基于非侵入式负荷监测的智能窃电稽查系统及方法与流程

本发明属于电力用户窃电稽查领域，尤其涉及一种基于非侵入式负荷监测的智能窃电稽查系统及方法。
背景技术：
：我国电力系统发展迅速，无论是发电量、电力装机容量，还是相关基础设施几乎均呈指数增长。然而，由于发展速度与相关监管治理不匹配，且用电治理技术尚不完善，对于异常用电监管始终未能找到切实有效的对策。其中，每年因窃电导致的能源和经济损失数额巨大，且上涨趋势明显，因此找到合理的方法对电力用户窃电行为进行整治势在必行。几个典型案例突出反映了我国窃电的严重性。2003-2004年广州某供电局共查处窃电68宗，追回电费798232.80元。2003年4月12日，该局查获位于广州市某物业管理公司，在五个月内采用在低压变电房的计量表前私接12根电缆的方式，盗取电能42万多千瓦时转手供应给小区内某家大型超市使用来赚取电费，其窃电总金额已达45万元人民币。高科技窃电手段日趋隐蔽，这就导致进行窃电稽查时，无论是在判定用户窃电行为，还是估算、追讨窃电电费的过程中，执法难度显著上升。此外，有时尽管发现电量计量有误，却因没能进行合理的用电行为分析而无法将其定性为窃电行为，导致电能白白损失。[1]崔灿，面向智能用电的非侵入式居民负荷监测关键技术研究[d]，华北电力大学(北京)，2017。[2]余贻鑫，刘博，栾文鹏；非侵入式居民电力负荷监测与分解技术[j]，南方电网技术,2013,7(04):1-5。[3]庆克堂，反违约用电、窃电工作中若干技术手段分析[a]，安徽省电机工程学会.第四届安徽科技论坛安徽省电机工程学会分论坛论文集[c]，安徽省电机工程学会:安徽省电机工程学会,2006:5。[4]陈仕军，王长江；基于曲线相似度和关联分析的窃电智能识别与预警[j]，浙江电力,2017,36(12):33-36。[5]尚秋峰，吕鹏鹏，李梦婵，陈阳生；基于本地功率基准的异常用电监测方法[j]，电测与仪表,2014,51(08):1-5。[6]姚伟智，林幕群，纪素娜，郑青娜，杨军；基于用电行为分析的低压用户窃电在线监测分析方法研究[j].中国新通信,2015,17(02):97-99。[7]陈阳生，基于本地功率基准的异常用电监测新方法[d]，华北电力大学,2014。[8]张骐，新型智能防窃电技术研究与探讨[j]，油气田地面工程，2017,36(9):75-79。技术实现要素：结合现有技术，考虑到用户的负荷构成与电器用电状态能够更加准确直观地反应其用电行为，为了有效解决上述问题，有必要对精确到电器的用电数据进行分析，包括电器的工作状态、用电功率和累计电量等。对于获取此类用电细节数据，存在侵入式电力负荷监测和非侵入式负荷监测两种方案[1-2]。不过，前者需要侵入负荷内部为每个主要电器安装带有通信功能的传感器(如智能插座)，不适合用户窃电稽查，而后者仅通过分析负荷用电总量数据便可获取其内部主要电器的用电数据。据此，本发明设计了一种基于非侵入式负荷监测的智能窃电稽查系统。为了解决上述技术问题，本发明提出的一种基于非侵入式负荷监测的智能窃电稽查系统，包括数据获取模块、窃电嫌疑用户评判模块、窃电行为指标计算模块、用户窃电行为判定模块、窃电量参考值估算模块和信息传输模块；所述数据获取模块，从电力公司数据库中获取用户日用电量数据以及负荷用电细节数据，其中，负荷用电细节数据的获取有赖于非侵入式负荷监测技术及相关监测设备；所述窃电嫌疑用户评判模块，用于根据数据获取模块中的用户日用电量数据，总结归纳反映和表征窃电用电行为的描述指标体系，确定作为窃电检测初步筛查的指