19.1背景与挖掘目标 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。 表 19-1给出了某企业大用户的用电负荷数据,采集时间间隔为15分钟,即0.25小时,可进一步计算该大用户的用电量, 表 19-2给出了该企业大用户的终端报警数据,其中与窃漏电相关的报警能较好的识别用户的窃漏电行为,表 19-3给出了某企业大用户违约、窃电处理通知书,里面记录了用户的用电类别和窃电时间。
2021-08-08 13:07:17 853KB 数据分析 数据挖掘 RapidMiner 窃电分析
据统计,全国每年因窃电造成的损失都在200亿元左右;被查获的窃电案件不足总窃电案件的30%。如深圳龙岗工业区一家只有两条生产线的小塑料包装厂,一年窃电折价就30-40万元之多,某市窃电行为造成电力设施重大破坏,从而引发的大面积停电事故每年都发生多起。这不仅给国有资产造成巨大的损失,也严重扰乱了供电秩序,威胁到电网安全运行。 如何通过监测数据自动识别偷凭电行为? 基于指标加权的用电异常分析模型,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。
2021-08-07 18:11:56 3.38MB 数据挖掘 数据分析 数据模型 窃电分析