Nothing Special   »   [go: up one dir, main page]

CN111930802A - 一种基于Lasso解析的反窃电分析方法 - Google Patents

一种基于Lasso解析的反窃电分析方法 Download PDF

Info

Publication number
CN111930802A
CN111930802A CN202010763962.8A CN202010763962A CN111930802A CN 111930802 A CN111930802 A CN 111930802A CN 202010763962 A CN202010763962 A CN 202010763962A CN 111930802 A CN111930802 A CN 111930802A
Authority
CN
China
Prior art keywords
data
electricity
lasso
station area
line loss
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010763962.8A
Other languages
English (en)
Inventor
范建华
曹乾磊
徐体润
梁浩
王磊
彭绍文
张长帅
张建
李伟
吴雪梅
卢峰
林志超
程艳艳
叶齐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang Keyuan State Grid Power Engineering Survey And Design Co ltd
Qingdao Topscomm Communication Co Ltd
Original Assignee
Shenyang Keyuan State Grid Power Engineering Survey And Design Co ltd
Qingdao Topscomm Communication Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenyang Keyuan State Grid Power Engineering Survey And Design Co ltd, Qingdao Topscomm Communication Co Ltd filed Critical Shenyang Keyuan State Grid Power Engineering Survey And Design Co ltd
Priority to CN202010763962.8A priority Critical patent/CN111930802A/zh
Publication of CN111930802A publication Critical patent/CN111930802A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Algebra (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • Fuzzy Systems (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于Lasso解析的反窃电分析方法，包括以下步骤，步骤一，从采集系统获取全台区全部用户电量冻结数据与台区总表电量冻结数据；步骤二，对所有数据进行数据预处理，缺失数据进行插值处理；步骤三，利用台区总表数据减去所有用户用电数据的加和求出台区各时段线损值；步骤四，根据Lasso回归模型，计算台区线损与所有电表的回归系数；步骤五，根据台区线损和Lasso系数计算各电表窃电概率；步骤六，根据窃电概率大小定位疑似窃电用户。本发明实现简单，仅需获取全台区全部用户用电数据与台区总表数据，克服了所需数据维度高等干扰的影响，无需人为定义特征，无需添加过多额外设备。

