一种融合聚类和异常点检测算法的窃电辨识方法*
2018-11-13李宁尹小明丁学峰蔡慧汪伟
电测与仪表 2018年21期
李宁,尹小明,丁学峰,蔡慧,汪伟
(1.中国计量大学 机电工程学院,杭州 310018; 2.国网浙江长兴县供电有限公司,浙江 湖州 313100)
0 引 言
当前,我国电力行业正处在技术水平升级的关键时期,需要加强新技术产品的开发。电网规模的逐渐增大和电力消费增长的同比提高,使电力网络经济化运行、节约资源降低线损以及优化电力消费结构成为当今社会关注的热点话题[1]。
随着窃电现象的层出不穷,我国电力企业每年因窃电产生的损失高达200亿,社会供用电秩序也受到了极大地影响。所以电力企业必须开展高效的反窃电工作,以做到合理供电、合理用电,尽可能降低经济损失[2]。
目前,国网供电公司采取的反窃电措施主要有:应用专业化的电能表箱和计量箱;将低压出线端闭合至计量装置的导体,此技术是目前反窃电技术中应用最为广泛的方法;安装反窃电智能电能表、丰富电能表功能;提高电采集系统的应用率等[3]。但是这些方法大多以研究反窃电装置为主,缺乏足够的反窃电算法用于分析海量的历史用电数据,从而很难发现窃电用户的用电特征[4]。
当前主流的反窃电算法有聚类、BP神经网络、离群点算法等。文献[5]利用自适应k-means聚类算法提取用户的典型负荷曲线,用于实现负荷预测和负荷控制。文献[6]分析了基于BP神经网络的异常点检测方法处理各种数据的情况,为挖掘电力数据异常点提供一种新的思路。文献[7]介绍了一种基于异常因子检测分析的电能表飞走异常分析方法,是一种检测电能表飞走异常的新方法。……
登录APP查看全文
