本发明提供一种电力用户异常用电状态检测方法,属于电力用户异常用电状态检测。
背景技术:
1、目前电力系统作为重要的基础设施之一,承担着供电、调度和分配电能的重要职责,随着智能电表的安装覆盖面逐渐扩大,针对电网在运行过程中需要采集与传输的用电数据量与日俱增,而由于设备不完善和电网波动等因素,经常导致用电侧用电出现异常,给电力系统的稳定运行和经济效益带来了严重威胁;因此,及时准确地识别和监测异常用电状态成为目前电力系统管理运营的重要任务。
2、造成用户用电异常的原因包括:供电异常导致的停电限电行为、计量设备异常导致的数据缺失以及用户本身存在的窃电行为等,上述原因使得系统中的用电信息包含大量的异常数据,异常数据包含的信息往往比正常数据更值得挖掘,通过对用电数据实时分析,及时发现异常行为,可以有效地阻止后续严重后果,提高电网运行的经济性。
3、随着电力系统中用电数据采集和存储技术的不断进步,大量的用电数据可以被获取和分析,为异常用电状态的检测与判断提供了可行性,然而目前由于电力系统的复杂性和用电数据的多样性,仅依靠传统的人工经验和规则往往无法有效应对异常用电行为,判断相应的异常用电状态及行为存在很大不确定性,检测效率低,检测准确率低,针对异常用电状态的检测方法有待改进。
技术实现思路
1、本发明为了克服现有技术中存在的不足,所要解决的技术问题为:提供一种电力用户异常用电状态检测方法的改进。
2、为了解决上述技术问题,本发明采用的技术方案为:一种电力用户异常用电状态检测方法,包括以下检测步骤:
3、步骤一:基于区域内电网实际用电量数据,获取台区用户计量表的近期测量数据,采用vmd算法对原始数据进行数据预处理;
4、步骤二:标准化处理原始随机矩阵电量数据得到非hermitian矩阵,采用时间序列arma模型将用电量数据建模为时间序列,根据谱分析方法计算谱密度函数来描述时间序列的频域特性,得到时间序列的随机矩阵;
5、步骤三:基于单环定理对得到的时间序列进行异常检测,判断该电力数据是否存在异常状态;
6、步骤四:基于m-p定理对得到的时间序列进行异常检测,判断该电力数据是否存在异常状态。
7、所述步骤一中获取数据进行预处理的具体方法为:
8、步骤1.1:获取台区ti个时间周期的用户电表xn的计量数据,所采集的电力数据组成一个列矢量:x(ti)=[x1(ti),x2(ti),…,xn(ti)]t;
9、步骤1.2:采用vmd算法对电力数据进行分解,剔除噪声数据的干扰,提取反映原始用电数据规律的强相关分量。
10、所述步骤二中建模和得到随机矩阵的具体方法为:
11、步骤2.1:根据预处理后的电力数据计量值,使用时间序列的平稳arma(p,q)模型进行建模,表达式为:
12、φ(b)yt=θ(b)εt;
13、式中:{yt:t=0,±1,…}是一个实变量序列;{εt:t=0,±1,…}是服从n(0,σ2)的白噪声向量,b为延迟算子;
14、步骤2.2:对上述建立的时间序列arma模型,计算谱密度函数,计算公式为:
15、
16、步骤2.3:根据计算得到的谱密度函数来描述时间序列的频域特性,进而得到时间序列的随机矩阵,其中每个元素表示在对应频率上的能量值。
17、所述步骤三中检测判断异常状态的具体方法为:
18、步骤3.1:针对非hermitian矩阵求得相应的奇异值等价矩阵,计算公式为:
19、
20、式中:表示非hermitian矩阵,u是符合haar分布的酉矩阵;
21、步骤3.2:基于下述单环定理检测电力数据是否存在异常状态:
22、当高维随机矩阵的奇异值等价矩阵的复数特征值分布在内环半径和外环半径之间的圆环内时,则可以判别此时用电行为处于正常状况;
23、当高维随机矩阵的奇异值等价矩阵的复数特征值分布不在内环半径和外环半径之间的圆环内时,则可以判别此时用电行为处于异常状况。
24、所述步骤四中检测判断异常状态的具体方法为:
25、步骤4.1:基于m-p定理显示理论数据的分布情况:
26、针对n×t阶非hermitian矩阵xn×t,满足均值μ=0,方差δ<∞且独立同分布;当n,t→∞且n/t=c∈(0,1]时,则x的协方差矩阵sn的经验谱分布收敛于m-p定理,m-p定理曲线密度函数的表达式为:
27、
28、式中:x为协方差矩阵sn的特征值,δ2为矩阵内元素的方差,
29、步骤4.2:通过核密度估计方法来估计用户用电量数据的实际分布情况,通过核密度估计概率密度函数的表达式为:
30、
31、式中:k(·)为核函数,满足∫k(xi)dx=1;h为核函数带宽,xi代表样本协方差阵s的特征值;
32、步骤4.3:在m-p定理的特征值分布范围区间[a,b],等间距选取d个取值的点{xi},按照步骤4.1与步骤4.2在取值点上分别计算fm-p(xi)与fkde(xi),得到偏差曲线fd,表达式为:
33、fd=n×h×[fm-p(xi)-fkde(xi)];
34、步骤4.4:基于偏差曲线fd分布情况进行判断:当偏差曲线fd分布不平缓,即m-p定理曲与核密度估计曲线有较大差异时,则判断此时用户的用电行为是异常状态。
35、本发明相对于现有技术具备的有益效果为:本发明通过提供一种基于vmd分解和将随机矩阵理论应用于研究复杂的高维时序数据的异常检测的方法,分析电力数据内部的变化,将rmt从纯高斯环境扩展到非高斯环境,对数据类型要求大大减少,更具有普适性;该检测方法可以准确地识别异常用电行为的发生,拓展了样本容量,解决了高维数据处理程序的麻烦,检测准确率高,检测效果理想,实用性高,推动构建更加智能、安全、有效的用电管理系统。
1.一种电力用户异常用电状态检测方法,其特征在于:包括以下检测步骤:
2.根据权利要求1所述的一种电力用户异常用电状态检测方法,其特征在于:所述步骤一中获取数据进行预处理的具体方法为:
3.根据权利要求2所述的一种电力用户异常用电状态检测方法,其特征在于:所述步骤二中建模和得到随机矩阵的具体方法为:
4.根据权利要求3所述的一种电力用户异常用电状态检测方法,其特征在于:所述步骤三中检测判断异常状态的具体方法为:
5.根据权利要求4所述的一种电力用户异常用电状态检测方法,其特征在于:所述步骤四中检测判断异常状态的具体方法为: