[發明專利]一種基于智能量測終端的反竊電分析方法

有效

• 申請號: 202310286147.0
• 申請日: 2023-03-23
• 公開（公告）號: CN116008714B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 曹乾磊;王磊;梁浩;黃曉婭;王金龍;李曉杰;楊圣昆;胡志遠
• 申請（專利權）人: 青島鼎信通訊股份有限公司
• 主分類號: G01R31/00
• 分類號: G01R31/00;G01R22/00;G06Q50/06;G06F17/16
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明涉及配電網自動化系統領域，公開了一種基于智能量測終端的反竊電分析方法，包括以下步驟：量測終端采集臺區用戶表與臺區考核總表日凍結電量數據；對采集數據進行均值濾波處理；用總表數據減去戶表數據加和獲得線損值曲線；奇異值分解戶表數據；根據戶表數據與線損值曲線建立低壓臺區線損回歸模型，從而得到戶表估計系數；計算線損貢獻度并結合估計系數給出疑似竊電用戶清單。本發明能夠在數據點數少于用戶數的情況下進行計算并改善了由于用戶間相關性導致判斷失準的問題，獲得相對穩定的最小二乘解析解，保證了竊電用戶判斷結果的準確性。同時，本發明僅需獲取全臺區用戶用電數據與臺區總表數據，無需添加額外設備，易于實現。

技術領域

本發明涉及配電網自動化系統領域，涉及一種基于智能量測終端的反竊電分析方法。

背景技術

電力能源已成為當今社會生產生活中的必需品，然而在發電、輸電和配電過程中，經常會發生電能損耗，其中，日益增多的竊電現象是導致電能損耗的一個重要原因，從而導致難以估計的經濟損失。近年來，堅強智能電網和泛在電力物聯網的建設與發展使得電壓、電流、電量等海量用電數據得以采集并存儲，因此，基于大數據分析技術的竊電檢測方法受到日益廣泛的關注。

在當前的大數據分析技術中，最常見的手段是根據能量守恒定律建立臺區線性回歸模型，然后根據最小二乘方法估計出用戶系數，線性回歸模型中竊電用戶的估計系數遠離零值而正常用戶的系數靠近零值，進而分析出疑似竊電行為。然而，該方法在實際應用中常會面臨兩方面問題：①最小二乘法需要數據點數大于等于用戶數，否則無法進行計算，而低壓臺區可能存在多達幾百用戶，導致需要更多的數據點數，從而導致計算周期過長；②低壓臺區用戶的日凍結電量具有不同程度的相關性，容易導致最小二乘法的解不穩定，從而影響最終判斷結果。

發明內容

本發明針對上述問題，克服現有技術的不足，提出一種基于智能量測終端(南方電網科學研究院有限責任公司)的反竊電分析方法，對戶表數據矩陣進行奇異值分解，能夠在數據點數少于用戶數的情況下進行計算并改善了由于用戶間相關性導致判斷失準的問題，獲得相對穩定的最小二乘解析解。同時，本發明僅需獲取全臺區用戶用電數據與臺區總表數據，無需添加額外設備。

為了實現上述發明目的，本發明采取如下技術方案：

一種基于智能量測終端的反竊電分析方法，包括以下步驟：

步驟1，智能量測終端采集低壓臺區用戶表日凍結電量數據與臺區考核總表日凍結電量數據；

步驟2，對采集到的電量數據進行均值濾波處理，稱均值濾波處理后的數據為總表數據和戶表數據；

用總表數據減去戶表數據的加和，獲得線損值曲線；

步驟3，對戶表數據進行奇異值分解；具體過程為：

A1，將戶表數據整理為矩陣形式X∈R^n×m；其中n為濾波后的日凍結電量數據點數，m為臺區用戶表數，R表示實數；

A2，計算X^TX∈R^m×m，求特征向量和特征值；

求得的特征值按照從大到小順序排列并相應排列特征值對應的特征向量，取排列后的前min(m，n)個特征值與特征向量；

取得的特征向量組成右矩陣V∈R^m×m滿足VV^T＝E；取得的特征值的平方根構成奇異值對角陣Σ∈R^m×m；

A3，計算XX^T∈R^n×n，求特征向量和特征值；

求得的特征值按照從大到小順序排列并相應排列特征值對應的特征向量，取排列后的前min(m，n)個特征值與特征向量；