[发明专利]一种反窃查违智能分析方法及系统

说明书

本发明涉及一种反窃查违智能分析方法，包括以下步骤：步骤S1:采集系统用电数据，并预处理；步骤S2:根据计量原理创新智能分析算法对采集数据进行大数据挖掘分析，通过电流、电压、开盖记录、最大需量四个数据项进行分析，分析采用根据不同的数据项确定关键性阀值；步骤S3:基于不同的数据项的关键性阀值，构建相应的分析模型筛查甄别疑似窃电违约用电用户。本发明提高窃电行为检测的效率及精度，有效地遏制了窃电行为的发生。

技术领域

本发明涉及电力系统计算机软件应用领域，具体涉及一种反窃查违智能分析方法及系统。

背景技术

电力在实际传输过程中，由于传输网络纷乱复杂，每一个电力分支在各种因素之下都有可能造成部分的电能损耗（例如线路发热损耗、电能经过变压设备产生的功率损耗等），理论上线损无法避免，但通过加强线损管理减少电力输送损耗，可有效提升电能的利用率。在线损管理方面，目前我国已专门制定相关管理办法，其中一项即是分台区管理。分台区管理主要管理对象为低压的电力管网用户，通过实施监测整个台区电力用户的用电状况，从而实现线损区域的准确定位，并及时采取有效措施进行治理，提升低压配电网各站效率。对于低压台区来说，受多种因素影响，线损耗值经常会出现不稳定问题，有时甚至会出现线损异常现象，一方面增加了无谓的电能消耗，同时对电力输配线路输配电的稳定性也造成了严重的影响；因此，通过分析低压配电台区线损异常问题，加强对线损问题的管理，从而减少供电企业损失，为用户提供更好更平稳的供电服务。台区线损异常主要分为两大类：一类是高损，另一类是负损。台区线损管理是个系统工程，涉及营业、抄核收、计量、负控、用检、配网建设和运行维护等各专业，需要管理人员对现场、业内资料等去分析、排查。

用电信息采集系统推广深化应用过程中,也存在一些问题须要加以解决。比如专变用户和公变用户电压、电流、需量、功率等曲线数据采集失败或者数据采集不完整，造成全量数据采集成功率无法达到实用化指标要求，无法为各专业管理提供数据支撑。庞大的采集数据仅靠人工分析和筛查异常信息所需花费的时间是相当长的，而且人工分析常常会有疏漏，同时一些分析工具难以满足要求。因此需要根据计量原理创新智能分析算法对采集数据进行深度剖析、筛查甄别电能计量装置运行异常及疑似用电异常用户。而且往往由于异常工单派发不及时或下发后无及时回复反馈，导致异常长期存在，影响指标提升。

发明内容

有鉴于此，本发明的目的在于提供一种反窃查违智能分析方法及系统，旨在解决上述问题。

为实现上述目的，本发明采用如下技术方案：

一种反窃查违智能分析方法，包括以下步骤：

步骤S1:采集系统用电数据，并预处理；

步骤S2:根据计量原理创新智能分析算法对采集数据进行大数据挖掘分析，通过电流、电压、开盖记录、最大需量四个数据项进行分析，分析采用根据不同的数据项确定关键性阀值；

步骤S3:基于不同的数据项的关键性阀值，构建相应的分析模型筛查甄别疑似窃电违约用电用户。

进一步的，所述分析算法包括规律性非连续算法和分类连续差值算法。

进一步的，所述规律性非连续算法，具体为：当分析数据时，根据数据冻结密度采集保存的数据异常状态持续一段时间后恢复正常，其后在某个时间段继续出现这个异常现象；这种情况认为用户用电异常；在用户进行这种行为时，曲线会出现规律性的波动和变化；非连续性是指数据在某个点出现突变，并保持该状态一定时间。

进一步的，所述分类连续差值算法，具体为：按电压、电流进行分析部分，对用户表计电压数据，分类是指按照不同的类型分析不同的数据项；差值是指当纳入分析的电压值与用户表计的额定电压的差值超过阀值时，认为异常；连续是指当分析的数据值是电压曲线时，数据异常连续点数达到并超过一个阀值时，认为异常；对用户表计电流数据，分类是指按照不同的类型分析不同的数据项。差值是指当纳入分析的电流值，其中最大电流值与最小电流值的倍率超过一个阀值以上，认为异常；连续是指当分析的数据值是电流曲线时，数据连续异常点数达到并超过一个阀值时，认为异常。