标阈值，根据阈值筛查并定位疑似存在窃电用电行为的用户；所述窃电行为指标计算模块，基于数据获取模块中电力负荷用电细节数据，建立并计算窃电行为评判指标，评判指标可以直接用于后续窃电行为分析；所述用户窃电行为判定模块，根据窃电行为评判指标判断用户是否存在窃电行为，包括判定窃电行为类型；如果判断用户不存在窃电行为则排除该用户嫌疑，否则标记该用户的窃电行为类型，并通过信息传输模块向窃电稽查部门提供判定结果；所述窃电量参考值估算模块，根据用户窃电类型估算用户窃电量参考值，并通过信息传输模块向窃电稽查部门提供窃电量估算结果；所述信息传输模块，用于基于非侵入式负荷监测的智能窃电稽查系统与相关部门或使用人员进行必要的数据信息传递；其具体功能视实际需求而定，至少包括监测与分析结果的展示与输出。利用上述基于非侵入式负荷监测的智能窃电稽查系统进行稽查的方法，包括以下步骤：步骤一、判断用电户是否为窃电嫌疑用户：用电户类型包括工业用户、商业用户和居民用户；利用电力公司获取的用户日用电量数据进行评判，根据稽查区域内所有用户的用电数据记录，结合稽查区域内历史上发生过窃电行为的用户的用电数据记录，确定描述异常用电行为的指标体系，包括以下4项指标：1)用户的月电量比值d1，是指用户的月用电量与用户所属行业的月用电量之比；2)用户的各个月的月用电量与对应月份用户所属行业的月用电量之比的平均值d2；3)用户的节假日用电比值d3，是指用户在节假日期间日平均电量与用户所属行业在节假日期间日平均电量之比；4)夏秋冬春用电比例d4，是指用户季节用电量与用户所属行业季节用电量之比；按照上述体系分别计算用户各项指标并与所设各项阈值d10，d20，d30，d40比较，当某项指标实际计算结果大于所述阈值，则判断该用户存在异常用电；其中d10＝0.45、d20＝0.60、d30根据所处节假日放假时长是3～7天，其取值范围为0.5～0.6、d40＝0.65；按照式(1)计算窃电嫌疑指数h：式(1)中，各个指标的权重分值αm∈[0.5,2]，其初始值设为1。将得到的综合考虑各指标的用户嫌疑指数h与阈值h0比较，通常将窃电嫌疑指数的阈值h0设为2.5，若稽查区域内某用户嫌疑指数h小于设定阈值，则将该用户评判为窃电嫌疑用户转入步骤二；否则稽查区域内没有窃电嫌疑用户，结束本次针对该区域的窃电稽查；步骤二、计算窃电行为评判指标：首先，将用户的电器设备分为a类电器设备和b类电器设备，所述a类电器设备为运行状态可以反映用户全天用电行为适用于间歇性甩表窃电行为分析的电器设备，所述b类电器设备为运行状态监测结果不受少计量窃电行为影响的电器设备；然后，计算窃电行为评判指标，包括：2-1)建立电器设备工作状态评价向量lj，如式(2)所示：lj＝[l1,l2,l3,...li,...ln]t(2)式(2)中，lj表示某一用户在第j天中某种电器设备在任意监测时刻i的工作状态构成的向量，li∈{0，1}，0表示在监测时刻i该电器设备处于停机状态，1表示在监测时刻i该电器设备处于运行状态；表示该电器设备在第j天的累计开关次数，表示在包含k天的监测时段内该电器设备的日平均开关次数；2-2)建立电器设备用电功率评价向量，如式(3)所示：pj＝[p1,p2,p3,...pi,...pn]t(3)式(3)中，pi表示与li对应的电器设备的运行有功功率值，单位为w；2-3)建立窃电行为持续时长评价向量，如式(4)所示：tj＝[t1,t2,t3,...ti,...tn]t(4)式(4)中，ti表示与li对应的运行时长，单位为s；步骤三、判定用户窃电行为