本發(fā)明涉及供配電管理的
技術(shù)領(lǐng)域：
，尤其是指一種智能防竊電分析系統(tǒng)及分析方法。
背景技術(shù)：
：目前電力企業(yè)擔(dān)負(fù)著社會穩(wěn)定，經(jīng)濟(jì)發(fā)展的重要使命。在市場經(jīng)濟(jì)條件下，電力企業(yè)按照國家有關(guān)規(guī)定，對電力用戶依據(jù)用電量的多少以及負(fù)荷的性質(zhì)收取相應(yīng)的電費，是保證電力企業(yè)健康發(fā)展的重要手段。同時，隨著電力用戶對用電服務(wù)質(zhì)量要求越來越高，電力企業(yè)還肩負(fù)著對電力用戶提供優(yōu)質(zhì)供電和用電服務(wù)義務(wù)。在用電現(xiàn)場存在各種用電行為異?，F(xiàn)象：少數(shù)電力用戶受利益的驅(qū)使，主觀上采取各種不法手段，實施用電異常，造成國家電能大量流失，損失驚人；超負(fù)荷用電，用電用戶主觀和客觀上進(jìn)行超負(fù)荷用電，長時間的超負(fù)荷用電對用電設(shè)備和電網(wǎng)都會造成較大的危害；等等各種異常用電行為不但嚴(yán)重?fù)p害了電力企業(yè)的合法權(quán)益，擾亂了正常的供用電秩序，嚴(yán)重影響了電力事業(yè)的發(fā)展，而且給電網(wǎng)安全帶來了嚴(yán)重威脅，同時用電異常行為也給用電用戶帶來很多不良的影響，會導(dǎo)致用電設(shè)備報廢、老化快，甚至有可能導(dǎo)致安全事故，危及用電用戶的人身和財產(chǎn)安全。技術(shù)實現(xiàn)要素：有鑒于上述問題，本發(fā)明提供了一種智能防竊電分析方法，包括：對常規(guī)的電量平衡信息的各單項指標(biāo)、常規(guī)的電表事件的各單項指標(biāo)、以及常規(guī)的用戶用電特征的各單項指標(biāo)分別賦予相應(yīng)的指標(biāo)狀態(tài)值；建立指標(biāo)數(shù)據(jù)庫，所述指標(biāo)數(shù)據(jù)庫包括：常規(guī)的電量平衡信息的各單項指標(biāo)、常規(guī)的電表事件的各單項指標(biāo)、以及常規(guī)的用戶用電特征的各單項指標(biāo)各自的指標(biāo)狀態(tài)值；建立竊電指標(biāo)體系，將所述竊電指標(biāo)體系劃分為第一指標(biāo)層、第二指標(biāo)層以及第三指標(biāo)層；所述第一指標(biāo)層包括用電用戶的竊電嫌疑指數(shù)；所述第二指標(biāo)層包括用電用戶實際的電量平衡信息、用電用戶實際的電表事件以及用電用戶實際的用電特征；所述第三指標(biāo)層包括用電用戶實際的電量平衡信息的各單項指標(biāo)、用電用戶實際的電表事件的各單項指標(biāo)、以及用電用戶實際的用電特征的各單項指標(biāo)；將所述指標(biāo)數(shù)據(jù)庫中與用電用戶實際的電量平衡信息的各單項指標(biāo)、用電用戶實際的電表事件的各單項指標(biāo)、以及用電用戶實際的用電特征的各單項指標(biāo)相匹配的指標(biāo)狀態(tài)值進(jìn)行累加，以確定用電用戶的竊電嫌疑指數(shù)。本發(fā)明的智能防竊電分析方法，通過分析用電異常用戶的電量平衡信息、電表事件以及用電特征，并借助用電行為異常分析的模型來分析用戶用電行為習(xí)慣，以及與用戶用電相關(guān)的數(shù)據(jù)，篩選出用電異常用戶，并提供對用戶用電行為異常的程度分析，最后得出用電異常用戶的竊電嫌疑指數(shù)?？梢栽谂溆秒姾Ａ繑?shù)據(jù)處理和智能配用電服務(wù)方面建立起一套示范型項目，在電力大數(shù)據(jù)在實際電力營銷業(yè)務(wù)應(yīng)用上具有重要的意義。本發(fā)明智能防竊電分析方法的進(jìn)一步改進(jìn)在于，還包括：獲取不同用戶的電表數(shù)據(jù)，對不同用戶的電表數(shù)據(jù)進(jìn)行電量平衡分析，以確定用電異常用戶；對用電異常用戶的電表數(shù)據(jù)進(jìn)行電量平衡分析，以確定用電異常用戶實際的電量平衡信息；對用電異常用戶的電表數(shù)據(jù)進(jìn)行電表事件分析，以確定用電異常用戶實際的電表事件；對用電異常用戶的電表歷史數(shù)據(jù)進(jìn)行分析，以確定用電異常用戶實際的用電特征；將所述指標(biāo)數(shù)據(jù)庫中與用電異常用戶實際的電量平衡信息的各單項指標(biāo)、用電異常用戶實際的電表事件的各單項指標(biāo)、以及用電異常用戶實際的用電特征的各單項指標(biāo)相匹配的指標(biāo)狀態(tài)值進(jìn)行累加，以確定用電異常用戶的竊電嫌疑指數(shù)。本發(fā)明智能防竊電分析方法的進(jìn)一步改進(jìn)在于，獲取不同用戶的電表數(shù)據(jù)，對不同用戶的電表數(shù)據(jù)進(jìn)行電量平衡分析，以確定用電異常用戶；以及對用電異常用戶的電表數(shù)據(jù)進(jìn)行電量平衡分析，以確定用電異常用戶實際的電量平衡信息，包括：對不同用戶的電表數(shù)據(jù)進(jìn)行電量平衡分析時，計算不同用戶的電表數(shù)據(jù)的線損率，根據(jù)線損率確定用電異常用戶；將常規(guī)的電量平衡信息的各單項指標(biāo)進(jìn)行電量平衡區(qū)域模型劃分，并對每個電量平衡區(qū)域模型賦予相應(yīng)的指標(biāo)狀態(tài)值；將用電異常用戶實際的電量平衡信息與常規(guī)的電量平衡信息的全部電量平衡區(qū)域模型進(jìn)行比對，得到與用電異常用戶實際的電量平衡信息相匹配的電量平衡區(qū)域模型。