Description

一种基于Lasso解析的反窃电分析方法
技术领域
本发明涉及配电网自动化系统领域，具体涉及一种基于Lasso解析的反窃电分析方法。
背景技术
电力能源已成为社会生产生活中的必需品，然而在发电、输电和配电过程中经常会发生损耗，尤其是日益增多的窃电现象带来难以估计的经济损失。电力盗窃的后果包括电力供应的激增、电力系统的负荷过重、电力公司的巨额收入损失以及对公共安全的威胁(如火灾和电击)。因此，研究行之有效的反窃电检测技术对于经济社会的发展具有非常实际的意义。
目前，基于数据驱动的窃电检测方法试图在所有用户的用电信息中找到异常模式。通常需要大量的标记样本集来训练分类器，或者必须带有正常和窃电两种行为的样本数据。然而，建立完整的带标签的正常和窃电数据集是非常困难且耗时的，尤其是对于后者，窃电行为难以有效核实使得无法准确判断采集的数据标签。因此，受限于数据集的优劣，传统的模式识别建模或者聚类分析方法的应用也受到掣肘。
发明内容
本发明针对上述问题，克服现有技术的不足，提出一种基于Lasso解析的反窃电分析方法，
为了实现上述目的，本发明采取如下技术方案：
一种基于Lasso解析的反窃电分析方法，包括以下步骤，
步骤一，从采集系统获取全台区全部用户电量冻结数据与台区总表电量冻结数据；
步骤二，对所有数据进行数据预处理；
步骤三，利用台区总表数据减去所有用户用电数据的加和求出台区各时段线损值；
步骤四，根据Lasso回归模型，计算台区线损与所有电表的回归系数；
步骤五，根据台区线损和Lasso系数计算各电表窃电概率；
步骤六，根据窃电概率大小定位疑似窃电用户。
进一步地，步骤四中根据Lasso回归模型，计算台区线损与所有电表的回归系数，其中Lasso回归模型的优化目标为，
Figure BDA0002613917060000011
其中，y为台区线损量向量，X为所有电表的用电量矩阵，λ为正则系数，
Figure BDA0002613917060000012
为系数矩阵。
进一步地，步骤六中的弹性网回归计算公式为，
Figure BDA0002613917060000013
其中，y为分支的有功功率矩阵，X为电表的有功功率矩阵，λ，γ为正则系数，
Figure BDA0002613917060000014
为系数矩阵。
进一步地，步骤五中根据台区线损和Lasso系数计算各电表窃电概率，其中窃电概率计算公式为，
Figure BDA0002613917060000021
其中β表示Lasso回归系数，α和γ为0～1的系数，v表台区线损大于7％的数据点数，m表示数据总点数。
进一步地，步骤二中对所有数据进行数据预处理，预处理方式包括：对缺失数据进行插值处理；去除数据缺失>50％的用户数据。
进一步地，步骤一中冻结数据采集频率为30min/次，台区电量总体采集成功率>95％，各表计电量采集成功率>85％。
本发明的有益效果是：本发明通过Lasso回归模型求解回归系数，然后根据台区线损和Lasso系数计算各电表窃电概率，根据窃电概率大小最终定位疑似窃电用户。本发明此方法实现简单，仅需获取全台区全部用户用电数据与台区总表数据，克服了所需数据维度高等干扰的影响，无需人为定义特征，无需添加过多额外设备。
附图说明
图1为本发明基于Lasso解析的反窃电分析方法总体流程图。
图2为本发明台区不同时段的线损图。
图3为总表电量和各表计电量和的对比图。
图4为本发明各表计的Lasso回归系数图。
图5为本发明台区各时段线损拟合图。
图6为本发明各表计的窃电概率图。
具体实施方式
下面结合附图1-6和实施例对本发明作进一步的说明，以具体阐述本发明的技术方案。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
结合附图1，本发明的一种基于Lasso解析的反窃电分析方法，包括以下步骤，
步骤一，从采集系统获取全台区全部用户电量冻结数据与台区总表电量冻结数据，冻结数据采集频率为30min/次，台区电量总体采集成功率>95％，各表计电量采集成功率>85％。
步骤二，对所有数据进行数据预处理预处理，方式包括：对缺失数据进行插值处理；去除数据缺失>50％的用户数据。
步骤三，利用台区总表数据减去所有用户用电数据加和求出台区各时段线损值，各时段线损图如图2所示，总表电量和各表计电量和的对比图如图3所示。
步骤四，根据Lasso回归模型，用各用户的用电数据去拟合线损数据，计算台区线损与所有电表的回归系数，其中Lasso回归模型的优化目标为，
Figure BDA0002613917060000031
其中，y为台区线损量向量，X为所有电表的用电量矩阵，λ为正则系数，
Figure BDA0002613917060000032
为系数矩阵。所求的Lasso回归系数如图4所示，台区各时段线损拟合图如图5所示。
步骤五，根据台区线损和Lasso系数计算各电表窃电概率，其中窃电概率计算公式为，
Figure BDA0002613917060000033
其中β表示Lasso回归系数，α和γ为0～1的系数，v表台区线损大于7％的数据点数，m表示数据总点数。其各用户窃电概率图如图6所示。
步骤六，根据窃电概率大小定位疑似窃电用户。
本实施例中：利用某台区实际的现场数据对本发明中的基于Lasso解析的反窃电分析方法进行了测试验证。共61个表，138个计量点，其中根据Lasso解析计算出4个用户的回归系数和窃电概率较大，列为疑似窃电用户，计算结果与现场真实窃电情况一致。
综上所述，本发明通过Lasso回归模型求解回归系数，然后根据台区线损和Lasso系数计算各电表窃电概率，根据窃电概率大小最终定位疑似窃电用户。本发明此方法实现简单，仅需获取全台区全部用户用电数据与台区总表数据，克服了所需数据维度高等干扰的影响，无需人为定义特征，无需添加过多额外设备。
以上实施例是对本发明的具体实施方式的说明，而非对本发明的限制，有关技术领域的技术人员在不脱离本发明的精神和范围的情况下，还可以做出各种变换和变化而得到相对应的等同的技术方案，因此所有等同的技术方案均应该归入本发明的专利保护范围。

