一种基于边端融合的低压用户窃电识别方法

摘要

本发明公开了一种基于边端融合的低压用户窃电识别方法。通过边端设备配合采集用户多元用电数据，针对单相用户，基于开盖事件记录、零线电流、火线电流与电压负荷曲线，处理获得窃电嫌疑量化参数；针对三相用户，基于开盖事件记录、电压负荷曲线与有功功率负荷曲线，处理获得窃电嫌疑量化参数；建立单、三相表的窃电嫌疑权重模型，通过层次分析法确定窃电嫌疑权重模型中的权重参数，计算窃电嫌疑参数并判断获得窃电识别结果。本发明充分利用了用户多元用电数据特征，能够有效辨识用户窃电行为，且无需额外加装监测设备，避免了高额投资运维成本；同时，利用边端设备在数据采集上的配合，能够有效缓解数据通信压力大、时钟同步性差等因素对识别准确性的影响。

权利要求

1.一种基于边端融合的低压用户窃电识别方法，其特征在于方法包括以下步骤：步骤1：基于目标台区的档案信息，采集用户端侧设备的多元用电数据，包括单相表和三相表的开盖事件记录、单相表的零线电流和火线电流、单相表的电压负荷曲线、三相表的电压负荷曲线与功率负荷曲线；

步骤2：针对安装单相表的单相用户，基于单相表的开盖事件记录、零线电流、火线电流与电压负荷曲线数据，处理获得单相表的窃电嫌疑量化参数；

步骤3：针对安装三相表的三相用户，基于三相表的开盖事件记录、三相表的电压负荷曲线与功率负荷曲线数据，处理获得三相表的窃电嫌疑量化参数；

步骤4：建立单、三相表的窃电嫌疑权重模型，通过层次分析法确定窃电嫌疑权重模型中的权重参数，计算单相用户和三相用户的窃电嫌疑参数并判断获得窃电识别结果；

所述步骤1具体为：

采用端侧设备采集单相表的零线电流、火线电流与电压负荷曲线数据，并在本地进行零火线电流偏差异常与电压异常判断；采集三相表的电压与有功功率负荷曲线，并在本地进行电压与有功功率异常判断；采用边侧设备采集单相表和三相表的开盖事件记录、单相表零火线电流偏差异常与电压异常对应的时刻数据、三相表的电压与有功功率异常对应的时刻数据；

所述步骤2具体为：

按照以下公式处理确定单相表的开表盖窃电嫌疑量化参数：

式中，Sd1为单相表的开表盖窃电嫌疑量化参数；M为单相表的开盖事件次数；M0为单相表开盖事件异常的次数阈值；

按照以下公式处理确定单相表的零火线电流偏差窃电嫌疑量化参数：式中，Sd2为单相表的零火线电流偏差窃电嫌疑量化参数； 分别为单相表t时刻的火线电流、零线电流；εI为判断当前时刻单相表零火线电流偏差异常的阈值；ΩT为满足单相表零火线电流偏差异常的时刻集合； 分别为单相表h时刻火线电流、零线电流；I0为判断当前时刻单相表零火线电流可用的阈值；ΩH为单相表零火线电流可用的时刻集合；

num(ΩT)、num(ΩH)分别表示集合ΩT、ΩH的元素数量；

按照以下公式处理确定单相表的电压异常窃电嫌疑量化参数：

式中，Sd3为单相表的电压异常窃电嫌疑量化参数； 为单相表t时刻电压数据；U0为判断单相表电压异常的阈值；T1为单相表电压负荷曲线数据总时段数；

所述步骤3具体为：

按照以下公式处理确定三相表的开表盖窃电嫌疑量化参数：

式中，Ss1为三相表的开表盖窃电嫌疑量化参数；N为三相表的开盖事件次数；N0为三相表开盖事件异常的次数阈值；

按照以下公式处理确定三相表的电压异常窃电嫌疑量化参数：

式中，Ss2为三相表的电压异常窃电嫌疑量化参数； 为三相表t时刻 相电压数据；

U0'为判断三相表电压异常的阈值；T2为三相表电压负荷曲线数据总时段数；[A,B,C]为ABC三相集合；

按照以下公式处理确定三相表的有功功率异常窃电嫌疑量化参数：式中，Ss3为三相表的有功功率异常窃电嫌疑量化参数； 为三相表t时刻 相有功功率数据；P0为判断三相表有功功率异常的阈值；T2'为三相表有功功率负荷曲线数据总时段数。

