智能电表环境下窃电量和追补电费估算方法研究

针对当前窃电量估算方法过于笼统的不足,提出以智能电表分相电参量测量功能为依托,构建基于窃电方式差异化分析的实际用电量估算和实际功率因数估算方法,并在此基础上推进三相四线制用户窃电量计算的科学性和追补电费形成的合理性。算例结果表明,构建的方法相较于传统方法具有明显优势,可作为电力计量领域的有效参考。     

基于格兰杰归因分析的高损台区窃电检测

配电台区中,用户窃电将增大台区线损电量,窃电电量直接对应非技术线损,并与台区线损电量间存在因果关系。分析指出,常见窃电手法中窃电用户的窃电量多与电表计量电量呈正相关关系,这将使得线损电量与窃电用户的计量电量之间存在隐含的因果关系。以此为基础,提出基于格兰杰归因分析的高损台区窃电检测方法。通过协整检验及格兰杰检验分析用户用电量与台区线损时间序列间的长期趋势及格兰杰因果关系,将对台区线损影响突出的用户识别为窃电用户。基于实际高损台区和高损线路用户数据的测试算例和现场稽查验证了所提方法的有效性。     

基于向量自回归模型的高损线路窃电检测

接入配电线路的用户窃电将直接导致分线线损电量异常波动,因此用户用电量与分线线损电量间存在长期动态互动。该文提出基于向量自回归模型检测造成线损波动的异常用户的方法。首先,运用边限协整检验分析线损电量和用户用电量的长期均衡关系;然后,构建线路线损电量与接入用户用电量的向量自回归模型,计算脉冲响应函数分析线损电量与用户用电量的动态作用机制;再通过方差分解分析线损电量与用户用电量间冲击作用的贡献度,将对线损电量有显著影响且波动贡献度最大的用户识别为窃电用户;最后,结合实际高损线路用户数据识别窃电嫌疑用户,并运用现场稽查的手段验证了所提方法的有效性。     

电量分析在反窃电工作中的运用

电量分析是基于正确的客户信息,对其电量进行针对性分析,发现其中的异常情况以判定某用户疑似窃电的方法。相较居民用户和大用户,中量用户的窃电量较大,且其相对大量用户的窃电方法也较简单,更易排查与验证。本文分析了几种中量用户窃电方法,提出了相对应的解决方式。     

基于边缘计算的低压用户窃电检测

低压用户窃电导致线损电量增加,对台区线损异动进行归因分析是识别窃电用户的有效途径。低压用户通信异常多发,可导致用电信息采集系统主站数据失真,易误导窃电检测。利用配变终端可就地完整准确采集台区数据的特点,提出基于边缘计算的低压用户窃电检测方法。首先,在通信正常和异常的条件下,分析台区窃电用户用电量与线损电量的关联关系;然后,在配变终端窃电检测模块中对真实的台区线损和用户用电量进行归因分析来识别窃电用户;最后,基于高损台区实际数据的仿真分析,验证了所提方法相比于在主站侧采用异常数据以及采用不同缺失数据填补算法修复后的数据进行窃电检测时的优势。     

供电中功率因数的科学测算

功率因数是电力负荷的一个重要参数。供电部门规定:对100kVA及以上容量的用户实行力率调整电费。在工业生产用户中,一般都采取无功补偿措施,力求使本厂的功率因数达到规定的值。当用户的功率因数低于0.9时,需多支付低力率的罚款电费,如用户的功率因数超过0.9,将得到供电部门的奖励。供电中对用户功率因数的测算是:按每月定期向用户抄收的有功电量和无功电量,计算出该用户的功率因数值,作为收取电费的依据。     

高压用户降电价节电措施

本文将介绍几种降低电价的节电措施。供电局的供电单价是一定的,本文所指的降低电价是指在有功负荷及其使用电量不变的情况下,采用适当措施减少电费支出,降低本企业使用每度电的平均价格。 高压进户的用电单位称为高压用户。高压用户的电费由三部分组成:基本电费、实用电费和功率因数调整电费(即功率因数奖惩费)。以下就从这三个方面来介绍降电价的措施。 高压用户与供电局之间都有一个用电最高需量的契约,规定允许使用的最大有功功率,这个值称     

