一种基于大数据的线损诊断与反窃电系统、方法及模型

摘要

本发明公开了一种基于大数据的线损诊断与反窃电系统、方法及模型，包括数据端子系统、线损诊断端子系统和反窃电端子系统；线损诊断端子系统包括基础信息管理模块、异常分析模块、监测与分析模块和工单管理模块；基础信息管理模块用于对台区基础信息进行获取，异常分析模块用于对台区异常信息进行收集和分析，监测与分析模块用于对线损信息进行监测和分析，工单管理用于对工单信息进行获取并进行分析；数据端子系统包括用户用电信息采集模块和用户用电销售信息模块；数据端子系统和线损诊断端子系统的诊断分析进行信息交互，并将交互后的异常信息发送至反窃电端子系统。本发明不但可为供电公司进行线损分析，还可提供窃电用户清单和窃电证据。

说明书

技术领域

本发明涉及用电用户窃电概率分析技术领域，具体涉及一种基于大数据的线损诊断与反窃电系统、方法及模型。

背景技术

供电企业台区降损工作面临系统繁多、数据分散、统计口径不一致等实际问题。异常台区线损治理存在三个难点：一是台区线损范围比较广，线损治理工作量比较大；二是供电公司基层人员技术水平普遍偏低，缺少异常治理措施和手段，无法对线损问题进行精准排查；三是由于现场造成线损异常的问题非常多，造成问题分析不全面。

电网台区线损管理工作正处于“深水区”，各供电企业积极组织建立健全稽查、监督、奖惩机制，要求提升台区线损问题发现、督办和治理能力，多维度客观、量化评价各单位台区线损精益化管理水平，实现精准降损，减少跑冒滴漏，提升企业效益。但是精细化的评价系统一直没有创建成熟。

窃电现象屡禁不绝，窃电方式已向主体多元性、事件多发性、手段隐蔽性和高科技性的方向发展，反窃电形势十分严峻，每年全国因窃电损失电费高达近百亿元，损失惊人。每年因窃电造成的供电中断，甚至引发的电网事故时有发生，轻则烧毁变压器，重则造成大面积停电，引发火灾。以国网冀北电力有限公司为例，近两年查获低压窃电用户几百户。

经调研分析，现阶段窃电形势呈现出窃电手段高科技化、窃电过程隐蔽化、窃电人员职业化、窃电宣传网络化的趋势。而供电公司的反窃电工作模式仍处于传统的人工检查，工作量大、效率低、成功率不高。

因此，能够有效解决供电公司台区线损范围广和线损治理工作量大，以及人工反窃电分析难度高、准确度低、排查面广、取证难、查处难等痛点问题，是现阶段本技术人员亟需解决的问题。

发明内容

本发明需要解决的技术问题是提供一种基于大数据的线损诊断与反窃电系统、方法及模型，不但能够有效解决供电公司台区线损范围广和线损治理工作量大的问题，还能解决人工反窃电分析难度高、准确度低、排查面广、取证难、查处难等痛点问题。

为解决上述技术问题，本发明所采取的技术方案如下。

一种基于大数据的线损诊断与反窃电系统、方法及模型，包括数据端子系统、线损诊断端子系统和反窃电端子系统；

线损诊断端子系统包括基础信息管理模块、异常分析模块、监测与分析模块和工单管理模块；基础信息管理模块用于对台区基础信息进行获取，异常分析模块用于对台区异常信息进行收集和分析，监测与分析模块用于对线损信息进行监测和分析，工单管理用于对工单信息进行获取并进行分析；

数据端子系统包括用户用电信息采集模块和用户用电销售信息模块；

数据端子系统和线损诊断端子系统的诊断分析进行信息交互，并将交互后的异常信息发送至反窃电端子系统。

优选的，所述反窃电端子系统包括台区线损二次计算查询模块、异常阈值设置模块、疑似窃电用户统计分析模块和疑似窃电用户分类模块；台区线损二次计算查询模块用于通过与基础信息模块的信息获取，异常阈值设置模块用于设置各个参数阈值，并在满足条件下报警，疑似窃电用户统计分析模块用于对用户用电异常信息进行查询和分析，疑似窃电用户分类模块用于将存在异常信息的用户进行分类。

优选的，所述台区线损二次计算查询模块包括台区线损率查询单元、供电量明细查询单元、售电量明细查询单元和电能表基础信息查询单元；异常阈值设置模块包括线损率阈值设置单元和电量阈值设置单元；疑似窃电用户统计分析模块包括用电异常类型查询单元、用电异常户数查询单元、用户异常台区查询单元、用电异常统计分析单元、异常用户明细查询单元和月电量趋势图查询单元；疑似窃电用户分类模块包括电量异常用户查询单元、电能表失压用户查询单元、电能表失流用户查询单元、电能表开盖用户查询单元、反向电量异常用户查询单元、光伏异常用户查询单元和0电量/小电量用户查询单元。