2.根据权利要求1所述的一种基于边端融合的低压用户窃电识别方法，其特征在于：所述步骤4中，建立单、三相表的窃电嫌疑权重模型获得单相用户、三相用户的窃电嫌疑参数：Sd＝wd1Sd1+wd2Sd2+wd3Sd3

Ss＝ws1Ss1+ws2Ss2+ws3Ss3

式中，Sd、Ss分别为单、三相用户的窃电嫌疑参数，wd1、wd2、wd3分别为单相用户开表盖、零火线偏差异常、电压异常窃电嫌疑的权重参数，ws1、ws2、ws3分别为三相用户开表盖、电压异常、有功功率异常窃电嫌疑的权重参数；

再将单相用户、三相用户的窃电嫌疑参数和预设的窃电嫌疑参考阈值进行比较：若窃电嫌疑参数大于窃电嫌疑参考阈值，则认为存在窃电；否则不存在窃电。

3.根据权利要求2所述的一种基于边端融合的低压用户窃电识别方法，其特征在于：用层次分析法对窃电嫌疑权重模型中的各个权重参数进行迭代优化处理，获得最优的各个权重参数。

说明书

一种基于边端融合的低压用户窃电识别方法

技术领域

[0001] 本发明涉及电力物联网信息系统的用电检测方法，尤其涉及一种基于边端数据融合的低压用户窃电识别方法。

背景技术

[0002] 随着社会经济发展与电力的关系越来越紧密，部分不法分子受经济利益驱使利用各种手段进行窃电，窃电现象屡禁不止。长期困扰供电企业的难题，不仅严重损害了供电企业的效益，扰乱了正常的用电秩序，而且会造成电力设施的损坏，形成重大的用电安全问题，已经成为一个不容忽视的话题。供电企业一直加大打击窃电的工作力度，同时也在不断完善反窃电的技术手段。但目前反窃电技术仍存在较大的局限性，而且窃电手段日益隐蔽、多样化、快速化和高科技化，反窃电难度越来越大。

发明内容

[0003] 本发明的目的在于准确定位低压窃电用户信息，筛选出存在窃电行为的用户，为现场工作人员提供用户清单，给供电企业反窃电工作提供一种快捷、有效的分析手段；推进智慧电网建设,提升电网经济运行水平，切实提升公司经济效益和社会效益，[0004] 如图1所示，本发明采用以下技术方案：

[0005] 步骤1：基于目标台区的档案信息，采集用户端侧设备的多元用电数据，包括单相表和三相表的开盖事件记录、单相表的零线电流和火线电流、单相表的电压负荷曲线、三相表的电压负荷曲线与功率负荷曲线；

[0006] 一个用户仅一个电表，电表分为单相表或者三相表，采用单相表或者三相表，安装单相表的用户为单相用户，安装三相表的用户为三相用户。

[0007] 具体实施中，电表的开盖事件记录是通过电表内部开盖触点检测获得。

[0008] 步骤2：针对安装单相表的单相用户，基于单相表的开盖事件记录、零线电流、火线电流与电压负荷曲线数据，处理获得单相表的窃电嫌疑量化参数；

[0009] 步骤3：针对安装三相表的三相用户，基于三相表的开盖事件记录、三相表的电压负荷曲线与功率负荷曲线数据，处理获得三相表的窃电嫌疑量化参数；

[0010] 步骤4：建立单、三相表的窃电嫌疑权重模型，通过层次分析法确定窃电嫌疑权重模型中的权重参数，计算单相用户和三相用户的窃电嫌疑参数并判断获得窃电识别结果。

[0011] 本发明所述的低压用户中的低压指的是电压等级。电网电压等级包括有500kV、220kV、110kV、35kV、10kV、380V，其中380V及以下供电网络一般被称为低压配电网，其供电用户一般被称为低压用户。

[0012] 所述步骤2具体为：

[0013] 按照以下公式处理确定单相表的开表盖窃电嫌疑量化参数：

[0014]