本發(fā)明智能防竊電分析方法的進(jìn)一步改進(jìn)在于，對用電異常用戶的電表數(shù)據(jù)進(jìn)行電表事件分析，以確定用電異常用戶實際的電表事件，包括：常規(guī)的電表事件的各單項指標(biāo)的類型包括：表計失流事件、表計失壓事件、反極性事件、持續(xù)0電量事件、非費率時段走字事件、三相電流不平衡事件、主備表電量超差、以及電量波動數(shù)據(jù)事件；將常規(guī)的電表事件的各單項指標(biāo)進(jìn)行電表事件區(qū)域模型劃分，并對每個電表事件區(qū)域模型賦予相應(yīng)的指標(biāo)狀態(tài)值；將用電異常用戶實際的電表事件與常規(guī)的電表事件的全部電表事件區(qū)域模型進(jìn)行比對，得到與用電異常用戶實際的電表事件相匹配的電表事件區(qū)域模型。本發(fā)明智能防竊電分析方法的進(jìn)一步改進(jìn)在于，對用電異常用戶的電表歷史數(shù)據(jù)進(jìn)行分析，以確定用電異常用戶實際的用電特征，包括：常規(guī)的用戶用電特征的各單項指標(biāo)的類型包括：電流縱向信息、電流橫向信息、負(fù)載率信息、以及作業(yè)習(xí)慣信息；將常規(guī)的用戶用電特征的各單項指標(biāo)進(jìn)行用電特征區(qū)域模型劃分，并對每個用電特征區(qū)域模型賦予相應(yīng)的指標(biāo)狀態(tài)值；將用電異常用戶實際的用電特征與常規(guī)的用戶用電特征的全部用電特征區(qū)域模型進(jìn)行比對，得到與用電異常用戶實際的用電特征相匹配的用電特征區(qū)域模型。本發(fā)明智能防竊電分析方法的進(jìn)一步改進(jìn)在于，將所述指標(biāo)數(shù)據(jù)庫中與用電異常用戶實際的電量平衡信息的各單項指標(biāo)、用電異常用戶實際的電表事件的各單項指標(biāo)、以及用電異常用戶實際的用電特征的各單項指標(biāo)相匹配的指標(biāo)狀態(tài)值進(jìn)行累加，以確定用電異常用戶的竊電嫌疑指數(shù)，包括：將用電異常用戶實際的電量平衡信息所對應(yīng)的電量平衡區(qū)域模型的指標(biāo)狀態(tài)值作為電量平衡指數(shù)；將用電異常用戶實際的電表事件所對應(yīng)的電表事件區(qū)域模型的指標(biāo)狀態(tài)值作為電表事件指數(shù)；將用電異常用戶的用電特征所對應(yīng)的用電特征區(qū)域模型的指標(biāo)狀態(tài)值作為用電特征指數(shù)；將所述電量平衡指數(shù)、所述電表事件指數(shù)、以及所述用電特征指數(shù)進(jìn)行累加，得到用電異常用戶的竊電嫌疑指數(shù)。本發(fā)明還提供了一種智能防竊電分析系統(tǒng)，包括：指標(biāo)數(shù)據(jù)庫，所述指標(biāo)數(shù)據(jù)庫包括：常規(guī)的電量平衡信息的各單項指標(biāo)、常規(guī)的電表事件的各單項指標(biāo)、以及常規(guī)的用戶用電特征的各單項指標(biāo)各自分別賦予的指標(biāo)狀態(tài)值；竊電指標(biāo)體系，所述竊電指標(biāo)體系劃分為第一指標(biāo)層、第二指標(biāo)層以及第三指標(biāo)層；所述第一指標(biāo)層包括用電用戶的竊電嫌疑指數(shù)；所述第二指標(biāo)層包括用電用戶實際的電量平衡信息、用電用戶實際的電表事件以及用電用戶實際的用電特征；所述第三指標(biāo)層包括用電用戶實際的電量平衡信息的各單項指標(biāo)、用電用戶實際的電表事件的各單項指標(biāo)、以及用電用戶實際的用電特征的各單項指標(biāo)；計算模塊，用于將所述指標(biāo)數(shù)據(jù)庫中與用電用戶實際的電量平衡信息的各單項指標(biāo)、用電用戶實際的電表事件的各單項指標(biāo)、以及用電用戶實際的用電特征的各單項指標(biāo)相匹配的指標(biāo)狀態(tài)值進(jìn)行累加，以確定用電用戶的竊電嫌疑指數(shù)。本發(fā)明的智能防竊電分析系統(tǒng)，通過分析用電異常用戶的電量平衡信息、電表事件以及用電特征，并借助用電行為異常分析的模型來分析用戶用電行為習(xí)慣，以及與用戶用電相關(guān)的數(shù)據(jù)，篩選出用電異常用戶，并提供對用戶用電行為異常的程度分析，最后得出用電異常用戶的竊電嫌疑指數(shù)?？梢栽谂溆秒姾Ａ繑?shù)據(jù)處理和智能配用電服務(wù)方面建立起一套示范型項目，在電力大數(shù)據(jù)在實際電力營銷業(yè)務(wù)應(yīng)用上具有重要的意義。