电力企业用电检查与反窃电措施初探

用电检查在供电营销管理中起着重要的作用,查窃电是用电检查的工作重点,近年来,我国的窃电现象越来越严重,既影响了正常的供用电秩序,也影响了供电企业的经济效益,本文分析了我国目前违章用电、窃电现象的现状和原因,阐述了用电检查和反窃电工作遇到的问题,对于用电检查和反窃电的措施作出了探讨。     

供电企业反窃电能力的对策分析

用电检查是供电营销管理工作的重要内容,而查窃电又是用电检查的重点和难点、本文分析了供电企业反窃电工作的现状及面临的问题,提出了查处窃电的相关对策.     

基于数据挖掘算法的用户窃电嫌疑分析

在详细分析窃电用户用电特性的基础上,搭建了用于处理海量用电数据的分布式存储Hadoop平台,分析和改进了适用于并行处理的BP神经网络算法,进而提出了基于人工神经网络的窃电嫌疑分析模型.根据窃电行为将会导致的用电异常数据,以及参考供电行业同业经验,选取了影响窃电嫌疑系数的十二个指标.结合窃电嫌疑分析模型,分析得出无窃电嫌疑、一般窃电嫌疑和重大窃电嫌疑三种情况.最后结合实例对该模型的精确度进行验证.     

基于10kV用户计量装置反窃电技术的探索

该文通过总结历年来典型的窃电案例及特点,一方面结合现有电器设备以最低的成本改造计量装置及用电采集系统,使其具备反窃电实时报警功能；另一方面通过对营销系统新模块的应用,使营销系统与现场智能电能表采集系统完美结合,帮助供电企业及时制止窃电行为、将计量装置自身的反窃电能力提升到一个新的水平.     

基于时序偏移双残差网络的窃电行为检测

针对窃电量小、窃电发生时间随机的窃电行为,提出一种基于时序偏移双残差网络(TS-Bi-ResNet)的窃电行为检测模型.将基础残差网络模型改进为双残差网络(bi-residual network,Bi-ResNet)模型,考虑到窃电行为发生时间的随机性,利用时序偏移(timing shift,TS)算法对用电数据预处理,使模型能够学习用电数据的时间因素特征,构成TS-Bi-ResNet模型.根据真实用电数据和窃电特征生成含有伪窃电数据的混合用电数据集,利用TS-Bi-ResNet模型学习其浅层特征和深层特征,进而执行窃电行为检测.仿真和实际运行结果表明,TS-Bi-ResNet模型可以有效检测窃电量小且窃电发生时间随机的窃电行为,其检测精度优于LSTM模型与残差网络(ResNet)模型.     

基于层次分析法的加权LOF窃电检测方法研究

为解决传统窃电检测方法的局限性,本文提出一种基于层次分析法的加权LOF窃电检测方法。该方法首先通过对窃电现象的系统分析,提出新的用电特征指标,构建合理的窃电嫌疑评价体系;其次针对各电气指标数据异常所能代表窃电的不同概率,采用层次分析法合理量化各电气指标的权重,并结合加权LOF算法对海量用户数据进行加权离群分析,使用综合离群因子表征用户窃电嫌疑程度。最后通过实测数据验证,结果表明所提检测方法相较传统LOF算法在较低检测率时能够挖掘出更多的窃电用户,进而提升采集系统的窃电检测效率。     

基于多层次非负稀疏编码和SVM的窃电检测方法

针对现有方法对新型窃电方式检测准确率不高的问题,文中提出了一种基于多层次非负稀疏编码和支持向量机(support vector machines, SVM)的窃电检测新方法。该方法以月度用电曲线为检测对象,基于多层次非负稀疏编码提取样本的多层次用电模式特征,以及窃电情景分析提取样本的数值统计特征,将二者的融合检测特征输入SVM分类器进行窃电检测。以爱尔兰智能电表数据集构造的算例验证了所提方法能够提高窃电检测的精确率和召回率。     

基于层次分析法的加权力线窃电检测方法

为解决传统窃电检测方法的局限性,提出一种基于层次分析法的加权力线(LOF)窃电检测方法。该方法首先通过对窃电现象的系统分析,提出新的用电特征指标,构建合理的窃电嫌疑评价体系;其次针对各电气指标数据异常所能代表窃电的不同概率,采用层次分析法合理量化各电气指标的权重,并结合加权LOF算法对海量用户数据进行加权离群分析,使用综合离群因子表征用户窃电嫌疑程度。最后通过实测数据验证,结果表明所提检测方法相较传统LOF算法在较低检测率时能够挖掘出更多的窃电用户,进而提升采集系统的窃电检测效率。     

用电监察(检查)面临的问题及反窃电措施分析

随着电力企业的不断发展,各种用电问题应运而生,用电监察工作也越来越紧迫。在用电监察工作中,反窃电是用电监察工作的重点和难点。随着科学技术的发展,窃电技术变得越来越隐蔽、先进、多元化,使得用电监察反窃电工作更加难以切实执行。面对这种问题,我们要完善反窃电制度、提高用电监察人员的综合素质、采取有效的反窃电措施,提升反窃电工作的成效,促进用电监察工作的有效开展。本文主要分析探讨了用电监察(检查)面临的问题及反窃电措施。     

基于用电特征分析的异常用电检测方法

针对目前异常用电检测中存在的专变用户窃电率高、窃电模式难以察觉、使用窃电检测模型查找窃电用户过程中训练集不足的问题,提出了一种基于用电特征分析的无监督方式异常用电检测方法.该检测方法引入离群点查找算法,量化了海量数据中不同异常用电行为,将其提取为异常用电特征序列,并且根据专变用户不同计量方式和用电特点,构建了基于局部离...     

