一种基于智能量测终端的反窃电分析方法技术

本发明专利技术涉及配电网自动化系统领域，公开了一种基于智能量测终端的反窃电分析方法，包括以下步骤：量测终端采集台区用户表与台区考核总表日冻结电量数据；对采集数据进行均值滤波处理；用总表数据减去户表数据加和获得线损值曲线；奇异值分解户表数据；根据户表数据与线损值曲线建立低压台区线损回归模型，从而得到户表估计系数；计算线损贡献度并结合估计系数给出疑似窃电用户清单。本发明专利技术能够在数据点数少于用户数的情况下进行计算并改善了由于用户间相关性导致判断失准的问题，获得相对稳定的最小二乘解析解，保证了窃电用户判断结果的准确性。同时，本发明专利技术仅需获取全台区用户用电数据与台区总表数据，无需添加额外设备，易于实现。实现。实现。

【技术实现步骤摘要】
一种基于智能量测终端的反窃电分析方法


[0001]本专利技术涉及配电网自动化系统领域，涉及一种基于智能量测终端的反窃电分析方法。

技术介绍

[0002]电力能源已成为当今社会生产生活中的必需品，然而在发电、输电和配电过程中，经常会发生电能损耗，其中，日益增多的窃电现象是导致电能损耗的一个重要原因，从而导致难以估计的经济损失。近年来，坚强智能电网和泛在电力物联网的建设与发展使得电压、电流、电量等海量用电数据得以采集并存储，因此，基于大数据分析技术的窃电检测方法受到日益广泛的关注。
[0003]在当前的大数据分析技术中，最常见的手段是根据能量守恒定律建立台区线性回归模型，然后根据最小二乘方法估计出用户系数，线性回归模型中窃电用户的估计系数远离零值而正常用户的系数靠近零值，进而分析出疑似窃电行为。然而，该方法在实际应用中常会面临两方面问题：最小二乘法需要数据点数大于等于用户数，否则无法进行计算，而低压台区可能存在多达几百用户，导致需要更多的数据点数，从而导致计算周期过长；低压台区用户的日冻结电量具有不同程度的相关性，容易导致最小二乘法的解不稳定，从而影响最终判断结果。