，包括：步骤3-1)计算用户电器设备在包含k天的监测时段内日开关次数的方差sn；步骤3-2)判定是否存在间歇性甩表窃电行为，若sn＞s0，则判定该用户存在间歇性甩表窃电行，并转至步骤3-5)，否则转至步骤3-3)，其中，s0为相同类型电器设备，在正常用户中统计所得日开关次数方差；步骤3-3)进行少计量的窃电行为的判定，对于pj中任意元素pi如果不满足pi∈(pmin,pmax)，且pi＜pmin，则判定为少计量窃电用户，并转至步骤3-5)，否则转至步骤3-4)；其中，pmin和pmax分别为相同类型电器设备正常工作时的实时最大功率和最小功率值；窃电行为实施时间段为出现异常的pi对应的监测时段，记录该监测时刻i；(4)该用户不存在窃电行为，结束该用户稽查；(5)判定该用户为窃电嫌疑用户，记录该用户的窃电行为和窃电行为评判指标；步骤四、估算窃电量：利用正常情况下相同类型电器设备的累计耗电量与用户总电量之间的关系，以及步骤三记录的该用户的窃电行为评判结果和指标，估算该用户的窃电量，包括：4-1)在怀疑存在窃电行为当天，负荷日用电总量正常值w按下式估算：式(5)中，wk为n个同类型正常用电户中第k个用户在当天的用电总量，单位为kwh；4-2)电器设备正常日用电总量wr根据其窃电行为类型分别按下式估算：当某用户的窃电行为为间歇性甩表窃电时，wr1＝lmax×pavg×tavg(6)当某用户的窃电行为为少计量窃电时，式(6)和(7)中，tavg为电器设备运行持续时长的平均值，为电器设备的全部运行时段的有功功率平均值，此处j的取值为lj与lmax相等时对应日期编号；4-3)求得估算窃电量的比例系数k1，k2：当某用户的窃电行为为间歇性甩表窃电时，k1＝wr1/w；当某用户的窃电行为为少计量窃电时，k2＝wr2/w4-4)估算窃电量：当某用户的窃电行为为间歇性甩表窃电时，窃电量估算值ws按式(8)得出：ws＝(lmax-lj)×pavg×tavg/k1(8)式(8)中，lmax为该用户的指示电器开关次数最多的一天中的工作状态评价向量lmax中的非零元素总个数；lj为存在甩表运行的一天的该电器的开关次数；当某用户的窃电行为为少计量窃电时，窃电量估算值ws参考值按式(9)得出：至此完成了针对该用户的窃电稽查分析；步骤五、重复上述步骤一至步骤四，直至完成对指定区域内全部目标用户的窃电稽查分析；步骤六、针对本次窃电稽查分析产生的窃电案例，根据基于每个单项指标的异常用户判断结果与本次稽查分析结果的吻合程度，在下次稽查时，对每个单项指标的权重分值进行调整，并以调整后的权重分值作为接下来的再次进行窃电稽查分析的权重分值；其中，各单项指标的权重分值的调整规则是：若基于某个单项指标的异常用户判断结果与本次稽查分析结果的吻合程度较高，则对应的权重分值调大，若基于某个单项指标的异常用户判断结果与本次稽查分析结果的吻合程度较低，则对应的权重分值调小。与现有技术相比，本发明的有益效果是：本发明给出了一种基于非侵入式负荷监测的智能窃电稽查系统及方法。它利用由非侵入式负荷监测技术获取的与用电行为具有明显关联性的“a类指示电器”和“b类指示电器”两种电器设备的用电数据建立用户窃电判定指标，用以判定各类低压用户是否存在a类窃电“间歇性甩表”和b类窃电“少计量”这两种具有很大稽查难度的窃电行为[8]，并给出窃电量参考值。本发明利用非侵入式负荷监测技术获取用电细节数据，不仅克服了传统方法入户难、取证难的弊端，而且提高了上述两种窃电行为稽查的准确性和可靠性。此外，相对于采用人为筛查或基于侵入式监测数据的窃电稽查方法，本方法更为经济实用。