[0015] 式中，Sd1为单相表的开表盖窃电嫌疑量化参数；M为单相表的开盖事件次数；M0为单相表开盖事件异常的次数阈值；

[0016] 按照以下公式处理确定单相表的零火线电流偏差窃电嫌疑量化参数：

[0017]

[0018]

[0019]

[0020] 式中，Sd2为单相表的零火线电流偏差窃电嫌疑量化参数； 分别为单相表t时刻的火线电流、零线电流；εI为判断当前时刻单相表零火线电流偏差异常的阈值；ΩT为满足单相表零火线电流偏差异常的时刻集合； 分别为单相表h时刻火线电流、零线电流；I0为判断当前时刻单相表零火线电流可用的阈值；ΩH为单相表零火线电流可用的时刻集合；num(ΩT)、num(ΩH)分别表示集合ΩT、ΩH的元素数量；

[0021] 本发明上述中是首先对单相表零火线电流的完整性进行处理，对具有电流完整性的电流序列进行电流阈值以及差值比较，然后根据零火线电流比较的总时段数与嫌疑时段数进行嫌疑估计，通过求取窃电嫌疑时段在总时段的占比，获得出单相用户的窃电嫌疑参数。

[0022] 按照以下公式处理确定单相表的电压异常窃电嫌疑量化参数：

[0023]

[0024] 式中，Sd3为单相表的电压异常窃电嫌疑量化参数； 为单相表t时刻电压数据；U0为判断单相表电压异常的阈值；T1为单相表电压负荷曲线数据总时段数。

[0025] 所述步骤3具体为：

[0026] 对三相电表的电压和异常事件记录数据，通过对三相用户的三相电压的检测，判断是否存在一相或两相失压且发生时刻大于采样时刻，进而处理获得电压缺相异常嫌疑量化参数。需要说明的是：对于三相表电压异常判断，只要三相表任一相电压数据异常，即判断其电压异常；对于三相表有功功率异常判断，需满足任一相或两相有功功率数据异常，才判断其有功功率异常。

[0027] 按照以下公式处理确定三相表的开表盖窃电嫌疑量化参数：

[0028]

[0029] 式中，Ss1为单相表的开表盖窃电嫌疑量化参数；N为三相表的开盖事件次数；N0为三相表开盖事件异常的次数阈值；

[0030] 按照以下公式处理确定三相表的电压异常窃电嫌疑量化参数：

[0031]

[0032] 式中，Ss2为三相表的电压异常窃电嫌疑量化参数； 为三相表t时刻 相电压数据；U0为判断三相表电压异常的阈值；T2为三相表电压负荷曲线数据总时段数；[A,B,C]为ABC三相集合；

[0033] 三相用户窃电不仅仅体现在一相或两相失压上，用户用电功率也存在异常，再结合三相用电异常数据对用户窃电嫌疑辅助处理，

[0034] 按照以下公式处理确定三相表的有功功率异常窃电嫌疑量化参数：

[0035]

[0036] 式中，Ss3为三相表的有功功率异常窃电嫌疑量化参数； 为三相表t时刻 相有功功率数据；P0为判断三相表有功功率异常的阈值；T2为三相表有功功率负荷曲线数据总时段数。

[0037] 所述步骤4中，建立单、三相表的窃电嫌疑权重模型获得单相用户、三相用户的窃电嫌疑参数：

[0038] Sd＝wd1Sd1+wd2Sd2+wd2Sd2

[0039] Ss＝ws1Ss1+ws2Ss2+ws2Ss2

[0040] 式中，Sd、Ss分别为单、三相用户的窃电嫌疑参数，wd1、wd2、wd3分别为单相用户开表盖、零火线偏差异常、电压异常窃电嫌疑的权重参数，ws1、ws2、ws3分别为三相用户开表盖、电压异常、有功功率异常窃电嫌疑的权重参数；

[0041] 再将单相用户、三相用户的窃电嫌疑参数和预设的窃电嫌疑参考阈值进行比较：若窃电嫌疑参数大于窃电嫌疑参考阈值，则认为存在窃电；否则不存在窃电。

[0042] 具体用层次分析法对对窃电嫌疑权重模型中的各个权重参数进行迭代优化处理，获得最优的各个权重参数。

[0043] 窃电嫌疑权重模型中各权重参数根据影响窃电识别分解为开盖记录、零火线电流、电压、有功4个因素，利用层次分析法对以上4种影响因素计算权重参数。

[0044] 采用层次分析法能对复杂系统评估系统化、模型化，所用数据较少。

[0045] 通过分析获得了数据质量各权重参数，可以看到有哪些权重参数是比较重要的，由于数据质量对算法识别结果的优劣有重要影响，可进一步对每天的台区数据质量进行分析来评估识别结果的可信度。

