matlab fitctree 原理,电力窃漏电用户自动识别.PDF

电力窃漏电用户自动识别

《MATLAB 数据分析与挖掘实战》第 6 章

第6章 电力窃漏电用户 自动识别

6.1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 6-1 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 6-2 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 6-3 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。

《MATLAB 数据分析与挖掘实战》第 6 章

表 6-1 某企业大用户用电负荷数据

用户编号 时间 有功总 B相 C相 电流A相 电流B相 电流C相 电压A相 电压B相 电压C相 功率因数 功率因数A 功率因数B 功率因数C

0319001000019011001 2011/11/10 202 0 349.2 33.6 0 33.4 10500 0 10500 0.784 0.573 -10000 0.996

0319001000019011001 2011/11/10 0:15 194.8 0 355.4 32.4 0 34 10500 0 10500 0.789 0.573 -10000 0.996

0319001000019011001 2011/11/10 0:30 210.4 0 366 35 0 35 10500 0 10500 0.784 0.573 -10000 0.996

0319001000019011001 2011/11/10 0:45 199.6 0 376.4 33.2 0 36 10500 0 10500 0.793 0.573 -10000 0.996

0319001000019011001 2011/11/10 1:00 191.2 0 334.6 31.8 0 32 10500 0 10500 0.785 0.573 -10000 0.996

0319