优选的，所述基础信息管理模块包括台区档案查询单元、变压器档案查询单元、用户档案查询单元、台区属性核查单元、台区一致性核查单元、台户关系核查单元、台区同期月线损单元、台区同期日线损单元、倍率校验单元、换表记录缺失查询单元和台区经理人维护单元。

优选的，所述异常分析模块包括大电量户抄表失败单元、零电量户分析单元、总表缺相分析单元、户表缺相分析单元、供电量异常分析单元、智能表未覆盖分析单元、抄表失败分析单元、不可算异常分析单元、负损异常分析单元、高损异常分析单元和台区线损综合分析单元。

优选的，所述监测与分析模块包括线损异常监测单元、线损合格率测量单元、线损监测率单元、线损治理率单元和电量监测分析单元。

优选的，所述工单管理模块包括待办工单单元、已办工单单元和工单统计单元。

一种基于大数据的线损诊断与反窃电方法，其特征在于，包括以下步骤：

S1：从用户用电信息采集模块和用户用电销售信息模块获取用户档案数据和用电信息数据；

S2：通过大数据神经网络算法对获取的数据进行清洗、加工和分析，导出异常台区清单及其异常成因；

S3：通过工单管理模块，将异常台区以工单形式下发至检查人员进行处理，得到反馈处理结果。

优选的，所述用户用电信息数据包括台区与变压器的档案关系数据、台区与用户的档案关系数据、按日和月抄读的用户用电数据。

一种基于大数据的线损诊断与反窃电模型，其特征在于：通过数据端子系统和线损诊断端子系统的诊断分析并进行信息交互，生成反窃电模型，通过反窃电模型，查询具体窃电信息，具体的生成过程如下：

基于大量典型窃电案例和用电信息采集系统的海量数据信息，提取窃电用户的用电数据特征，反复训练选取最优的大数据分析算法，应用反窃电系统对窃电嫌疑用户进行识别、分析和定性，采集分析台区线损率、用户用电量，生成线损率、用户用电量曲线，建立线损及电量波动关联分析模型，计算两条曲线的相关性系数，对台区下所有用户进行线损及电量波动相关性计算分析，筛选出相关性系数≥0.8的用户，标记为嫌疑用户，在此基础上，应用具体诊断规则进行进一步的用电特征分析，最终定性用电异常类型，相关性系数计算公式为：

其中：Pi是30日内的日用电量，Li为30日内的台区线损率。

由于采用了以上技术方案，本发明所取得技术进步如下。

本发明具有以下有益效果：

(1)为供电公司进行线损分析。本系统实时分析台区线损异常成因，建立台区线损异常预警机制，减少人工分析工作量，实现台区线损高效治理。

(2)为供电公司提供窃电用户清单。本系统通过大数据技术将电力系统海量数据进行分析，精准定位出窃电用户，然后由供电公司用电检查人员现场查处，实现反窃电工作的精准实施。

(3)为供电公司反窃电工作提供窃电证据。供电公司用电检查人员在查处窃电过程中，及时发现窃电行为，但往往没有充分的证据链，本系统通过提供窃电用户用电行为数据，为查处窃电提供辅助证据。

(4)功能优势：为供电公司线损治理分析异常成因，为用电检查人员查处窃电户提供方向。实现电力系统台区工况和用户用电行为实时监测，提高供电公司解决问题的及时性。

附图说明

图1为本发明的系统框架示意图；

图2为本发明的数据接入图；

图3为本发明的反窃电分析诊断流程图。

具体实施方式

下面将结合附图和具体实施方式对本发明进行进一步详细说明。

一种基于大数据的线损诊断与反窃电系统，结合图1所示，包括数据端子系统，线损诊断端子系统和反窃电端子系统。数据端子系统和线损诊断端子系统的诊断分析进行信息交互，并将交互后的异常信息发送至反窃电端子系统。

数据端子系统包括用户用电信息采集模块和用户用电销售信息模块。用户用电信息采集模块用于存储用户档案数据；用户用电销售信息模块用于存储用户用电信息数据，其中数据包括台区与变压器的档案关系数据、台区与用户的档案关系数据、按日和月抄读的用户用电数据。

线损诊断端子系统包括基础信息管理模块、异常分析模块、监测与分析模块和工单管理模块。

基础信息管理模块用于对台区基础信息进行获取，基础信息管理模块包括台区档案查询单元、变压器档案查询单元、用户档案查询单元、台区属性核查单元、台区一致性核查单元、台户关系核查单元、台区同期月线损单元、台区同期日线损单元、倍率校验单元、换表记录缺失查询单元和台区经理人维护单元。