附图说明图1是本发明智能窃电稽查系统示意图；图2主要步骤流程图；图3正常用户日总负荷功率曲线；图4向量lj与tj元素对应关系示意；图5用户窃电行为判定流程图；图6间歇甩性表窃电用户日负荷功率曲线示意；图7欠电压法窃电用户日负荷功率曲线示意。具体实施方式下面结合附图和具体实施例对本发明技术方案作进一步详细描述，所描述的具体实施例仅对本发明进行解释说明，并不用以限制本发明。本发明提出的基于非侵入式负荷监测的智能窃电稽查系统构成如图1所示，按照系统工作方法流程如图2所示，可以分为四个主要步骤。步骤一、判断用电户是否为窃电嫌疑用户：考虑到窃电行为只存在于少数用户当中，为了保证窃电稽查效率，减小对用户正常工作生活的影响，就需要先对全部用户群体进行筛选，以缩小需要进行详细调查的用户范围。基于对用户用电数据的统计分析找出疑似存在窃电行为用户的方法很多，但是为了保证筛查的准确性，往往会对用电数据精细化程度提出更高要求，极大增加数据采集难度，导致以上方法不易推广。因此，本发明采取先利用电力公司极易获取的用户日用电量数据，筛查窃电嫌疑用户，再基于非侵入式电力负荷分解技术对嫌疑用户进行详细调查的方法，保证了本系统的经济性和可推广性。用电户类型包括工业用户、商业用户和居民用户；利用电力公司获取的用户日用电量数据进行评判，根据稽查区域内所有用户的用电数据记录，并结合稽查区域内历史上发生过窃电行为的用户的用电数据记录，确定异常用电行为的指标体系，能够反映和表征用户异常(窃电)用电行为的描述指标体系(如表1所示)。表1用户用电行为描述指标根据以上用户用电行为描述指标，建立用户窃电评判指标体系，包括以下4项指标：1)用户月电量比值d1，是指用户月用电量与行业月用电量之比；2)用户的各个月的月用电量与对应月份行业月用电量之比的平均值d2；3)用户节假日用电比值d3，是指用户节假日期间日平均电量与行业节假日期间日平均电量之比；4)夏秋冬春用电比例d4，是指用户季节用电量与行业季节用电量之比；按照上述体系分别计算用户各项指标并与所设各项阈值d10，d20，d30，d40比较，当某项指标实际计算结果大于所述阈值，则判定该用户存在异常用电；其中d10＝0.45、d20＝0.60、d30根据所处节假日放假时长是3～7天，其取值范围为0.5～0.6、d40＝0.65；综合考虑以上各项指标，按照式(1)计算窃电嫌疑指数h：式(1)中，各个指标的权重分值αm∈[0.5,2]，其初始值设为1。将得到的综合考虑各指标的用户嫌疑指数h与阈值h0比较，通常将窃电嫌疑指数的阈值h0设为2.5，若稽查区域内某用户嫌疑指数h小于设定阈值，则将该用户评判为窃电嫌疑用户转入步骤二；否则稽查区域内没有窃电嫌疑用户，结束本次针对该区域的窃电稽查。由于低压用户用电轨迹多种多样，异常阈值范围内很可能包含少量的正常用户，因而步骤一中筛查出的窃电嫌疑用户仅为疑似存在窃电用电行为的用户。表2展示了稽查区域内一组用户按照上述方法进行嫌疑指数计算的结果，各项权重分值均设为1。将得到的各用户嫌疑指数h与阈值h0比较，可以明确将用户4和用户5列为窃电嫌疑用户。表2用户窃电行为指标及嫌疑指数列表实际应用时，对于关心的高损台区，可以每月自动计算出所监测低压用户的窃电嫌疑指数，再经过嫌疑指数筛选确认疑似存在窃电行为的用户及其地理位置，这些疑似存在窃电行为的用户实际是否真的有窃电行为，以及其窃电量具体数值都需要进行进一步分析。