本發(fā)明智能防竊電分析系統(tǒng)的進(jìn)一步改進(jìn)在于，還包括：數(shù)據(jù)獲取模塊，用于獲取不同用戶的電表數(shù)據(jù)；數(shù)據(jù)分析模塊，與所述數(shù)據(jù)獲取模塊連接，對所述數(shù)據(jù)獲取模塊獲取的不同用戶的電表數(shù)據(jù)進(jìn)行電量平衡分析，以確定用電異常用戶以及用電異常用戶實際的電量平衡信息；電表事件分析模塊，與所述數(shù)據(jù)獲取模塊連接，用于對用電異常用戶的電表數(shù)據(jù)進(jìn)行電表事件分析，以確定用電異常用戶實際的電表事件；用電特征分析模塊，與所述數(shù)據(jù)獲取模塊連接，用于對用電異常用戶的電表歷史數(shù)據(jù)進(jìn)行分析，以確定用電異常用戶實際的用電特征；竊電分析模塊，與所述數(shù)據(jù)分析模塊、電表事件分析模塊、以及用電特征分析模塊連接，用于將所述指標(biāo)數(shù)據(jù)庫中與用電異常用戶實際的電量平衡信息的各單項指標(biāo)、用電異常用戶實際的電表事件的各單項指標(biāo)、以及用電異常用戶實際的用電特征的各單項指標(biāo)相匹配的指標(biāo)狀態(tài)值進(jìn)行累加，以確定用電異常用戶的竊電嫌疑指數(shù)。本發(fā)明智能防竊電分析系統(tǒng)的進(jìn)一步改進(jìn)在于，還包括：中間數(shù)據(jù)庫，與所述數(shù)據(jù)獲取模塊連接，用于儲存所述數(shù)據(jù)獲取模塊獲取的電表數(shù)據(jù)。數(shù)據(jù)存儲模塊，與所述竊電分析模塊連接，用于儲存所述竊電分析模塊的分析結(jié)果；應(yīng)用模塊，與所述數(shù)據(jù)存儲模塊連接，用于向供電用戶展示所述竊電分析模塊的分析結(jié)果。本發(fā)明智能防竊電分析系統(tǒng)的進(jìn)一步改進(jìn)在于，還包括：預(yù)處理模塊，與所述數(shù)據(jù)獲取模塊連接，用于對所述數(shù)據(jù)獲取模塊獲取的電表數(shù)據(jù)進(jìn)行預(yù)處理，將獲取的電表數(shù)據(jù)中的非法數(shù)據(jù)進(jìn)行過濾。附圖說明圖1是本發(fā)明智能防竊電分析方法的流程示意圖。圖2是本發(fā)明智能防竊電分析方法中的線損平衡分析處理流程。圖3是本發(fā)明智能防竊電分析方法中的電表事件分析處理流程。圖4和圖5是本發(fā)明智能防竊電分析方法中的日電流曲線相似性分析圖。圖6是本發(fā)明智能防竊電分析方法中的電流區(qū)間分析的正態(tài)分布圖。圖7是本發(fā)明智能防竊電分析方法中的負(fù)載率正態(tài)分布分析圖。圖8是本發(fā)明智能防竊電分析方法中的作業(yè)習(xí)慣分析圖。圖9是本發(fā)明智能防竊電分析方法中的電表歷史數(shù)據(jù)分析處理流程。圖10是本發(fā)明智能防竊電分析方法中的權(quán)重分配圖。圖11是本發(fā)明的智能防竊電分析系統(tǒng)的結(jié)構(gòu)框圖。圖12是本發(fā)明的智能防竊電分析系統(tǒng)的架構(gòu)圖。圖13是本發(fā)明的智能防竊電分析系統(tǒng)的物理部署拓?fù)鋱D。圖14是本發(fā)明智能防竊電分析系統(tǒng)的功能框架圖。具體實施方式為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。配合參看圖1所示，圖1是本發(fā)明智能防竊電分析方法的流程示意圖。本發(fā)明的智能防竊電分析方法，包括：步驟S1：對常規(guī)的電量平衡信息的各單項指標(biāo)、常規(guī)的電表事件的各單項指標(biāo)、以及常規(guī)的用戶用電特征的各單項指標(biāo)分別賦予相應(yīng)的指標(biāo)狀態(tài)值；步驟S2：建立指標(biāo)數(shù)據(jù)庫，所述指標(biāo)數(shù)據(jù)庫包括：常規(guī)的電量平衡信息的各單項指標(biāo)、常規(guī)的電表事件的各單項指標(biāo)、以及常規(guī)的用戶用電特征的各單項指標(biāo)各自的指標(biāo)狀態(tài)值；步驟S3：建立竊電指標(biāo)體系，將所述竊電指標(biāo)體系劃分為第一指標(biāo)層、第二指標(biāo)層以及第三指標(biāo)層；所述第一指標(biāo)層包括用電用戶的竊電嫌疑指數(shù)；所述第二指標(biāo)層包括用電用戶實際的電量平衡信息、用電用戶實際的電表事件以及用電用戶實際的用電特征；所述第三指標(biāo)層包括用電用戶實際的電量平衡信息的各單項指標(biāo)、用電用戶實際的電表事件的各單項指標(biāo)、以及用電用戶實際的用電特征的各單項指標(biāo)；步驟S4：將所述指標(biāo)數(shù)據(jù)庫中與用電用戶實際的電量平衡信息的各單項指標(biāo)、用電用戶實際的電表事件的各單項指標(biāo)、以及用電用戶實際的用電特征的各單項指標(biāo)相匹配的指標(biāo)狀態(tài)值進(jìn)行累加，以確定用電用戶的竊電嫌疑指數(shù)。在本發(fā)明的一個較佳實施例中，本發(fā)明的智能防竊電分析方法，還包括：步驟S01：獲取不同用戶的電表數(shù)據(jù)，對不同用戶的電表數(shù)據(jù)進(jìn)行電量平衡分析，以確定用電異常用戶；對用電異常用戶的電表數(shù)據(jù)進(jìn)行電量平衡分析，以確定用電異常用戶實際的電量平衡信息。步驟S02：對用電異常用戶的電表數(shù)據(jù)進(jìn)行電表事件分析，以確定用電異常用戶實際的電表事件。步驟S03：對用電異常用戶的電表歷史數(shù)據(jù)進(jìn)行分析，以確定用電異常用戶實際的用電特征。步驟S04：將所述指標(biāo)數(shù)據(jù)庫中與用電異常用戶實際的電量平衡信息的各單項指標(biāo)、用電異常用戶實際的電表事件的各單項指標(biāo)、以及用電異常用戶實際的用電特征的各單項指標(biāo)相匹配的指標(biāo)狀態(tài)值進(jìn)行累加，以確定用電異常用戶的竊電嫌疑指數(shù)。