一种防窃漏电多因素综合的诊断方法技术

一种防窃漏电多因素综合的诊断方法，包括以下步骤：

【技术实现步骤摘要】
一种防窃漏电多因素综合的诊断方法


[0001]本专利技术属于电力安全
，涉及一种防窃漏电多因素综合的诊断方法。

技术介绍

[0002]窃电是指以非法占用电能、不交或者少交电费为目的，采用非法手段不计量或者少计量用电的行为；漏电是指由于计量装置故障等原因而造成电费漏收、少收的现象。窃漏电诊断就是要针对窃电行为和漏电现象进行辨别，找出嫌疑较大的窃漏电位置和电力用户。
[0003]随着国民经济的不断发展，电力用户的数量在持续增加，电力市场的规模也越来越大。一方面蓬勃发展的电力市场给电力公司带来了良好的发展前景，另一方面由于窃电和漏电原因导致电力公司的经济损失也在持续增加。窃漏电不仅会严重损害电力公司的经济效益，而且会危害电网的安全运行和用户的用电安全，因此窃漏电的诊断工作一直是重点关注和研究的方向。
[0004]窃漏电诊断是个业务素质要求高且繁琐的过程，往往需要多个环节的紧密配合，经过人为仔细分析对比和假设推算，得到疑似窃漏电的用户。目前，各个省网公司都建立了用采系统，利用用采主站的计量在线监测等模块，对现场设备异常事件及主站分析的异常数据进行进一步处理，依据自身经验并结合相关数据进行推算，筛选出疑似窃漏电的用户。但目前窃漏电诊断方式自动化程度较低，人工参与诊断过程的力度较大，同时诊断结果易受到人员经验水平等因素的影响；窃漏电诊断过程效率不高，人工查阅数据及假设推算阶段耗时较长，在未来采集主站全覆盖的情况下，无疑需要更多的人员参与；部分窃漏电诊断方式的适用范围被主观扩大，将一种窃漏电诊断方式应用到多类用户，未充分考虑不同诊断方式的差异性。
[0005]因此，亟需我们总结经验，研究窃漏电现象相关的多种数据之间的关联性，研究适合窃漏电诊断的用户分组方式，构建窃漏电多因素综合诊断模型,实现自动化的窃漏电诊断，降低主观因素的干扰，提高窃漏电诊断的准确性，实现窃漏电工作的高效性、精细化、智能化。
[0006]国外对窃漏电的诊断分析主要侧重于对供电系统的线损估算来发现窃漏电现象。如美国Vijay Devabhaktuni(2011年)等人研究的关于线损的估算方法以及估算的准确性问题，从而发现线损异常的用户来确定疑似窃漏电用户的范围。近年来，结合新的科学技术进行线损计算也成为一个重要的研究方向，如Yap，Keem Siah；Tiong，Sieh Kiong(2012年)等人用神经网络、支持向量机等数据挖掘技术计算线损提高计算准确性的研究等。对于疑似窃漏电用户进一步处理的措施，包括采用安装防篡改电表、安装监控设备等手段。
[0007]目前，国内窃漏电的相关研究和应用集中在线损的计算、防窃电产品、防窃电系统的使用。利用自动抄表功能，及时的计算用户半小时内的线损电量和线损率，监测分析电力线路上可能存在的窃电用户，如任晓晖(2008年)等人关于多种防窃电技术在降损中的综合应用；防窃电产品如使用带有通讯功能的电表箱，建立电表箱和控制中心的通讯渠道，开表
箱需要控制中心给予授权来防止电表被篡改，如胡林、颜运昌(2006年)等人关于新型实时电网防窃电系统研究；利用电力线传输技术的智能防窃电装置,实时监测电压、电流，分析电压、电流之间的相位关系进行窃漏电诊断，如段晨旭，杨修文(2005年)等人关于基于电力线传输技术的智能化防窃电装置等。
[0008]近年来窃漏电研究重点也逐渐从单一异常分析转向系统综合性诊断，并且注重多种发现策略和技术的集成，以及多种诊断方式之间的相互渗透，使各个方面的诊断经验向该领域集中，取得了一定的成果，如刘涛，杨劲锋(2014)等人关于自适应的窃漏电诊断方法研究及应用。但是窃漏电的综合性诊断研究由于缺乏全面的历史数据和实际环境的检验，很多研究局限于学术研究层面。用采系统的投入使用已经积累了大量的用户用电信息，这为窃漏电多因素综合诊断提供了成熟的数据条件。因此，充分利用现有的用户用电数据资源，借鉴当前的科学研究成果，建立多因素相结合的综合窃漏电诊断模型就显得实用而必要。
[0009]综上所述：首先，目前国内外对窃漏电诊断的研究与应用主要集中在线损计算、防窃漏电设备的使用以及基于某类数据异常的分析三个方面，缺乏对窃漏电相关的多种因素综合分析应用；其次，窃漏电诊断分析方法相对粗糙，没有充分挖掘数据中的窃漏电信息，不能保证窃漏电诊断质量；再次，国内对窃漏电的综合诊断研究由于缺乏有效的数据资源和实施的客观环境，很多研究仅局限于学术层面，但从另一角度为窃漏电诊断实际工作的展开提供了方向和思路；最后，在智能化控制方面还有较大的改善空间，目前的窃漏电诊断需要经过多个环节的人工排查，虽然能够在一定程度上发现窃漏电用户，但整个过程工作繁琐、效率低下。因此，借鉴国内外对窃漏电诊断的研究成果，结合用采系统积累的丰富用户用电数据资源，采用数据挖掘技术，建立窃漏电多因素综合诊断模型自动识别窃漏电用户，降低电力损失，提高工作效率显得尤为必要。