步骤二、计算窃电行为评判指标：首先，将用户的电器设备分为a类电器设备和b类电器设备，所述a类电器设备为运行状态可以反映用户全天用电行为,适用于间歇性甩表窃电行为分析的24小时常开的电器设备(如电冰箱、抽湿机等)，所述b类电器设备为其运行状态的非侵入式负荷监测结果不受少计量窃电行为影响的电器设备(如电磁炉、电冰箱、洗衣机等)。图3为非侵入式负荷监测技术对某一正常用户进行实时监测时的数据展示，通过此项技术可以实现对所述a类电器设备和b类电器设备的各项运行数据的监测与分析；之后，计算窃电行为评判指标，包括：(1)建立电器设备工作状态评价向量lj，如式(2)所示：lj＝[l1,l2,l3,...li,...ln]t(2)式(2)中，lj表示某一用户在第j天中某种电器设备在任意监测时刻i的工作状态构成的向量，li∈{0，1}，0表示在监测时刻i该电器设备处于停机状态，1表示在监测时刻i该电器设备处于运行状态；表示该电器设备在第j天的累计开关次数，表示在包含k天的监测时段内该电器设备的日平均开关次数；(2)仅凭电器设备的工作状态向量无法判定用户是否存在少计量窃电行为，需要建立电器设备用电功率评价向量pj，如式(3)所示：pj＝[p1,p2,p3,...pi,...pn]t(3)式(3)中，pi表示与li对应的电器设备的运行有功功率值，单位为w；(3)为了保证对窃电量的合理估算，需要建立窃电行为持续时长评价向量tj，如式(4)所示：tj＝[t1,t2,t3,...ti,...tn]t(4)式(4)中，ti表示与li对应的运行时长，单位为s，图4中直观地展示了某电器设备向量lj与向量tj各个元素间的对应关系；步骤三、判定用户窃电行为：用户窃电行为的判定流程如图5所示，分为以下五个子步骤。(1)计算用户电器设备在包含k天的监测时段内日开关次数的方差sn；(2)判定是否存在间歇性甩表窃电行为，在正常使用情况下，每天同类型电器设备的运行次数大致相同，在窃电行为评判指标数据中表现为lj值趋于稳定，lj的方差sn较小。因此，如果lj值出现异常变化，则sn＞s0，从而判定该用户存在间歇性甩表窃电行，并转至步骤(5)，否则转至(3)，其中，s0为相同类型电器设备，在正常用户中统计所得日开关次数的方差，可能出现窃电行为的日期为数值小于l0的lj所对应的日期。如图6虚线所围区域为存在甩表窃电行为的监测结果，可以明显看到窃电行为实施时段，各项电器设备处在长时间异常停止状态，因此该日电器设备的lj出现异常，异常情况通过sn可以直观反映地出来；(3)进行少计量的窃电行为的判定，对于少计量窃电行为，无论是采用欠电流、欠电压或是改变功率因数中的任一种方式，如果能对用户用电量进行实时准确预估并加以比较，则窃电行为及窃电量都可以被较为准确判定和确定。因此，对于pj中任意元素pi如果不满足pi∈(pmin,pmax)，且pi＜pmin则判断为少计量窃电用户，其中pmin和pmax分别为相同类型电器设备正常工作时的实时最大功率和最小功率值；窃电行为实施时间段为出现异常的pi对应的监测时段，记录该监测时刻i，并转至(5)，否则转至(4)，以图7为例，虚线所围区域对应时段内，该用户明显存在少计量窃电行为，而在窃电行为实施时段运行的电器设备的实时功率明显小于正常值。