Claims (5)

1.一种基于Lasso解析的反窃电分析方法，其特征在于，包括以下步骤：
步骤一，从采集系统获取全台区全部用户电量冻结数据与台区总表电量冻结数据；
步骤二，对所有数据进行数据预处理；
步骤三，利用台区总表数据减去所有用户用电数据的加和求出台区各时段线损值；
步骤四，根据Lasso回归模型，计算台区线损与所有电表的回归系数；
步骤五，根据台区线损和Lasso系数计算各电表窃电概率；
步骤六，根据窃电概率大小定位疑似窃电用户。
2.根据权利要求1所述的一种基于Lasso解析的反窃电分析方法，其特征在于：步骤四中根据Lasso回归模型，计算台区线损与所有电表的回归系数，其中Lasso回归模型的优化目标为，
Figure FDA0002613917050000011
其中，y为台区线损量向量，X为所有电表的用电量矩阵，λ为正则系数，
Figure FDA0002613917050000012
为系数矩阵。
3.根据权利要求1或2所述的一种基于Lasso解析的反窃电分析方法，其特征在于：步骤五中根据台区线损和Lasso系数计算各电表窃电概率，其中窃电概率计算公式为，
Figure FDA0002613917050000013
其中β表示Lasso回归系数，α和γ为0～1的系数，v表台区线损大于7％的数据点数，m表示数据总点数。
4.根据权利要求1或2所述的一种基于Lasso解析的反窃电分析方法，其特征在于：步骤二中对所有数据进行数据预处理，预处理方式包括：对缺失数据进行插值处理；去除数据缺失>50％的用户数据。
5.根据权利要求1或2所述的一种基于Lasso解析的反窃电分析方法，其特征在于：步骤一中冻结数据采集频率为30min/次。
CN202010763962.8A 2020-08-01 2020-08-01 一种基于Lasso解析的反窃电分析方法 Pending CN111930802A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010763962.8A CN111930802A (zh) 2020-08-01 2020-08-01 一种基于Lasso解析的反窃电分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010763962.8A CN111930802A (zh) 2020-08-01 2020-08-01 一种基于Lasso解析的反窃电分析方法

Publications (1)

Publication Number Publication Date
CN111930802A true CN111930802A (zh) 2020-11-13

Family

ID=73315123

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010763962.8A Pending CN111930802A (zh) 2020-08-01 2020-08-01 一种基于Lasso解析的反窃电分析方法

Country Status (1)