技术实现思路

[0010]为克服上述现有技术中的不足，本专利技术目的在于提供一种防窃漏电多因素综合的诊断方法，在继承现有窃漏电研究成果的基础上，引入适合电力数据分析的数据挖掘模型，基于窃漏电相关的多个因素，对电力用户划分适合窃漏电诊断的群组和构建多种窃漏电诊断模型，提高识别疑似窃漏电用户的准确性。
[0011]为实现上述目的及其他相关目的，本专利技术提供一种防窃漏电多因素综合的诊断方法，包括以下步骤：
[0012]⑴
确定窃漏电相关的多个因素；所述多个因素包括数据来源、计算公式、数据格式、适用范围及窃漏电属性；
[0013]⑵
将电力用户按照用电特性结合窃漏电相关的多个因素进行动态的分组；并建立群组的窃漏电诊断模型；根据不同群组用户，构件多种窃漏电诊断模型；
[0014]⑶
基于用采系统采集数据，结合步骤
⑴
中确定的因素体系，按照因素定义的计算公式，计算得到各个因素的量值；然后，确定用户具体所属的群组，根据用户所属群组，选择相对应的诊断模型对该用户进行综合诊断，最终确定用户是否存在窃漏电嫌疑；
[0015]⑷
建立计算密集型计算平台，计算漏窃电动态分组、训练数据等需要加载的数据。
[0016]上述方案中，有关内容解释如下：
[0017]1、上述方案中，步骤
⑴
中，所述数据来源包括主站采集和人工录用；所述数据格式包括离散型数据和连续性数据；所述适用范围包括高供高计和高供低计；所述窃漏电属性包括漏电相关和窃电相关。
[0018]2、上述方案中，步骤
⑵
中，所述多种窃漏电诊断模型包括神经网络模型、逻辑回归模型、朴素贝叶斯模型及决策树模型。
[0019]3、上述方案中，所述密集型计算平台采用并行运算、内存计算或大吞吐量的读取计算。
[0020]4、上述方案中，步骤
⑵
中，对用户进行分组，采用数据挖掘中K-means聚类分析诊断模型，所述K-means聚类分析诊断模型的算法归纳为：
[0021](1)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种防窃漏电多因素综合的诊断方法，其特征在于：包括以下步骤：
⑴
确定窃漏电相关的多个因素；所述多个因素包括数据来源、计算公式、数据格式、适用范围及窃漏电属性；
⑵
将电力用户按照用电特性结合窃漏电相关的多个因素进行动态的分组；并建立群组的窃漏电诊断模型；根据不同群组用户，构件多种窃漏电诊断模型；
⑶
基于用采系统采集数据，结合步骤
⑴
中确定的因素体系，按照因素定义的计算公式，计算得到各个因素的量值；然后，确定用户具体所属的群组，根据用户所属群组，选择相对应的诊断模型对该用户进行综合诊断，最终确定用户是否存在窃漏电嫌疑；
⑷
建立计算密集型计算平台，计算漏窃电动态分组、训练数据等需要加载的数据。2.根据权利要求1所述的防窃漏电多因素综合的诊断方法，其特征在于：步骤
⑴
中，所述数据来源包括主站采集和人工录用；所述数据格式包括离散型数据和连续性数据；所述适用范围包括高供高计和高供低计；所述窃漏电属性包括漏电相关和窃电相关。3.根据权利要求1所述的防窃漏电多因素综合的诊断方法，其特征在于：步骤
⑵
中，所述多种窃漏电诊断模型包括神经网络模型、逻辑回归模型、朴素贝叶斯模型及决策树模型。4.根据权利要求1所述的防窃漏电多因...

【专利技术属性】
技术研发人员：唐伟宁，郭云峰，钟术海，孔凡强，鞠默欣，郑垒，田家栋，周力威，杨建荣，关百硕，肇起浩，
申请(专利权)人：国网吉林省电力有限公司电力科学研究院，
类型：发明
国别省市：