(4)该用户不存在窃电行为，结束该用户稽查；(5)判定该用户为窃电嫌疑用户，记录该用户的窃电行为和窃电行为评判指标；步骤四、估算窃电量：利用正常情况下相同类型电器设备的累计耗电量与用户总电量之间的关系，以及步骤三记录的该用户的窃电行为评判结果和指标，估算该用户的窃电量，具体方法包括：第一，在怀疑存在窃电行为当天，负荷日用电总量正常值w按下式估算：式(5)中，wk为n个同类型正常用电户中第k个用户在当天的用电总量，单位为kwh；第二，电器设备正常日用电总量wr根据其窃电行为类型分别按下式估算：1)当某用户的窃电行为为间歇性甩表窃电时，wr1＝lmax×pavg×tavg(6)2)当某用户的窃电行为为少计量窃电时，式(6)和(7)中，tavg为电器设备运行持续时长的平均值为电器设备的全部运行时段的有功功率平均值此处j的取值为lj与lmax相等时对应日期编号；第三，求得估算窃电量的比例系数k1，k2：1)当某用户的窃电行为为间歇性甩表窃电时，k1＝wr1/w；2)当某用户的窃电行为为少计量窃电时，k2＝wr2/w；第四，估算窃电量：1)当某用户的窃电行为为间歇性甩表窃电时，窃电量估算值ws按式(8)得出：ws＝(lmax-lj)×pavg×tavg/k1(8)式(8)中，lmax为该用户的指示电器开关次数最多的一天中的工作状态评价向量lmax中的非零元素总个数；lj为存在甩表运行的一天的该电器的开关次数；tavg和pavg与前文含义相同。2)当某用户的窃电行为为少计量窃电时，窃电量估算值ws参考值按式(9)得出：至此完成了针对该用户的窃电稽查分析；步骤五、重复上述步骤一至步骤四，直至完成对指定区域内全部目标用户的窃电稽查分析；步骤六、针对本次窃电稽查分析产生的窃电案例，根据基于每个单项指标的异常用户判断结果与本次稽查分析结果的吻合程度，在下次稽查时，在限定的范围内对每个单项指标的权重分值进行调整，并以调整后的权重分值作为接下来的再次进行窃电稽查分析的权重分值；具体地，各单项指标的权重分值的调整规则是：若基于某个单项指标的异常用户判断结果与本次稽查结果的吻合程度较高，则对应的权重分值可以适当调大，若基于某个单项指标的异常用户判断结果与本次稽查结果的吻合程度较低，则对应的权重分值可以适当调小。这样一来，随着窃电稽查工作的进行，各个指标的权重分值随着调整会逐步趋于最优，以不断提高窃电稽查的准确率。实施例：间歇性甩表与少计量两种窃电用户窃电量估算过程举例：1)当某用户的窃电行为为间歇性甩表窃电时，经计算和统计可得以下数据，则k1＝wr1/w＝28×89.87×1233/3600000/12.3＝0.07，且监测到窃电行为发生当天lj＝17。因此，该用户当天窃电量参考值为：ws＝(lmax-lj)×pavg×tavg/k1＝(28-17)×89.87×1233/3600000/0.07＝4.84kwh表3某间歇性甩表窃电用户窃电行为指标列表lmaxpavgtavgw2889.87w1233s12.3kwh2)当某用户的窃电行为为少计量窃电时，经计算和统计可得以下数据，则k2＝wr2/w＝0.5×(110+80)×647×44/3600000/12.3＝0.061，且监测到窃电行为发生当天各项窃电行为判定指标为lj＝[0,1,0,...,1],pj＝[0,59.2,0,61.4,...,58.0],tj＝[1199,635,1156,...,644]。因此，该用户当天窃电量参考值为：表4某少计量窃电用户窃电行为指标列表lmaxtavgpmaxpminw44647s110w80w12.3kwh尽管上面结合附图对本发明进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的。本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨的情况下，还可以做出很多变形，这些均属于本发明的保护之内。当前第1页12