异常分析模块用于对台区异常信息进行收集和分析，异常分析模块包括大电量户抄表失败单元、零电量户分析单元、总表缺相分析单元、户表缺相分析单元、供电量异常分析单元、智能表未覆盖分析单元、抄表失败分析单元、不可算异常分析单元、负损异常分析单元、高损异常分析单元和台区线损综合分析单元。

监测与分析模块用于对线损信息进行监测和分析，监测与分析模块包括线损异常监测单元、线损合格率测量单元、线损监测率单元、线损治理率单元和电量监测分析单元。

工单管理用于对工单信息进行获取并进行分析，工单管理模块包括待办工单单元、已办工单单元和工单统计单元。

反窃电端子系统包括台区线损二次计算查询模块、异常阈值设置模块、疑似窃电用户统计分析模块和疑似窃电用户分类模块。

台区线损二次计算查询模块用于通过与基础信息模块的信息获取，台区线损二次计算查询模块包括台区线损率查询单元、供电量明细查询单元、售电量明细查询单元和电能表基础信息查询单元。

异常阈值设置模块用于设置各个参数阈值，并在满足条件下报警，异常阈值设置模块包括线损率阈值设置单元和电量阈值设置单元。

疑似窃电用户统计分析模块用于对用户用电异常信息进行查询和分析，疑似窃电用户统计分析模块包括用电异常类型查询单元、用电异常户数查询单元、用户异常台区查询单元、用电异常统计分析单元、异常用户明细查询单元和月电量趋势图查询单元。

疑似窃电用户分类模块用于将存在异常信息的用户进行分类，疑似窃电用户分类模块包括电量异常用户查询单元、电能表失压用户查询单元、电能表失流用户查询单元、电能表开盖用户查询单元、反向电量异常用户查询单元、光伏异常用户查询单元和0电量/小电量用户查询单元。

一种基于大数据的线损诊断与反窃电方法，其基于一种基于大数据的线损诊断与反窃电系统的数据接入过程如图2所示，包括以下几个步骤：

S1：从用户用电信息采集模块和用户用电销售信息模块获取用户档案数据和用电信息数据；

S2：通过大数据神经网络算法对获取的数据进行清洗、加工和分析，导出异常台区清单及其异常成因；

S3：通过工单管理模块，将异常台区以工单形式下发至检查人员进行处理，得到反馈处理结果。

本方法主要是对台区线损的基本信息管理和异常数据的监测和分析，基于大数据的反窃电分析，构建反窃电模型，精准定位窃电用户。

实际操作中，线损诊断端子系统首先根据用电信息采集模块和用户用电销售信息模块提供的台区、变压器、用户、计量点、采集点、采集对象等资料，采用手工导入或系统接口方式，同步更新“台-变-户-采集点-采集对象”之间的拓扑关系，供查看营销侧与用采侧档案关系与采集点信息。其次纵向分析存在高损、负损、不可算台区，分别列出高损、负损、不可计算台区占比情况；按照线损差异类型横向分析异常线损情况，分别列出所在台区及户表信息，最终形成台区分析报告并与工单管理模块进行集成。

关于台区线损综合分析的主要说明如下：

功能说明：对本单位和所有单位的台区线损综合分析。

业务说明：根据登录单位的不同，展示不同单位的台区线损综合分析情况。

详细技术方案：根据技术思路，多次进行算法规则的验证、优化，设计出线损诊断与反窃电规则算法。

关于异常台区线损分析诊断算法规则如下：

诊断思路：异常台区诊断所需源端数据接入用户用电销售信息模块和用电信息采集模块的两大业务系统，并设计出相关线损分析规则。

(1)高损诊断规则

基于用户用电销售信息模块和用电信息采集模块的海量数据，建立高损台区分析模型，先以用电采集“台-户”档案关系和供、售、损为数据分析范围关联匹配营销SG186档案数据，再以营销SG186档案数据为主进行问题诊断定位，采用大数据挖掘和数据关联技术实现对抄表异常、变户档案异动、疑似缺相等分析。

(2)负损与不可算诊断规则

负损台区诊断主要从总表抄表异常、总表缺相、变户关系异动、分布式电源等几方面着重分析；不可算台区诊断主要分析总表无采集、总表非智能表、台区无考核计量点、台区状态异常、空载台区这几个方面着重分析。

(3)档案异常诊断规则

档案异常诊断分别针对营销和用采系统台区、用户档案关系一致性进行核查，统计两侧系统同单位下台区数量及属性是否一致、台区所挂接户表是否一致，其次分析户表倍率与换表是否存在异常，最终分析问题数据所占对应台区高损或负损比重情况。