本發(fā)明的智能防竊電分析方法，通過分析用電異常用戶的電量平衡信息、電表事件以及用電特征，并借助用電行為異常分析的模型來分析用戶用電行為習(xí)慣，以及與用戶用電相關(guān)的數(shù)據(jù)，篩選出用電異常用戶，并提供對用戶用電行為異常的程度分析，最后得出用電異常用戶的竊電嫌疑指數(shù)?？梢栽谂溆秒姾Ａ繑?shù)據(jù)處理和智能配用電服務(wù)方面建立起一套示范型項目，在電力大數(shù)據(jù)在實際電力營銷業(yè)務(wù)應(yīng)用上具有重要的意義。以下結(jié)合具體實施例，對本發(fā)明智能防竊電分析方法進(jìn)行詳細(xì)介紹。在步驟S01中，獲取不同用戶的電表數(shù)據(jù)，對不同用戶的電表數(shù)據(jù)進(jìn)行電量平衡分析，以確定用電異常用戶；對用電異常用戶的電表數(shù)據(jù)進(jìn)行電量平衡分析，以確定用電異常用戶實際的電量平衡信息，包括：對不同用戶的電表數(shù)據(jù)進(jìn)行電量平衡分析時，計算不同用戶的電表數(shù)據(jù)的線損率，根據(jù)線損率確定用電異常用戶；將常規(guī)的電量平衡信息的各單項指標(biāo)進(jìn)行電量平衡區(qū)域模型劃分，并對每個電量平衡區(qū)域模型賦予相應(yīng)的指標(biāo)狀態(tài)值；將用電異常用戶實際的電量平衡信息與常規(guī)的電量平衡信息的全部電量平衡區(qū)域模型進(jìn)行比對，得到與用電異常用戶實際的電量平衡信息相匹配的電量平衡區(qū)域模型。具體地，電量平衡分析的過程如下：1.1.用戶發(fā)生竊電行為，在線損數(shù)據(jù)很容易表現(xiàn)出來，通過對分線線損率數(shù)據(jù)進(jìn)行對比分析，可以鎖定竊電嫌疑用戶。在分析線損數(shù)據(jù)時，通過不同的分析手段可以得出竊電嫌疑的嚴(yán)重程度。分析結(jié)果直接寫入數(shù)據(jù)庫，供后續(xù)的竊電嫌疑分析使用。1.2.在防竊電分析系統(tǒng)中，系統(tǒng)需要計算線路電量平衡。電量平衡計算公式為：線損率＝[(供電量－售電量)]/供電量×100％，其中供電量為線路廠站端計量點電量之和，售電量為線路上所有用電用戶的用電量之和。其中檔案之間的關(guān)聯(lián)關(guān)系可以根據(jù)檔案定義來得到。1.3.參見圖2所示，圖2是本發(fā)明智能防竊電分析方法中的線損平衡分析處理流程。線損平衡分析處理流程說明：1.線損數(shù)據(jù)來源有兩類：一是源系統(tǒng)提供，二是在防竊電系統(tǒng)中計算得到；鑒于源系統(tǒng)不能提供準(zhǔn)確的線損數(shù)據(jù)，采用在防竊電系統(tǒng)來計算分線線損數(shù)據(jù)；2.基于日線損數(shù)據(jù)分析；3.分析的數(shù)據(jù)有分線線損、臺區(qū)線損，暫時先分析分線線損，主要是分析專變用戶的竊電嫌疑，下一步分析臺區(qū)線損來分析居民用戶的竊電行為。1.4.區(qū)域模型劃分。根據(jù)有無表計事件和電量變化率來進(jìn)行區(qū)域劃分，表計事件主要包括失流、失壓、非費率時段走字、數(shù)據(jù)對比偏差四類表計報警事件，那么，將常規(guī)的電量平衡信息的各單項指標(biāo)進(jìn)行電量平衡區(qū)域模型劃分，并對每個電量平衡區(qū)域模型賦予相應(yīng)的指標(biāo)狀態(tài)值，劃分方式如下表1：表11.5.將用電異常用戶實際的電表事件與常規(guī)的電表事件的全部電表事件區(qū)域模型進(jìn)行比對，得到與用電異常用戶實際的電表事件相匹配的電表事件區(qū)域模型，并將用電異常用戶實際的電量平衡信息所對應(yīng)的電量平衡區(qū)域模型的指標(biāo)狀態(tài)值作為電量平衡指數(shù)。優(yōu)選地，在步驟S01，獲取不同用戶的電表數(shù)據(jù)之后，還包括：對獲取的電表數(shù)據(jù)進(jìn)行預(yù)處理，將獲取的電表數(shù)據(jù)中的非法數(shù)據(jù)進(jìn)行過濾。在步驟S02中，對用電異常用戶的電表數(shù)據(jù)進(jìn)行電表事件分析，以確定用電異常用戶實際的電表事件，包括：常規(guī)的電表事件的各單項指標(biāo)的類型包括：表計失流事件、表計失壓事件、反極性事件、持續(xù)0電量事件、非費率時段走字事件、三相電流不平衡事件、主備表電量超差、以及電量波動數(shù)據(jù)事件；將常規(guī)的電表事件的各單項指標(biāo)進(jìn)行電表事件區(qū)域模型劃分，并對每個電表事件區(qū)域模型賦予相應(yīng)的指標(biāo)狀態(tài)值；將用電異常用戶實際的電表事件與常規(guī)的電表事件的全部電表事件區(qū)域模型進(jìn)行比對，得到與用電異常用戶實際的電表事件相匹配的電表事件區(qū)域模型。具體地，電表事件分析的過程如下：2.1.系統(tǒng)通過接口程序接收到源系統(tǒng)的數(shù)據(jù)后，對數(shù)據(jù)進(jìn)行判斷，根據(jù)判斷規(guī)則，產(chǎn)生一定的電表事件。在防竊電分析流程中，結(jié)合評估模型，通過對電表事件的分析，得到各類電表事件的竊電嫌疑指數(shù)。電表事件分析主要從事件發(fā)生時間、發(fā)生次數(shù)來進(jìn)行分析，有些事件是通過事件的發(fā)生時間進(jìn)行分析，如：失流、失壓等事件，有些事件是通過事件發(fā)生的次數(shù)來進(jìn)行分析，如：三相不平衡率。2.2.標(biāo)準(zhǔn)的電表事件的每個類型以及各自的分析方法為：2.2.1.失流/二次側(cè)開路/二次側(cè)短路分析采用欠流法竊電時，常采用使CT二次側(cè)電流回路開路或短路，改變電路接法等手法，其影響的直接結(jié)果是使得計量電流小于實際使用電流。通過檢測是否存在電流的突然大幅度減少可以判斷是否存在竊電嫌疑。1.A/B/C相失流(1)三相電流中任一相或兩相小于啟動電流。(2)其他相線的負(fù)荷電流大于額定電流的5％。(3)持續(xù)時間大于指定的持續(xù)時間，默認(rèn)為4小時。2.A/B/C相CT二次側(cè)開路(1)發(fā)生時間之后的第一個時間點電表的本相電流為0。(2)在設(shè)定的持續(xù)時間范圍內(nèi)電表的本相電流都為0。(3)持續(xù)時間大于指定的持續(xù)時間，默認(rèn)為4小時。3.A/B/C相CT二次側(cè)短路(1)發(fā)生時間之后的第一個時間點電表的本相電流低于發(fā)生前一個時點電流值的50％。(2)在設(shè)定的持續(xù)時間范圍內(nèi)電表的本相電流都低于發(fā)生前一個時點電流值的50％。(3)持續(xù)時間大于指定的持續(xù)時間，默認(rèn)為4小時。2.2.2.失壓/斷相/缺相事件1.失壓事件通常，電壓是恒定的，欠壓法竊電直接影響電壓計量結(jié)果，使得計量電壓小于實際使用電壓，通過檢測電壓是否低于額定電壓來判斷是否存在竊電嫌疑。不同的竊電手法導(dǎo)致電壓降低的幅度不同，失壓、斷相、缺相分開判斷有助于具體分析竊電手法，提高現(xiàn)場勘查取證的工作效率。(1)當(dāng)某相電壓持續(xù)低于電壓Un*失壓比率，超過一定時間后，判斷為該相失壓。(2)失壓比率見表《失壓比率閥值配置》。(3)電壓Un見《啟動電壓Un配置》。2.A/B/C相斷相(1)判定條件：電壓小于啟動電壓，同時電流小于啟動電流，且持續(xù)時間大于設(shè)定的判斷時間。(2)啟動電壓：默認(rèn)為失壓比率閥值*Un，Un見表《啟動電壓Un配置》。(3)啟動電流：默認(rèn)為10％Ib，Ib見表《啟動電流Ib配置》。(4)失壓比率見表《失壓比率閥值配置》。3.A/B/C相缺相(1)電壓小于啟動電壓，電流大于啟動電流，且持續(xù)時間大于設(shè)定的判斷時間。(2)啟動電壓：同斷相。(3)啟動電流：同斷相。4.閥值配置啟動電壓Un配置，如下表2。表2啟動電流Ib配置，如下表3。直連時，即CT＝1時80A有互感時，即CT>1時5A表3失壓比率閥值配置，如下表4。失壓比率閥值0.8表42.2.3.反極性事件通過改變電流回路的接法，達(dá)到降低功率因數(shù)，從而降低計量電量的目的。反極性檢測是與此對應(yīng)的竊電嫌疑檢測算法。判斷方法1：(1)本相電流值大于0.05A。(2)總功率與分相功率之和的偏差率大于5％。偏差公式為：|分相和-總功率|/總功率。(3)持續(xù)時間大于指定的持續(xù)時間，默認(rèn)為4小時。判斷方法2：計算電壓、電流的相位角，分析電壓、電流的相序和相位差，可以清晰的展示和判斷是否存在反極性接線錯誤。2.2.4.電量持續(xù)為0當(dāng)用戶采取了一定的竊電手法，繞過計量表時，得到的用戶電量將變?yōu)?，為排除偶發(fā)事件，當(dāng)0電量持續(xù)n天時才認(rèn)為存在竊電嫌疑，對于居民家庭考慮到確實外出未使用點這種情況，持續(xù)天數(shù)可適當(dāng)設(shè)長一些。(1)用戶電量由非0值變?yōu)?值。(2)持續(xù)時間超過n天，n可配置。(3)一天之內(nèi)持續(xù)0電量事件判斷，可以考慮用整點電量進(jìn)行判斷；判斷過程中考慮節(jié)假日和度假高峰期，能提高判斷精準(zhǔn)度。2.2.5.非費率時段走字分時電價政策中，每個費率時段的費率不同，且差價較大，修改電表內(nèi)設(shè)置的費率時段雖不影響計量精度，但是可顯著減少用戶實際支付的電費，也是竊電手法之一。通過數(shù)據(jù)分析，檢測表碼走字與費率時段的一致性，結(jié)合電表“費率時段發(fā)生變化”事件共同分析，可提高判斷精準(zhǔn)度。選定某一天24小時表碼，電表每個費率每個小時的示度值變化，需要與費率時段設(shè)置一致。例如，當(dāng)費率時段分為以下三個時段：[0:00,7:00)和[22:00,0:00)為谷時段；[7:00,9:00)、[12:00,15:00)和[18:00,23:00)為平時段；[9:00,12:00)和[15:00,18:00)為峰時段。那么該表中:(1)在時段[0:00,7:00)和[22:00,0:00)，只有谷時段的表碼示度能發(fā)生變化；(2)在時段[7:00,9:00)、[12:00,15:00)和[18:00,23:00)，只有平時段的表碼示度能發(fā)生變化；(3)在時段[9:00,12:00)和[15:00,18:00)，只有峰時段的表碼示度能發(fā)生變化；若與上述規(guī)則不一致，則認(rèn)為該表存在非費率時段走字異常。2.2.6.主備表電量超差專變負(fù)控終端的交流采樣裝置可以采集電量數(shù)據(jù)，且具有較高的測量精度，可以作為核表校驗主表計量數(shù)據(jù)是否正確。當(dāng)主表(計量表)的計量數(shù)據(jù)比交采裝置的數(shù)據(jù)小時，主表可能存在竊電嫌疑。交采數(shù)據(jù)超差檢測可以排除實際電氣運行中電流不斷波動帶來的判斷干擾，當(dāng)主表數(shù)據(jù)與交采電流數(shù)據(jù)存在差異時，該用戶的竊電嫌疑度將加大。指定時間點，電表和交采表，或主表與備表(核表)的電流數(shù)據(jù)比較，當(dāng)誤差率＝|主表日電量-備表日電量|/主表日電量，大于設(shè)定誤差率閥值(缺省為1％)，認(rèn)為存在用電異常。2.2.7.三相電流不平衡分析(1)在竊電過程中，對接線模式或電路的改動會導(dǎo)致三相電流可能存在不平衡，三相電流不平衡檢測也是竊電嫌疑判斷因子之一。算法如下至少有一相大于0.05A，負(fù)控至少有一相大于0.1A。(2)不平衡率超過指定閥值且持續(xù)時間超過指定的持續(xù)時間。(3)其閥值與誤判相同。三相不平衡率＝MAX((Ia-AVG(Ia,Ib,Ic))/AVG(Ia,Ib,Ic),(Ib-AVG(Ia,Ib,Ic))/AVG(Ia,Ib,Ic),(Ic-AVG(Ia,Ib,Ic))/AVG(Ia,Ib,Ic))，其中如果是三相三線，B相不參與計算，三相不平衡閥值配置如下表5所示。表52.2.8.電量波動數(shù)據(jù)通過對當(dāng)日電量與該日的前N天特征日的的電量平均做比較，判斷電量波動率，如當(dāng)天是周一與前N個周一(非節(jié)假日)數(shù)據(jù)比較，如當(dāng)天為節(jié)假日，則與前N個節(jié)假日平均電量比較。電量波動率數(shù)據(jù)單獨寫入數(shù)據(jù)庫表。需要進(jìn)行比較的數(shù)據(jù)包括正反向有功電量。2.3.參見圖3所示，圖3是本發(fā)明智能防竊電分析方法中的電表事件分析處理流程。電表事件分析處理流程說明：1.所有的事件分析都是基于電表已經(jīng)產(chǎn)生的電表事件進(jìn)行，電表事件都是在數(shù)據(jù)處理流程中產(chǎn)生；2.事件分析主要是對事件發(fā)生的時長或者次數(shù)進(jìn)行統(tǒng)計后再進(jìn)行分析；3.竊電嫌疑的分析要結(jié)合通過配置的竊電評估模型來實現(xiàn)；4.每一步的分析過程都會將評估得到的竊電嫌疑指數(shù)保存在系統(tǒng)的數(shù)據(jù)庫中，以便后續(xù)的綜合評估使用；2.4.將常規(guī)的電表事件的各單項指標(biāo)進(jìn)行電表事件區(qū)域模型劃分，并對每個電表事件區(qū)域模型賦予相應(yīng)的指標(biāo)狀態(tài)值，標(biāo)準(zhǔn)的電表事件的每個類型的劃分方式如下表6～表13。2.4.1.表計失流事件區(qū)域說明指標(biāo)狀態(tài)值Ⅰ有表計失流事件，失流事件小于1小時5Ⅱ有表計失流事件，失流事件小于5小時25Ⅲ有表計失流事件，失流事件小于10小時45Ⅳ有表計失流事件，失流事件小于15小時65V有表計失流事件，失流事件小于20小時85VI有表計失流事件，失流事件小于24小時100表62.4.2.表計失壓區(qū)域說明指標(biāo)狀態(tài)值Ⅰ有表計失壓事件，失壓事件發(fā)生時間小于1小時5Ⅱ有表計失壓事件，失壓事件發(fā)生時間小于5小時25Ⅲ有表計失壓事件，失壓事件發(fā)生時間小于10小時45Ⅳ有表計失壓事件，失壓事件發(fā)生時間小于15小時65V有表計失壓事件，失壓事件發(fā)生時間小于20小時85VI有表計失壓事件，失壓事件發(fā)生時間小于24小時100表72.4.3.非費率時段走字區(qū)域說明指標(biāo)狀態(tài)值Ⅰ有非費率時間走字事件100Ⅱ無非費率時間走字事件0表82.4.4.反極性事件表92.4.5.持續(xù)0電量區(qū)域說明指標(biāo)狀態(tài)值Ⅰ有持續(xù)0電量事件，且無停電事件，100Ⅱ有持續(xù)0電量事件，且有停電事件0表102.4.6.主備表電量超差區(qū)域說明指標(biāo)狀態(tài)值Ⅰ有主備表電量超差事件，偏差率小于1％5Ⅱ有主備表電量超差事件，偏差率小于10％30Ⅲ有主備表電量超差事件，偏差率小于30％50Ⅳ有主備表電量超差事件，偏差率小于50％80V有主備表電量超差事件，偏差率大于50％100表112.4.7.三相電流不平衡分析表122.4.8.電量波動數(shù)據(jù)表132.5.將用電異常用戶實際的電表事件與常規(guī)的電表事件的全部電表事件區(qū)域模型進(jìn)行比對，得到與用電異常用戶實際的電表事件相匹配的電表事件區(qū)域模型，并將用電異常用戶實際的電表事件所對應(yīng)的電表事件區(qū)域模型的指標(biāo)狀態(tài)值作為電表事件指數(shù)。在步驟S03中，對用電異常用戶的電表歷史數(shù)據(jù)進(jìn)行分析，以確定用電異常用戶實際的用電特征，包括：常規(guī)的用戶用電特征的各單項指標(biāo)的類型包括：電流縱向信息、電流橫向信息、負(fù)載率信息、以及作業(yè)習(xí)慣信息；將常規(guī)的用戶用電特征的各單項指標(biāo)進(jìn)行用電特征區(qū)域模型劃分，并對每個用電特征區(qū)域模型賦予相應(yīng)的指標(biāo)狀態(tài)值；將用電異常用戶實際的用電特征與常規(guī)的用戶用電特征的全部用電特征區(qū)域模型進(jìn)行比對，得到與用電異常用戶實際的用電特征相匹配的用電特征區(qū)域模型。