[0046] 所述步骤1具体为：

[0047] 采用端侧设备(即电表)采集单相表的零线电流、火线电流与电压负荷曲线数据，并在本地进行零火线电流偏差异常与电压异常判断；采集三相表的电压与有功功率负荷曲线并在本地进行电压与有功功率异常判断；而边侧设备采集单相表和三相表的开盖事件记录、单相表零火线电流偏差异常与电压异常对应的时刻数据、三相表的电压与有功功率异常对应的时刻数据；通过边端融合的数据采集方式，能够有效缓解海量数据上行的通信压力，避免数据同步性对分析判断的影响。

[0048] 这样做的目的是：一般地，一个台区配备有一个边侧设备与多个端侧电表，边侧设备负责汇集所有端侧电表的数据并上传至远程主站。而端侧电表的零火线电流、电压负荷曲线、有功功率负荷曲线都是样本量较大的数据，对于正常的样本数据无需全部上送给边侧设备，避免造成通信压力；同时，有些是数据(如零火线电流)，实时性要求高，若上传边侧设备后再在边侧设备中进行异常分析，可能存在数据同步性的影响，因此，考虑在端侧设备本地开展分析，再将分析结果上报给边侧设备进行综合分析。基于此，提出了边端融合的数据采集与分析方法。

[0049] 本发明充分利用了电表多元用电数据开展用户用电异常分析。提出了基于边端融合的电表多元数据采集分析框架，围绕用户的开表盖行为、零火线电流偏差、电压与有功功率数据建立窃电嫌疑参数计算模型，最终筛选出窃电用户清单，实现了基于边端融合的低压用户窃电识别。相较于其他方法，本发明在目标低压档案信息和台区电表零火线电流、电压和有功功率等用电数据已知且不新增其他终端设备的前提下，通过窃电嫌疑量化计算能够准确识别定位低压用户中的窃电用户，成本低且工程应用价值高。

[0050] 本发明的有益效果在于：

[0051] (1)本发明能够实现对低压台区窃电识别，实现防窃电的处理，大幅度减少窃电嫌疑用户数据分析工作，方法适应性较强；

[0052] (2)无需在低压台区中新增终端设备，具有成本低、工程实用价值高等优点；

[0053] (3)采用边端融合的电表多元数据采集分析框架，能够有效缓解海量用电数据的通信压力，减少时钟同步性对识别准确率的影响，具有良好的工程实用价值。

[0054] 本发明提供的方法基于现有的低压集抄框架，充分利用了用户多元用电数据特征，能够有效辨识用户窃电行为，且无需额外加装监测设备，避免了高额投资运维成本，同时通过“边”侧智能终端、“端”侧智能电表的优势互补，能够有效缓解数据通信压力大、时钟同步性差等因素对识别准确性的影响，具有工程实用价值。

附图说明

[0055] 图1是本发明方法流程图；

[0056] 图2是实施示例中单相电表的零线电流分布图；

[0057] 图3是实施示例中单相电表的火线电流分布图；

[0058] 图4是实施示例中三相电表的A相有功功率分布图；

[0059] 图5是实施示例中三相电表的B相有功功率分布图；

[0060] 图6是实施示例中三相电表的C相有功功率分布图；

[0061] 表1是各个智能电表开盖记录表。

具体实施方式

[0062] 以下结合附图和实例对本发明的具体实施做进一步说明。

[0063] 如图1为本发明实施例提供的实施过程，具体包括以下步骤：

[0064] 步骤1：基于目标台区的档案信息，采集用户电表的多元用电数据，包括单相表和三相表的开盖事件记录、单相表的零线电流和火线电流、单相表的电压负荷曲线、三相表的电压负荷曲线与功率负荷曲线；