内蒙古电费收费方式出新

最近,内蒙古电管局推出新的电费收费方式,即实行“先掏钱,后供电”,改变过去“先用电、后交钱”传统的电费收费方法。实施范围:大工业、非普工业、企事业单位、趸售和直供农户、城镇居民。购电办法:实行“认购电量,凭证用电”的用户,按照本月用电量和下月新增用电情况。足额认购下月电量,并交清应付电费。用户可根据其用电情况     

遏制窃电案件的对策

加大“反窃电”的力度，首先要加强宣传教育工作，使广大群众都认清窃电的危害性和违法性，自觉抵制窃电行为。其次是完善立法，坚决打击窃电违法犯罪。最重要的有３点，一是对《刑法》进行修改，对盗窃罪设立“单位犯罪”。《刑法》中，对盗窃罪没有设立单位犯罪，已明显落后于实际。一方面，造成法律的明显不公平。从查处的窃电案例看，自然人窃电的电量价值５０００多元的有判有期徒刑的，而单位窃电的电量价值达上百万元的，仅仅是追缴电费而已。另一方面，随着经济结构的调整，企业性质发生了很大的变化，但都因其是“单位”窃电而逃避…     

数字化电能表信息采样中的反向电量异常识别方法

针对目前识别方法准确性和全面性较低的问题，提出一种数字化电能表信息采样中的反向电量异常识别方法。通过用电信息采集系统召测数据，完成数字化电能表信息采样工作，并实施缺失值填补、数据标准化等预处理。以处理好的数据为基础，计算电能表状态特征，包括用户用电量变化、电压量/电流量、有功功率等三个维度的特征指标，利用AdaBoost算法构建分类器，实现反向电量异常识别。结果表明：所研究方法应用下，F1分数值更高，能更为准确且全面地检测出用户窃电行为，为窃电用户便捷查找与预防预控提供了可靠的依据。     

基于大数据和机器学习的用电异常行为分析系统总体架构

用户用电异常行为不仅对接入设备和用户本身产生影响,更会危及电网的正常运行,因此对用电异常行为的分析至关重要。基于大数据和机器学习技术,设计了一种用电异常行为分析系统,并提出了系统设计的总体框架和相关配置。所设计系统对用户用电的用电量、电压质量、负载及三相不平衡率、无功及功率因数等方面可以进行异常分析,并以可视化的方式向管理员和用户展示。同时,对高风险用户进行预警和跟踪处理,对窃电行为展开调查分析。本系统可以有效分析用户用电异常行为及进行窃电预警,对电网稳定运行起到关键作用。     

基于短路阻抗的配电变压器容量测试装置的研究与应用

使用实际容量与铭牌容量不符的变压器,是目前常见的一种窃电方法。文中分析了国家标准中规定的配电变压器短路阻抗的要求,提出了利用变压器短路阻抗来测试变压器实际容量的方法,并研制了相关测试装置。装置测试的结果显示,对于标准容量的变压器,其判别变压器容量的准确率达100％,对于非标准容量的变压器,其测试误差也在允许范围内,并以该装置可以作为供电部门查找此类窃电现象的有力工具。     

一种分布式高低压线路防窃电设计

目前智能用电系统中,防窃电主要依赖低压侧远方终端和电表判断,单一使用低压侧数据判断,系统不可靠,误报,漏报率高。针对该问题,设计了一种基于故障指示器和低压线路采集相结合,远方终端系统判断高压和低压数据,可有效监测各类常见窃电异常,系统可靠性高,投入成本低,运维便利,能为现有系统提供有效窃电监测。     