具體地，電表歷史數(shù)據(jù)分析的過程如下：3.1.通過對電表歷史數(shù)據(jù)比較，得到用戶用電行為分析數(shù)據(jù)，結(jié)合用戶竊電嫌疑分析模型，從用戶用電行為上對用戶竊電嫌疑的可能性進(jìn)行分析評估，主要分析的數(shù)據(jù)有電流數(shù)據(jù)、電量數(shù)據(jù)、負(fù)載率數(shù)據(jù)等。用戶不同的用電行為，體現(xiàn)在電力數(shù)據(jù)上的特征會不一樣，用電數(shù)據(jù)的特征是分析用戶竊電嫌疑的主要依據(jù)。3.2.電流縱向分析、電流橫向分析、負(fù)載率分析、以及作業(yè)習(xí)慣分析各自的算法如下：3.2.1電流日月規(guī)律縱向分析Pearson相關(guān)系數(shù)用來衡量兩個數(shù)據(jù)集合是否在一條線上面，它用來衡量定距變量間的線性關(guān)系。如衡量國民收入和居民儲蓄存款、身高和體重、高中成績和高考成績等變量間的線性相關(guān)關(guān)系。當(dāng)兩個變量都是正態(tài)連續(xù)變量，而且兩者之間呈線性關(guān)系時，表現(xiàn)這兩個變量之間相關(guān)程度用積差相關(guān)系數(shù)，主要有Pearson簡單相關(guān)系數(shù)。其計算公式為：r=NΣxiyi-ΣxiΣyiNΣxi2-(Σxi)2NΣyi2-(Σyi)2.]]>關(guān)系數(shù)的絕對值越大，相關(guān)性越強(qiáng)，相關(guān)系數(shù)越接近于1或-1，相關(guān)度越強(qiáng)，相關(guān)系數(shù)越接近于0，相關(guān)度越弱。通常情況下通過以下取值范圍判斷變量的相關(guān)強(qiáng)度：-相關(guān)系數(shù)0.8-1.0極強(qiáng)相關(guān)；-0.6-0.8強(qiáng)相關(guān)；-0.4-0.6中等程度相關(guān)；-0.2-0.4弱相關(guān)；-0.0-0.2極弱相關(guān)或無相關(guān)；在竊電分析中，我們用Pearson相關(guān)系數(shù)做如下分析：(1)日電流曲線相似性分析通常情況下，絕大多數(shù)企業(yè)或用戶具備一定的生產(chǎn)生活規(guī)律，以日、周、月、年分析這些用電規(guī)律可找出用戶的用電特性，從而也可發(fā)現(xiàn)因竊電帶來的異常。對于指定用戶，選定兩個相同性質(zhì)的日期，比如說都是工作日或節(jié)假日，計算電流的Pearson相關(guān)系數(shù)，即分析兩天的用電趨勢的一致性，若某天出現(xiàn)與平常習(xí)慣較大差異的用電行為，可作為竊電判斷的依據(jù)之一。參見圖4和圖5所示，圖4和圖5是本發(fā)明智能防竊電分析方法中的日電流曲線相似性分析圖。其中，圖4中的Pearson相關(guān)系數(shù)＝1，圖5中的Pearson相關(guān)系數(shù)＝0.37。不同日期的電流1與電流2，雖然幅值變化有差異，當(dāng)電流的曲線趨勢一致時Pearson的取值將接近于1；當(dāng)電流曲線的趨勢有較大差異時Pearson取值較小，圖5‘Pearson相關(guān)系數(shù)＝0.37’中，用電曲線明顯不同，其Pearson系數(shù)為0.37，該用戶存在竊電嫌疑。(2)日電量曲線相似性分析同樣的原理，每周工作日或休息日同樣存在用電規(guī)律，對于指定用戶，選定兩個周/月，按周/月計算日電量曲線Pearson相關(guān)系數(shù)，標(biāo)記出周末和節(jié)假日。用于發(fā)現(xiàn)用戶與慣常用電特性不一致的異常，作為竊電嫌疑判斷依據(jù)。(3)月電量曲線相似性分析一年中，隨著季節(jié)不同，作息習(xí)慣和生產(chǎn)規(guī)模具備一定的規(guī)律性，選定指定用戶的兩個月，計算月電量曲線Pearson相關(guān)系數(shù)，標(biāo)記出春節(jié)等特殊假日。用于發(fā)現(xiàn)用戶與往年用電特性不一致的異常，作為竊電嫌疑判斷依據(jù)。3.2.2電流日月規(guī)律橫向分析同行業(yè)、同區(qū)域的用戶具備相同的生產(chǎn)生活環(huán)境，具備相同的工藝流程，是的其用電行為存在一定的共性。采用大數(shù)據(jù)分析算法，分析不同群體的用電特性，發(fā)現(xiàn)個性差異，作為竊電嫌疑判斷依據(jù)。(1)電流區(qū)間分析通過比較指定日期電流數(shù)據(jù)，分析指定用戶與同性質(zhì)群體用戶(同行業(yè)、同容量)日常用電特性，分析個別用戶的用電特性背離情況發(fā)現(xiàn)竊電嫌疑。-計算同性質(zhì)群體用戶的正態(tài)分布，得到正態(tài)分布的參數(shù)，均值μ是和方差σ2；-計算指定用戶的概率密度；-計算指定用戶的某一日概率密度落在區(qū)間(-∞,-2σ)的比率R；若比率R大于70％時，則認(rèn)為該用戶的用電量偏低。正態(tài)分布在實踐上是一種常見的分布，連續(xù)隨機(jī)變量概率分布的一種。正態(tài)分布的特點是“兩頭大，中間小”，其密度函數(shù)f(x)的圖上系關(guān)于x＝μ對稱的鐘形曲線，其高度在x＝μ處的高度是且方差σ越小，分布曲線越趨于陡峭[2]。