一种基于大数据的线损诊断与反窃电模型，其基于一种基于大数据的线损诊断与反窃电系统，通过数据端子系统和线损诊断端子系统的诊断分析并进行信息交互，生成反窃电模型，通过反窃电模型，查询具体窃电信息，具体的生成过程如下：

基于大量典型窃电案例和用电信息采集系统的海量数据信息，提取窃电用户的用电数据特征，反复训练选取最优的大数据分析算法，应用反窃电系统对窃电嫌疑用户进行识别、分析和定性，为一线用电检查及反窃电人员精准、高效开展窃电稽查工作提供可靠的技术支撑。通过采集分析台区线损率、用户用电量，生成线损率、用户用电量曲线，建立线损及电量波动关联分析模型，计算两条曲线的相关性系数，相关性系数越高，用电异常嫌疑越大。对台区下所有用户进行线损及电量波动相关性计算分析，筛选出相关性系数≥0.8的用户，标记为嫌疑用户。在此基础上，应用具体诊断规则进行进一步的用电特征分析，最终定性用电异常类型。

例如设用户30日内，日用电量为Pi，台区线损率为Li，则曲线相关性系数计算公式为：

反窃电分析诊断流程如图3，并设计出具体反窃电诊断规则。

相关异常诊断规则如下：

(1)电能表异常事件相关诊断规则

基于用户用电信息采集模块的海量数据，建立基于电能表异常事件的窃电分析模型，先以用电采集“台-户”档案关系和电能表表底数据为数据分析范围，分析台区线损波动情况，再关联特定用户电能表异常事件、用电量变化、用户平均用电水平等因素进行问题诊断定位，采用大数据挖掘和数据关联技术实现对电能表开盖、电能表失压、电能表失流等分析。

(2)电量异常相关诊断规则

基于用户用电信息采集模块的海量数据，建立基于电量异常的窃电分析模型，先以用电采集“台-户”档案关系和电能表表底数据为数据分析范围，分析台区线损波动情况，再关联特定用户用电量变化、用户平均用电水平等因素进行问题诊断定位，采用大数据挖掘和数据关联技术实现对疑似绕越用电、反向电量异常、0电量小电量等分析。

(3)光伏用户用电异常相关诊断规则

基于用户用电信息采集模块的海量数据，建立基于光伏用电异常的窃电分析模型，先以光伏户档案信息(发电上网类型)和电能表表底数据为数据分析范围，再关联光伏用户发电量及用电量变化趋势、用户平均发电/用电水平等因素进行问题诊断定位，采用大数据挖掘和数据关联技术实现对光伏用户用电异常的分析。

本发明在使用时，应用大数据进行台区线损诊断：线损率综合反映了电网规划设计，生产运行和经营管理水平。异常台区线损治理存在工作量大、数据复杂多样、分析不到位痛点。本系统应用大数据技术，综合分析电力系统数据，诊断出供电公司异常台区，实现异常台区线损问题精准治理。

应用大数据技术进行反窃电预警：电力公司进行反窃电工作，通常主要靠人工排查，面多众多的电力用户、计量装置，对于现场检查窃电的行为及其困难，因取证难、认定难导致企业损失巨大。本系统创新性应用用电信息采集模块和用电销售信息模块的海量数据，将数据进行大数据分析，建立用户窃电行为大数据分析模型，多维度分析，精准识别疑似窃电用户，应用于反窃电业务，解决目前人工进行反窃电监控、分析、排查工作量大、精准度低的瓶颈，为一线用电检查及反窃电人员精准、高效开展反窃电分析和查处工作提供可靠的技术支撑。

建立基于行业的反窃电分析法：通过将电力系统内的数据进行分析，并结合用电行业的用电特性，将用电企业的营业数据、生产规律等数据进行互联，进行数据的全面分析，建立基于行业的反窃电分析算法，使窃电模型更具有针对性、精准性，同时推进了警企联动机制的实行，为供电公司窃电稽查提供有力支撑。

梳理出专家样本库并应用于反窃电系统：本发明软件系统来自于实际现场，并应用于实际现场。软件系统根据省供电公司的地域特点，集中地市供电公司工作多年的专家和技术能手，总结历史窃电案例、类型、手段，构建专家样本库，通过大数据技术反复训练，持续优化反窃电模型，提高反窃电系统的精准度。

将小波神经网络算法应用于反窃电系统：通过对用户用电信息数据的处理和分析，提取出相应指标来构建指标评价体系，利用小波神经网络在非线性映射领域的独特优势，将改进后的小波神经网络应用于反窃电系统中。