基于聚类和随机矩阵理论的用电行为刻画方法

针对配网大数据应用背景下难以建立用户用电行为刻画模型的问题,提出一种基于聚类和随机矩阵理论的电力用户用电行为刻画方法.首先利用K-means聚类法对海量用户用电特征数据进行分析,根据不同用电模式对用户进行群体划分.然后基于随机矩阵理论建立用户用电行为分析模型,利用各用户群体的经济数据、气候数据及电力价格数据等辨识与用户群体用电量相关联的因素,实现对电力用户用电行为的刻画.最后通过甘肃省武威市电网实际用电数据验证所提方法的有效性和准确性,为电力精准营销和制定电力需求侧响应策略提供数据支撑.     

基于区块链的电力营销数据存储机制

随着电力的发展电力营销数据持续增长,传统的集中式数据存储模式已经不能满足电力业务数据存储的安全性和高效性需求.针对上述问题,提出了一种基于区块链的多级加密电力营销数据存储架构,该存储架构以区块链技术作为底层技术支撑,结合分布式存储提供稳定性高、安全可靠的电力数据存储方案.同时在区块链的基础上提出多级加密机制,该机制支持电力数据上链及电力数据传输等流程的逐级加密及验证,使得电力数据存储的安全性得到进一步的保证.通过创建分布式存储设施,对提出的存储机制与集中式存储机制进行对比实验,分析实验结果发现提出的存储机制在电力数据存储方面相比于传统的存储机制在系统延迟、响应时间和吞吐量上都更具有优势,表明了该存储机制合理可行,具有良好的应用前景.     

一种基于移动互联网的智能电表数据收集系统

生产企业的用电信息是构成电力大数据的重要组成部分,本文提出了一种基于移动互联网的企业用电信息数据收集系统;本系统通过GPRS网络连接智能电表,利用多组线程结构维护与智能电表的数据交互过程,进而实现数据的存储。实际运行表明本系统可以同时与多台电表保持可靠的连接并获得数据,利用本系统可以用较低的成本维护管理大量智能电表,收集企业的用电信息为电力大数据提供数据基础。     

基于数据仓库技术的电力营销信息系统

阐述了电力营销信息系统及其发展要求,介绍了数据仓库及联机分析处理技术,分析了电力营销数据仓库的业务和数据模型,提出了电力营销决策支持系统的构造与实现方式.     

电力营销支持系统的设计与应用

遵循J2EE技术体系,采用组件化、动态化的软件技术,开发、设计出一套电力营销支持系统,实现了营销业务应用系统基本功能,如新装增容及变更用电、供用电合同管理、抄表管理、核算管理、电费收缴及账务、用电检查等,同时还实现了用电营销决策分析与监控系统功能,指出该系统可以与其他系统的数据集成,做到资源共享,避免重复投资,减小劳动强度,从而以技术手段提高服务质量,将在电力生产、管理中发挥重要的作用。     

基于Web数据仓库的电力营销系统研究

在SG186工程的背景下,目前的电力部门营销工作已经不能满足电力市场的要求.本文设计了Web数据仓库的基本框架,提出了一种基于Web数据仓库的电力营销系统设计方案,分析和讨论了这种大型分布式数据仓库的构建过程.     

基于多维行为分析的窃电高风险客户精准定位方法

窃电行为对国家电力系统及供电公司造成了极大的损失,故反窃电技术是电力行业的重要研究方向之一。传统的窃电用户定位方法存在定位不准确、查处效率低等问题,为了解决上述问题,提出基于多维行为分析的窃电高风险客户精准定位方法。首先通过相关矩阵R及特征值谱熵正则化完成用户数据去噪,其次在UFS-MI模型内提取用户数据特征,分析用户用电的多维行为,最后根据逻辑回归算法完成窃电高风险客户的精确定位。实验结果表明,所提方法的窃电高风险客户定位精准度较高,误判率较低,整体定位效果较好。     

灰色系统理论在电力需求滚动预测中的应用

针对揭阳市全社会用电量的历史数据较少的特点,引入灰色系统理论,采用在同一模型下分行业建模的方法,得出更为合理的全社会用电量的预测值。并对揭阳市1993～1997年的全社会用电量进行计算分析,得到的结果与实际相符。     

基于企业整体模型的企业营销数据管理建模

分析了企业整体模型的概念,采用以数据为中心、产品为导向的模型构建方法,建立企业数据资源和数据资源处理方法的全局规范,解决"信息孤岛"、数据冗余和数据处理方法优化的问题,通过对营销业务和营销数据的分析,基于企业整体模型,采用语义数据模型化技术,构建了营销数据模型,同时,按照企业整体模型的要求,采用静态数据处理等全局方法构建了营销数据处理方法模型。     

Analyzing electricity consumption via data mining

This paper proposes a model to analyze the massive data of electricity.Feature subset is determined by the correla-tion-based feature selection and the data-driven methods.The attribute season can be classified successfully through five classi-fiers using the selected feature subset,and the best model can be determined further.The effects on analyzing electricity consump-tion of the other three attributes,including months,businesses,and meters,can be estimated using the chosen model.The data used for the project is provided by Beijing Power Supply Bureau.We use WEKA as the machine learning tool.The models we built are promising for electricity scheduling and power theft detection.