技术实现思路

[0004]本专利技术针对上述问题，克服现有技术的不足，提出一种基于智能量测终端（南方电网科学研究院有限责任公司）的反窃电分析方法，对户表数据矩阵进行奇异值分解，能够在数据点数少于用户数的情况下进行计算并改善了由于用户间相关性导致判断失准的问题，获得相对稳定的最小二乘解析解。同时，本专利技术仅需获取全台区用户用电数据与台区总表数据，无需添加额外设备。
[0005]为了实现上述专利技术目的，本专利技术采取如下技术方案：
[0006]一种基于智能量测终端的反窃电分析方法，包括以下步骤：
[0007]步骤1，智能量测终端采集低压台区用户表日冻结电量数据与台区考核总表日冻结电量数据；
[0008]步骤2，对采集到的电量数据进行均值滤波处理，称均值滤波处理后的数据为总表数据和户表数据；
[0009]用总表数据减去户表数据的加和，获得线损值曲线；
[0010]步骤3，对户表数据进行奇异值分解；具体过程为：
[0011]A1，将户表数据整理为矩阵形式；其中n为滤波后的数据点数，m为台区用户表数，R表示实数；
[0012]A2，计算，求特征向量和特征值；
[0013]求得的特征值按照从大到小顺序排列并相应排列特征值对应的特征向量，取排列
后的前c=min(m，n) 个特征值与特征向量；
[0014]取得的特征向量组成右矩阵满足；取得的特征值的平方根构成奇异值对角阵；
[0015]A3，计算，求特征向量和特征值；
[0016]求得的特征值按照从大到小顺序排列并相应排列特征值对应的特征向量，取排列后的前c=min(m，n) 个特征值与特征向量；
[0017]取得的特征向量组成左矩阵满足；
[0018]A4，计算奇异值累计贡献度cum
k
，公式为：
[0019]；
[0020]其中λ
i
、λ
j
分别为排列后的第i个、第j个特征值；
[0021]将首次满足cum
k
＞0.99的k值确定为分解阶数；
[0022]步骤4，根据户表数据与线损值曲线建立低压台区线损回归模型，从而根据V、U、∑计算得到对应的解析解，即户表估计系数；
[0023]步骤5，根据户表估计系数值计算线损贡献度，并根据贡献度和估计系数给出疑似窃电用户清单。
[0024]优选地，所述步骤1中采集的数据天数大于60。
[0025]优选地，所述步骤2中均值滤波过程用算式表示为：
[0026]；
[0027]；
[0028]计算线损值的公式为：
[0029]；
[0030]其中为第t个总表数据，1≤t≤n= n
0 ‑
c+1，n为滤波后的数据点数，n0为原始数据天数，c为均值滤波参数，是滤波前的第p个台区考核总表日冻结电量数据，t≤p≤t+c
‑
1，为第i个用户表的第t个户表数据，为滤波前的第i个用户表的第p个日冻结电量数据，为第t个线损值，m为台区用户表数。
[0031]优选地，所述步骤4中的回归模型为；其中是所有户表的估计系数向量，向量L为线损值曲线，β为户表的估计系数向量；
[0032]对应的解析解。
[0033]优选地，所述步骤5中线损贡献度Contri的计算公式为：
[0034]；
[0035]其中为第i个用户表的第t个户表数据，是第i个户表的估计系数值，n为滤波后的数据点数，为第t个线损值；
[0036]则疑似窃电清单中用户表的标号；
[0037]其中α和ε为两个阈值。
[0038]优选地，所述α和ε的取值范围分别为[0.2，0.8]和[0.2，1.0]。
[0039]本专利技术的有益效果是：基于智能量测终端，本专利技术对户表数据矩阵进行奇异值分解，能够在数据点数少于用户数的情况下进行计算并改善了由于用户间相关性导致判断失准的问题，获得相对稳定的最小二乘解析解，保证了窃电用户判断结果的准确性。同时，本专利技术仅需获取全台区用户用电数据与台区总表数据，无需添加额外设备，易于实现。
附图说明
[0040]图1为本专利技术的总体流程图。
[0041]图2为本专利技术实施例中台区用户的回归系数图。
[0042]图3为本专利技术实施例中台区用户的线损贡献度图。
具体实施方式
[0043]下面结合附图1~3与实施例对本专利技术作进一步的说明以具体阐述本专利技术的技术方案。需要说明的是，以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0044]实施例：
[0045]结合附图1，一种基于智能量测终端的反窃电分析方法，包括以下步骤：
[0046]步骤1，智能量测终端采集90天的某低压台区共110户的日冻结电量数据与台区考核总表日冻结电量数据。
[0047]步骤2，对采集到的电量数据进行均值滤波处理，称均值滤波处理后的数据为总表数据和户表数据；均值滤波过程用算式表示为：
[0048]；
[0049]；
[0050]计算线损值的公式为：
[0051]；
[0052]其中为第t个总表数据，1≤t≤n= n
0 ‑
c+1，滤波后的数据点数n为88，原始数据天数n0为90，均值滤波参数c为3，是滤波前的第p个台区考核总表日冻结电量数据，t≤p≤t+c
‑
1，为第i个用户表的第t个户表数据，为滤波前的第i个用户表的第p个日冻结电量数据，为第t个线损值，台区用户表数m为110；
[0053]用总表数据减去户表数据的加和，获得线损值曲线。
[0054]步骤3，对户表数据进行奇异值分解；具体过程为：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能量测终端的反窃电分析方法，其特征在于，包括以下步骤：步骤1，智能量测终端采集低压台区用户表日冻结电量数据与台区考核总表日冻结电量数据；步骤2，对采集到的电量数据进行均值滤波处理，称均值滤波处理后的数据为总表数据和户表数据；用总表数据减去户表数据的加和，获得线损值曲线；步骤3，对户表数据进行奇异值分解；具体过程为：A1，将户表数据整理为矩阵形式；其中n为滤波后的数据点数，m为台区用户表数，R表示实数；A2，计算，求特征向量和特征值；求得的特征值按照从大到小顺序排列并相应排列特征值对应的特征向量，取排列后的前c=min(m，n) 个特征值与特征向量；取得的特征向量组成右矩阵满足；取得的特征值的平方根构成奇异值对角阵；A3，计算，求特征向量和特征值；求得的特征值按照从大到小顺序排列并相应排列特征值对应的特征向量，取排列后的前c=min(m，n) 个特征值与特征向量；取得的特征向量组成左矩阵满足；A4，计算奇异值累计贡献度cum
k
，公式为：；其中λ
i
、λ
j
分别为排列后的第i个、第j个特征值；将首次满足cum
k
＞0.99的k值确定为分解阶数；步骤4，根据户表数据与线损值曲线建立低压台区线损回归模型，从而根据V、U、∑计算得到对应的解析解，即户表估计系数；步骤5，根据户表估计系数值计算线损贡献度，并根据贡献度和估计...

【专利技术属性】
技术研发人员：曹乾磊，王磊，梁浩，黄晓娅，王金龙，李晓杰，杨圣昆，胡志远，
申请(专利权)人：青岛鼎信通讯股份有限公司，
类型：发明
国别省市：