基于时空关联矩阵的配电台区反窃电预警方法

针对配电台区窃电用户难发现、窃电量预估不准确的问题,提出了一种基于时空关联矩阵的配电台区反窃电预警方法。首先,构建配电台区数据清洗方法,采用线性插值算法对低压户表采集的缺失数据进行补正,以消除配电台区量测数据缺失对模型的影响。其次,构建配电台区窃电分析算法,通过台区线损波动率、线损与电流差异曲线的变点时间进行关联分析,从而判断台区是否存在窃电行为。再次,构建窃电用户的时空关联分析模型,通过变点、离群点和关联检测分析窃电嫌疑用户的时空分布特征,并计及用户窃电时间和用电容量等特性,提供预估窃电量。最后,通过实例验证了所提方法的有效性和实用性。     

应用电力负荷管理系统开发技术防窃电功能

通过动态比较电力用户在正常与异常计量情况下模拟量回路与电能计量回路的功率、电流和脉冲,并调用电能表本身防窃电信息,通过借助无线信道传输,对电力负荷管理中心主站集中监视和发现用户窃电和计量回路异常的问题提出了解决方案。     

基于SE-CNN模型的窃电检测方法研究

针对传统电网现有窃电检测仅用单一电量且实际数据集下检测准确度低的问题,提出一种基于通道注意力网络改进卷积神经网络模型的窃电行为检测方法。首先建立一种包含用电量趋势、线损增长率、终端告警多源数据融合的窃电评价指标体系,以此构建用户用电特征集。然后,基于通道注意力挤压激励网络(squeeze and excitation networks, SENet)优化卷积神经网络(convolutional neural network, CNN)模型,据此构建自适应通道注意力网络改进卷积神经网络模型的窃电检测方法。最后,利用南方电网数据集对提出方法的有效性与准确性进行验证。实测结果表明,所提方法能有效实现实际电网情况下各类窃电行为准确检测,建立的评价指标体系可更明显表征窃电行为规律。构建的窃电检测模型可自适应对特征通道重要程度调整,提升通道利用率。相比现有检测方法,其具有更高准确度和更优泛化性能。     

基于改进XGBoost模型的低误报率窃电检测方法

以降低窃电检测误报率为目标,提出一种基于贝叶斯优化和改进XGBoost模型的窃电检测方法。首先根据用电信息采集系统和营销系统数据构建了窃电检测指标,然后采用XGBoost模型作为分类器,添加Focal Loss和增加分类阈值的方式用于优化模型。在此基础上,以验证集的马修相关系数为目标函数,利用贝叶斯优化调参求出最优Focal Loss参数和分类阈值,进一步降低检测方法误判率。基于实际电力用户数据进行数值仿真,结果表明所提方法比Adaboost、BP神经网络、SVM具有更高的准确率。     

基于深度混合注意力网络的窃电检测

窃电检测旨在识别和检测非法或未经授权的电力使用行为。在智能电网技术高速发展的背景下,如何实现准确的窃电行为检测,是学术界和工业界广泛关注的一个重要问题。针对已有方法依赖人工特征设计以及低层特征提取能力不足的问题,提出了一种基于深度混合注意力网络的窃电检测方法,将通道注意力和自相关注意力机制相结合,在不同层次和空间范围内捕捉数据中的时间依赖性和周期性等复杂特征。所提模型在低层使用通道注意力网络来增强低层特征的表达能力,在中间层使用自相关注意力来捕捉全局上下文信息,并利用自监督方法来学习注意力参数,从而提取出更具表达力和判别力的特征表示。在中国国家电网数据集上进行实验所获得的结果表明,所提出的方法在AUC以及F1等性能指标上取得了更好的效果。     

10 kV干式电力计量箱的研制

分析10kV油浸式计量式计量箱在实际运行中的出现的问题,介绍开发研制的10kV干式电力计量箱的结构,技术指标及防窃电能,通过实际运动实践,达到了电力系统降损节能的效果。     

基于数据挖掘的新型低压窃电识别方法

针对现今反窃电技术往往采用单一算法分析,导致反窃电效果差强人意的现状,文中提出一种针对低压用户窃电的识别方法.剥离台区线损当中的技术线损部分,采用K-means聚类算法对处理过的线损数据进行分析,识别出线损率异常波动或持续偏高的台区,并根据聚类结果定义时间离散度来衡量窃电疑似度.分析异常台区下的用户,通过相关性分析研究...