台区户变关系分析方法 | |
CN112258030A (zh) | 配电网智能开关站的选址方法、***及信息数据处理终端 | |
CN111369388A (zh) | 用于城市电网的对抗脆弱性评估方法及*** | |
CN115545240A (zh) | 一种低压配电网台区异常线损诊断方法、***、设备及介质 | |
CN109447490B (zh) | 一种基于用户地址的户变关系异常判别方法 | |
CN113850422A (zh) | 一种基于多元非线性回归或/和平行向量的快速查找台区线损点的方法 | |
Athanasiadis et al. | A Benchmarking Testbed for Low-Voltage Active Distribution Network Studies | |
CN110874452B (zh) | 电网低压台区拓扑自动识别方法 | |
CN112241812A (zh) | 基于单边优化与遗传算法协作的低压配电网拓扑识别方法 | |
CN109932584B (zh) | 面向智能电网恶意用户定位的多元编码快速检测方法 | |
CN113934795A (zh) | 一种基于分布式管理的电网预警*** | |
Wang et al. | Vulnerability assessment model of power grid cascading failures based on fault chain and dynamic fault tree | |
CN107818414B (zh) | 一种大规模交直流混联电网n-2预想事故集的生成方法 | |
Yang et al. | AI-Based Detection of Power Consumption Behavior of People in a Smart City |
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 |