基于大数据的用电特征嫌疑用户分析.pdfVIP

2022年6月第25卷第6期电力大数据大数据专题

Jun.2022,Vol.25,No.6POWERSYSTEMSANDBIGDATABigDataSpecialReports

基于大数据的用电特征嫌疑用户分析

陈明，张丽文，王璐袁娟²，宋庆华²，曾琴²

（1.国网甘肃省电力公司酒泉供电公司，甘肃酒泉735000；

2.成都科普威信息技术有限责任公司，四川成都610042)

摘要：目前有效的用电行为异常监测手段，仅依靠计量人员、用电检查人员逐户现场核查，导致工作效率低、工作

量大，用户下场检查覆盖率无法达到100%。为解决该问题，本文以逆向思维为主线，从历史计量差错、电价执行异

常、违约、窃电用户入手，提炼阈值规则，搭建客户用电异常行为精准识别模型，自动校验输出表计失压、断流、接线

异常、私自启封、私自增容、高低压电价混接等监测场景异动；同时基于行业信息、用电时段、电压、电流、电量等数

据，通过应用大数据技术进行回归分析、K-means聚类分析等计算，构建用电客户行业特征模型及电力波动模型，并

与电量突增突减、台区线损、表计开盖规则场景异动精准率，辅助计量、用检人员提高下厂检查效率和电费审核效

率，助力电费“颗粒归仓”。

关键词：数据挖掘；全量数据；异常用电行为；行业特征；场景监测

中图分类号：TM714文献标志码：A

文章编号：2096-4633(2022)6-0024-12

随着智能电网进程的提出和不断推进，同时开始

立

SG186、SG-ERP信息化工程建设的众多信息系统和采集数据样本

立

平台在有效管理各类智能设备促进智能电网建设、数据清洗

提升公司电网运营管理水平的同时，电网企业积累用电习惯系数

计算

了大量数据[]，这些数据是整个电网的另一大财12个月，每个月365日，每日用

用电习惯系数电习惯系数

富，如何利用数据挖掘技术发现数据蕴藏的价值,对立

形成所有用户

12个月曲线图

分析用电异常行为、降低企业成本、减少经济损失、是否为季节性用户

提升公司经营效益有重大意义。相似曲线聚类形成所有用户

立365日曲线图

计算96点用电

本文以用户不同维度电量为数据源，提出了一嫌疑用户集习惯系数

相似曲线聚类

种基于电量波动系数的客户用电异常行为识别模清洗异常使用