Country Link
CN (1) CN111930802A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114548845A (zh) * 2022-04-27 2022-05-27 北京智芯微电子科技有限公司 一种配网管理方法、装置及系统
CN115330202A (zh) * 2022-08-15 2022-11-11 烟台东方威思顿电气有限公司 基于数据驱动的低压配电台区窃电分析方法
CN116008714A (zh) * 2023-03-23 2023-04-25 青岛鼎信通讯股份有限公司 一种基于智能量测终端的反窃电分析方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106066423A (zh) * 2016-05-25 2016-11-02 上海博英信息科技有限公司 一种基于损耗分配嫌疑分析的反窃电分析方法
CN106936127A (zh) * 2017-02-28 2017-07-07 国家电网公司 一种线路负荷回归分析与预测方法及系统
US20180364287A1 (en) * 2017-06-14 2018-12-20 Cooper Technologies Company System and method for detecting theft of electricity with integrity checks analysis
CN110824270A (zh) * 2019-10-09 2020-02-21 中国电力科学研究院有限公司 结合台区线损和异常事件的窃电用户辨识方法及装置
CN111292121A (zh) * 2020-01-16 2020-06-16 国家电网有限公司 一种基于园区画像的园区负荷预测方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106066423A (zh) * 2016-05-25 2016-11-02 上海博英信息科技有限公司 一种基于损耗分配嫌疑分析的反窃电分析方法
CN106936127A (zh) * 2017-02-28 2017-07-07 国家电网公司 一种线路负荷回归分析与预测方法及系统
US20180364287A1 (en) * 2017-06-14 2018-12-20 Cooper Technologies Company System and method for detecting theft of electricity with integrity checks analysis
CN110824270A (zh) * 2019-10-09 2020-02-21 中国电力科学研究院有限公司 结合台区线损和异常事件的窃电用户辨识方法及装置
CN111292121A (zh) * 2020-01-16 2020-06-16 国家电网有限公司 一种基于园区画像的园区负荷预测方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114548845A (zh) * 2022-04-27 2022-05-27 北京智芯微电子科技有限公司 一种配网管理方法、装置及系统
CN114548845B (zh) * 2022-04-27 2022-07-12 北京智芯微电子科技有限公司 一种配网管理方法、装置及系统
CN115330202A (zh) * 2022-08-15 2022-11-11 烟台东方威思顿电气有限公司 基于数据驱动的低压配电台区窃电分析方法
CN116008714A (zh) * 2023-03-23 2023-04-25 青岛鼎信通讯股份有限公司 一种基于智能量测终端的反窃电分析方法

Similar Documents

Publication Publication Date Title
CN111930802A (zh) 一种基于Lasso解析的反窃电分析方法
CN110190600B (zh) 一种基于ami量测近邻回归的三相配电网拓扑辨识方法
CN107169145A (zh) 一种基于聚类算法的用户窃电严重等级检测的方法
CN109543943A (zh) 一种基于大数据深度学习的电价稽查执行方法
CN110749784B (zh) 一种基于电力数据小波分析的线路窃电检测方法
CN110489783B (zh) 一种基于qrnn的低压台区线损率合理范围估计方法
CN110826895A (zh) 一种台区拓扑识别方法
CN107741578A (zh) 一种用于智能电能表运行误差远程校准的原始抄表数据处理方法
CN116304537B (zh) 基于智能量测终端的窃电用户核查方法
CN112418687B (zh) 基于用电特征的用户用电异常识别方法、装置和存储介质
CN112600659B (zh) 基于神经网络的安全芯片侧信道泄漏检测方法及系统
CN116008714B (zh) 一种基于智能量测终端的反窃电分析方法
CN112415326A (zh) 一种基于模糊聚类算法的配电网故障区段辨识方法
CN111861789A (zh) 基于电流数据整数规划求解的户变关系识别方法及系统
CN115017828A (zh) 基于双向长短时记忆网络的电力电缆故障识别方法及系统
CN112611997B (zh) 一种台区关口表挂接关系在线校验方法和系统
CN109871998B (zh) 一种基于专家样本库的配电网线损率预测方法及装置
CN118378832A (zh) 基于人工智能的调度负荷数据分析提示系统
CN117493923A (zh) 含分布式光伏低压配电台区异常数据修复方法及系统
CN116578823A (zh) 一种基于互相关算法的低压台区识别方法
Zhu et al. Identification of network parameter errors using phasor measurements
Fan Research on automatic user identification system of leaked electricity based on Data Mining Technology
CN116136580A (zh) 一种基于感知设备的线损分级检测方法及装置
Linghua et al. Research on the Algorithm Model of Predicting Line Loss Diagnosis Based on Computer Multiple Linear Regression
CN110969303B (zh) 一种基于理查德模型的树高预测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20201113