[0065] 具体地，采用端侧设备(即电表)采集单相表的零线电流、火线电流与电压负荷曲线数据，并在本地进行零火线电流偏差异常与电压异常判断；采集三相表的电压与有功功率负荷曲线并在本地进行电压与有功功率异常判断；而边侧设备采集单相表和三相表的开盖事件记录、单相表零火线电流偏差异常与电压异常对应的时刻数据、三相表的电压与有功功率异常对应的时刻数据；通过边端融合的数据采集方式，能够有效缓解海量数据上行的通信压力，避免数据同步性对分析判断的影响。

[0066] 步骤2：针对安装单相表的单相用户，基于单相表的开盖事件记录、零线电流、火线电流与电压负荷曲线数据，处理获得单相表的窃电嫌疑量化参数；

[0067] 按照以下公式处理确定单相表的开表盖窃电嫌疑量化参数：

[0068]

[0069] 式中，Sd1为单相表的开表盖窃电嫌疑量化参数；M为单相表的开盖事件次数；M0为单相表开盖事件异常的次数阈值；本实施例中基于工程经验设定单相表开表盖事件异常的次数阈值M0为10。

[0070] 按照以下公式处理确定单相表的零火线电流偏差窃电嫌疑量化参数：

[0071]

[0072]

[0073]

[0074] 式中，Sd2为单相表的零火线电流偏差窃电嫌疑量化参数； 分别为单相表t时刻的火线电流、零线电流；Iε为判断当前时刻单相表零火线电流偏差异常的电流阈值；ΩT为满足单相表零火线电流偏差异常的时刻集合； 分别为单相表h时刻火线电流、零线电流；I0为判断当前时刻单相表零火线电流可用的阈值；ΩH为单相表零火线电流可用的时刻集合；num(ΩT)、num(ΩH)分别表示集合ΩT、ΩH的元素数量；本实施例中基于工程经验设定单相表零火线电流偏差异常的阈值εI为10％；当前时刻单相表零火线电流可用的阈值I0为0.01A。

[0075] 按照以下公式处理确定单相表的电压异常窃电嫌疑量化参数：

[0076]

[0077] 式中，Sd3为单相表的电压异常窃电嫌疑量化参数； 为单相表t时刻电压数据；U0为判断单相表电压异常的阈值；T1为单相表电压负荷曲线数据总时段数。本实施例中基于工程经验设定单相表电压异常的阈值U0为176V。

[0078] 步骤3：针对安装三相表的三相用户，基于三相表的开盖事件记录、三相表的电压负荷曲线与功率负荷曲线数据，处理获得三相表的窃电嫌疑量化参数；

[0079] 对三相电表的电压和异常事件记录数据，通过对三相用户的三相电压的检测，判断是否存在一相或两相失压且发生时刻大于采样时刻，进而处理获得电压缺相异常嫌疑量化参数。

[0080] 按照以下公式处理确定三相表的电压缺相异常嫌疑量化参数：

[0081]

[0082] 式中，Ss1为单相表的开表盖窃电嫌疑量化参数；N为三相表的开盖事件次数；N0为三相表开盖事件异常的次数阈值；本实施例中基于工程经验设定三相表开表盖事件异常的次数阈值N0为10。

[0083] 按照以下公式处理确定三相表的电压异常窃电嫌疑量化参数：

[0084]

[0085] 式中，Ss2为三相表的电压异常窃电嫌疑量化参数； 为三相表t时刻 相电压数据；U0为判断三相表电压异常的阈值；T2为三相表电压负荷曲线数据总时段数；[A,B,C]为ABC三相集合；本实施例中基于工程经验设定三相表电压异常的阈值U0为176V。

[0086] 按照以下公式处理确定三相表的有功功率异常窃电嫌疑量化参数：

[0087]

[0088] 式中，Ss3为三相表的有功功率异常窃电嫌疑量化参数； 为三相表t时刻 相有功功率数据；P0为判断三相表有功功率异常的阈值；T2为三相表有功功率负荷曲线数据总时段数。本实施例中基于工程经验设定三相表有功功率异常的阈值P0为0.002kW。

[0089] 步骤4：建立如下的单、三相表的窃电嫌疑权重模型获得单相用户、三相用户的窃电嫌疑参数：

[0090] Sd＝wd1Sd1+wd2Sd2+wd2Sd2

[0091] Ss＝ws1Ss1+ws2Ss2+ws2Ss2

[0092] 式中，Sd、Ss分别为单、三相用户的窃电嫌疑参数，wd1、wd2、wd3分别为单相用户开表盖、零火线偏差异常、电压异常窃电嫌疑的权重参数，ws1、ws2、ws3分别为三相用户开表盖、电压异常、有功功率异常窃电嫌疑的权重参数；

