基于生产经营状态识别的低误报率窃电检测二次筛查方法.pdfVIP

第45 卷 第2 期 2021 年1 月25 日 Vol.45No.2 Jan.25，2021 DOI：10.7500/AEPS20200222002 基于生产经营状态识别的低误报率窃电检测二次筛查方法 1 1 2 3 3 3 杜章华 ，苏 盛 ，刘正谊 ，薛 阳 ，杨艺宁 ，刘 厦 （1. 长沙理工大学电气与信息工程学院，湖南省长沙市 410114；2. 国网常德供电公司，湖南省常德市 415000； 3. 中国电力科学研究院有限公司，北京市 100192） 摘要：数据驱动的窃电检测方法主要根据电量及派生指标识别低电量异常，容易受干扰影响误 报。利用工商业用户生产经营状态指标大致固定的特点，提出基于生产经营状态识别的窃电二次 筛查方法。首先，将检出的低电量异常用户每天的三相功率作为负荷特征，用以标识其当天的用电 行为模式及生产经营状态。然后，将每天的负荷特征进行近邻传播聚类。当低电量异常时段负荷 特征与正常低电量生产经营状态聚为同类时，认为是用户状态正常转换导致的异常，可排除窃电嫌 疑。基于实际窃电数据的测试表明，所提方法可降低误报率。 关键词：窃电检测；负荷特征；近邻传播；误报率；状态识别；行为模式 0 引言 假日以及节假日打烊等状态），而每种状态下的用电 ［1］ 设备投用组合和用电行为模式是基本明确和固定 窃电直接造成供电企业净利润流失 ，是长期 的。因此，利用用户用电数据，有可能识别出其所处 存在的问题。由于用户窃电往往会表现为电量异 的状态，进而识别用户转入正常的低电量生产经营 常，研究人员多以电量为依归，根据用电量曲线的滑 状态导致的低电量异常。 落、波动或报装容量利用率低等设计特征指标项建 ［2-3］ ［4-8］ ［9-12］ 本文首先提出了基于负荷特征的用户生产经营 立检测模型 ，并设计分类 和聚类算法 来识 ［1］ 状态识别方法，然后将窃电检测识别出的低电量异 别低电量异常用户 。需要指出的是，围绕用电量 常用户每天三相功率数据作为负荷特征，根据负荷 异常设计特征指标项，隐含用户用电基本平稳的前 特征聚类识别低电量异常时段所处的生产经营状 提。实际系统中，相当一部分用户需根据订单安排 态，从而判断造成低电量异常的原因，避免正常低电 生产，用电并不具有平稳性，日际电量波动30%~ 量生产经营状态造成的误报。最后，结合实际窃电 40%较为常见，而单相分流窃电时损失电量在30% 数据的测试计算验证了所提方法的可行性。 以下，正常电量波动和窃电容易混淆。此外，环保限 产、消防整改、设备大修等因素也可能造成持续低电 1 基于负荷特征的生产经营状态识别 量异常。以电量为核心指标检测用电异常存在可用 1.1 负荷特征 信息不足的缺陷，难以识别是窃电还是生产经营状 用电设备在特定运行模式下所体现出来的负荷 态转换导致的低电量异常 ，造成误报 ，影响工程 ［13］