/2

电力窃漏电用户自动识别模型模型体验

模型简介 技术文档 购买咨询
能源 0 887 0 ¥399

电力窃漏电用户自动识别

一、模型应用

    某供电局工作人员在线损异常排查过程中,发现某客户配电变压器计量柜封印和计费电能表封印被人为破坏,经检验,计费电子表有功误差为-50.3%,参考表有功误差为50.9%。如图:

                                               1.png

    此案系伪造或开启供电企业加封的用电计量装置封铅用电和故意使供电企业用电装置不准或者失效的窃电行为。经检测,发现电能表内部的电流互感器上的A、B、C三相电流进出线分别焊接三个电阻,导致部分电流分流,从而达到窃电目的。如图:

2.png

    此案例中,窃电人员对电能表电气线路结构熟悉,在短时间内将计费表、参考表一并改造,避免出现电量误差情况和计量自动系统抽样(一般在15分钟抽样一次)存在失压记录,且伪造封印技巧成熟,仿真度极高,一时难以辨认。

    传统的防窃漏电方法主要通过定期巡检、定期校验电表、用户举报窃电等手段来发现窃电或计量装置故障。但这种方法对人的依赖性太强,抓窃查漏的目标不明确。目前很多供电局主要通过营销稽查人员、用电检查人员和计量工作人员利用计量异常报警功能和电能量数据查询功能开展用户用电情况的在线监控工作,通过采集电量异常、负荷异常、终端报警、主站报警、线损异常等信息,建立数据分析模型,来实时监测窃漏电情况和发现计量装置的故障。根据报警事件发生前后客户计量点有关的电流、电压、负荷数据情况等,构建基于指标加权的用电异常分析模型,实现检查客户是否存在窃电、违章用电及计量装置故障等。

    以上防窃漏电的诊断方法,虽然能获得用电异常的某些信息,但由于终端误报或漏报过多,无法达到真正快速精确定位窃漏电嫌疑用户的目的,往往令稽查工作人员无所适从。而且在采用这种方法建模时,模型各输入指标权重的确定需要用专家的知识和经验,具有很大的主观性,存在明显的缺陷,所以实施效果往往不尽如人意。

    现有的电力计量自动化系统能够采集到各相电流、电压、功率因数等用电负荷数据以及用电异常等终端报警信息。异常告警信息和用电负荷数据能够反映用户的用电情况,同时稽查工作人员也会通过在线稽查系统和现场稽查来查找出窃漏电用户,并录入系统。若能通过这些数据信息提取出窃漏电用户的关键特征,构建窃漏电用户的识别模型,就能自动检查判断用户是否存在窃漏电行为。

二、实现流程

    要实现智能判断窃漏电行为,需要从业务系统中有选择的抽取窃电历史样本,并结合业务知识,提取区分窃电的关键特征,依据关键特征建立模型,才能准确的识别窃电行为,要构建窃漏电用户识别模型,主要流程为:

  1. 从电力计量自动化系统、营销系统有选择性地抽取部分大用户用电负荷、终端报警及违约窃电处罚信息等原始数据;

  2. 对样本数据探索分析,剔除不可能存在窃漏电行为行业的用户,即白名单用户,初步审视正常用户和窃漏电用户的用电特征;

  3.  对样本数据进行预处理,包括数据清洗、缺失值处理和数据变换;

  4.  构建专家样本集;

  5. 构建窃漏电用户识别模型;

  6. 在线监测用户用电负荷及终端报警,调用模型实现实时诊断。

3.png

    本模型使用电力计量自动化系统能够采集到各相电流、电压、功率因数等用电负荷数据以及用电异常等终端报警信息。异常告警信息和用电负荷数据能够反映用户的用电情况,同时稽查工作人员也会通过在线稽查系统和现场稽查来查找出窃漏电用户,并录入系统。通过这些数据信息提取出窃漏电用户的关键特征,构建窃漏电用户的识别模型,自动检查判断用户是否存在窃漏电行为。

三、核心技术

  • 神经网络

  • 特征提取

  • 模型评价

四、该模型可应用于

  • 教与学:模型思路完整、学生参与度高、易于上机实验。

  • 科研:将前沿热门的深度学习技术与具体行业应用结合,为科学研究提供素材。

  • 生产:将模型改进后直接用于实际生产环境:电力窃漏电自动识别。

五、运行环境

  • windows/linux/mac OS,64位操作系统,CPU:4GB(GPU更好)。

  • Python3.5及其以上。

六、资源展示


您尚未登录,请登录后购买! 【马上登录

评论已有 0

模型资源列表

电力窃漏电用户自动识别模型

相关模型推荐

联系我们

电话:(020)22205718

热线:40068-40020

地址:广州黄埔区开泰大道36号

邮编:510000

电邮:services@tipdm.com