[0093] 再将单相用户、三相用户的窃电嫌疑参数和预设的窃电嫌疑参考阈值进行比较：若窃电嫌疑参数大于窃电嫌疑参考阈值，则认为存在窃电；否则不存在窃电。

[0094] 其中，采用基于三标度的层次分析法计算单、三相用户窃电嫌疑权重模型中的各个权重系数。

[0095] 首先，采用三标度法建立比较矩阵：采用三标度(0、1、2)，根据层次之间相关重要性比较，建立比较矩阵，具体步骤为：

[0096]

[0097] 本实施案例在分析单相表窃电嫌疑模型时，基于工程经验设定开表盖事件判据最重要，电压异常判据次之，零火线电流偏差判据重要性最低，得出比较矩阵如下：

[0098]

[0099] 其次，按照以下公式计算各指标的排序指数：

[0100]

[0101] 可以算出：r＝[4 2 3]；

[0102] 然后，采用以下公式计算判断矩阵C：

[0103]

[0104] 可以算出：

[0105]

[0106] 进一步地，求几何平均值bi：

[0107]

[0108] 可以算出：

[0109] bi＝[0.3333 3 1]T

[0110] 进一步地，计算权重和特征值并做一致性检验

[0111] 将bi归一化后，求出最大特征值所对应的权重W′＝(w′1,w′2,...,w′n)。

[0112]

[0113] 可以算出：

[0114] w′i＝[0.0769 0.6923 0.2308]T

[0115] 再计算判断矩阵的最大特征值λmax；

[0116]

[0117] 可以算出：

[0118] λmax＝3

[0119] 最后进行一致性检验：

[0120]

[0121] 可以算出：

[0122] CR＝0

[0123] RI称为平均随机一致性指标，它只与矩阵阶数n有关：

[0124] RI＝[0 0 0.52 0.89 1.12 1.36 1.41 1.46 1.49 1.52 1.54 1.56 1.58 1.59][0125] 这里矩阵阶数n＝3，则RI＝0.52。

[0126] 计算得到CR<0.1，则满足一致性要求，前面计算的权重值可使用。

[0127] 基于上述方法，可计算权重：

[0128] W＝[0.0769 0.6923 0.2308]T

[0129] 经计算，最大特征值λmax＝3，CR＝0。说明数据质量各单因素指标权重分配可用。

[0130] 同理，三相表嫌疑权重模型得到权重为：

[0131] W＝[0.0769 0.2308 0.6923]T

[0132] 以下是本发明方法的一个实例，假设目标台区有三条出线，每条出线包含ABC三相，用户智能电表共200块。其中表1表示为各个智能电表的开盖事件的统计记录(表1中已省略部分重复数据)；如图2～图3分别表示为单相电表的零线和火线的电流分布图；如图4～图6分别表示为三相电表的A相、B相和C相的电流分布图。

[0133] 表1各个智能电表开盖记录表

[0134]

[0135]

[0136] 采用MATLAB软件对低压台区的窃电甄别进行判断，基于上述实施例的识别方法对各个用户及相应的用户智能电表进行窃电嫌疑参数的处理，其中，通过层次分析法确定当前测量点开表盖窃电嫌疑的权重参数为0.4，嫌疑用户单相电表异常的嫌疑的权重参数为0.6，三相电表当前测量点的电压缺相异常的嫌疑的权重参数为0.3，三相电表当前测量点的三相用电异常的嫌疑的权重参数为0.3，针对单相电表窃电嫌疑权重模型和三相电表窃电嫌疑权重模型设置的预设窃电嫌疑参考阈值为60。通过权重打分形式，可得台区可能存在窃电的嫌疑用户，与实地调查窃电嫌疑用户，发现6号单相电表与2号三相表存在改装电表窃电行为，具有较高的准确率，验证了本发明提供方法的有效性与可行性。

[0137] 上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他任何未背离本发明的精神实质和原理下所作的修改、修饰、替代、组合、简化，均应为等效的置换方式，都应包含在本发明的保护范围之内。