當(dāng)σ＝1，μ＝1時，稱x服從標(biāo)準(zhǔn)正態(tài)分布函數(shù)，概率密度函數(shù)為f(x)的圖形參見圖6所示，圖6是本發(fā)明智能防竊電分析方法中的電流區(qū)間分析的正態(tài)分布圖。查正態(tài)分布表可以得到正態(tài)分布曲線與橫軸圍成的面積等于1，當(dāng)以μ為中心加減一個平均誤差σ為范圍時所包含的面積為68.27％，表明落在此范圍內(nèi)的各個抽樣指標(biāo)占總體所有可能樣本的68.27％。而當(dāng)x以加減2σ為范圍時所包括曲線的面積為95.45％，表明落在此范圍內(nèi)的各個抽樣指標(biāo)占總體所有可能樣本指標(biāo)的95.45％，等等。同性質(zhì)用戶指具備一些相似的特征的用電用戶，例如使用同性質(zhì)用電設(shè)備，在同一個區(qū)域而具備相同的氣候條件和經(jīng)濟(jì)環(huán)境，從而在用電特征上也具備一定的相似性。同性質(zhì)用戶可以從以下幾個維度來劃分：同行業(yè)、同容量、是否高能耗設(shè)備、同區(qū)域、同線路等?；谡龖B(tài)分布原理，求得所有同性質(zhì)用戶的指定日每個小時的電能用量的平均值和均方差得到正態(tài)分布中心和用電波動范圍，將指定用戶的用電情況與同性質(zhì)用戶平均用電水平、68％同性質(zhì)用戶的用電水平以及95％同性質(zhì)用戶的用電水平的對比分析。(2)有功功率或電流曲線相似性分析在指定日，選定兩個用戶的電流，計算電流的Pearson相關(guān)系數(shù)，標(biāo)記出周末和節(jié)假日。(3)日電量曲線相似性分析按周/月計算兩個指定用戶的日電量曲線Pearson相關(guān)系數(shù)，標(biāo)記出周末和節(jié)假日。(4)月電量曲線相似性分析按年計算兩個指定用戶的某月月電量曲線Pearson相關(guān)系數(shù)，標(biāo)記出春節(jié)、端午、清明、中秋、國慶、五一等特殊假日。3.2.3負(fù)載率分析法變壓器長期欠載(竊電)或長期超載(違約用電)是竊電行為的一個數(shù)據(jù)表現(xiàn)，分析負(fù)載率的分布，可作為竊電嫌疑判斷的一個輔助依據(jù)。參見圖7所示，圖7是本發(fā)明智能防竊電分析方法中的負(fù)載率正態(tài)分布分析圖。統(tǒng)計查詢按日選取時間段，默認(rèn)為上月1日至上月未；系統(tǒng)選取這個時間段內(nèi)的整點負(fù)載率為樣本；將0％到115％以上分為24個負(fù)載率區(qū)間，統(tǒng)計落在各區(qū)間內(nèi)的整點負(fù)載率的個數(shù)。當(dāng)統(tǒng)計時間段內(nèi)(1)用戶負(fù)載很低，如上圖中藍(lán)色曲線的用戶，其用電負(fù)載率低于20％的次數(shù)占總次數(shù)的比率超過80％時，則-該用戶存在竊電嫌疑，通過技術(shù)手段使得計量的負(fù)載遠(yuǎn)遠(yuǎn)低于實際負(fù)載。(2)用戶用電負(fù)載均勻分布，且中央點位于70％左右，如圖上紅色曲線代表的用戶。-該用戶的用電負(fù)載負(fù)荷常規(guī)的用電習(xí)慣，且負(fù)載均衡。(3)用戶用電負(fù)載經(jīng)常性超載，其用電負(fù)載率高于100％的次數(shù)占總次數(shù)的比率超過80％時，則如圖上黃色曲線代表的用戶。-該用戶存在違約用電嫌疑，虛報報裝容量。以上參數(shù)在系統(tǒng)中都可配置。3.2.4作業(yè)習(xí)慣分析取某用戶指定日期96點電流數(shù)據(jù)，根據(jù)用戶的負(fù)荷大小(也就是電流的大小)來估算用戶的作息時間，一般認(rèn)為用電量較多的的時段為其工作時間。(1)工作時間區(qū)段計算：一天內(nèi)電流值大于平均電流的連續(xù)時段。(2)比較某用戶下多個計量點的作息時間的一致性；(3)比較某用戶與該行業(yè)其他用戶的作息時間的一致性。(4)當(dāng)工作時間交叉小時數(shù)超過70％時，則認(rèn)為相比較的兩個對象的作息時間基本一致。參見圖8所示，圖8是本發(fā)明智能防竊電分析方法中的作業(yè)習(xí)慣分析圖。圖8中，分析可知：(1)用戶的計量點1與計量點2作息時間不一致。(2)用戶的計量點1與行業(yè)其他用戶的作息時間不一致。(3)用戶的計量點2與行業(yè)其他用戶的作息時間基本一致。作息時間是判斷錯峰用電還是竊電的一個參考依據(jù)之一，若作息時間合理，且一個用戶下多個計量點的作息時間基本一致，則竊電嫌疑較小，否則竊電嫌疑較大。參見圖9所示，圖9是本發(fā)明智能防竊電分析方法中的電表歷史數(shù)據(jù)分析處理流程。電表歷史數(shù)據(jù)分析處理流程說明：1、歷史數(shù)據(jù)的分析主要是針對日電流數(shù)據(jù)、日電量數(shù)據(jù)、負(fù)載率數(shù)據(jù)等進(jìn)行分析；2、歷史數(shù)據(jù)的分析目前是針對已經(jīng)有較高竊電嫌疑指數(shù)的表計進(jìn)行分析；3、歷史數(shù)據(jù)主要從數(shù)據(jù)庫中直接讀?。?、歷史數(shù)據(jù)分析的評估結(jié)果要及時寫入系統(tǒng)數(shù)據(jù)庫，便于后續(xù)的綜合竊電評估；5、歷史數(shù)據(jù)分析過程性能會比前幾項分析性能慢。3.3將常規(guī)的用戶用電特征的各單項指標(biāo)進(jìn)行用電特征區(qū)域模型劃分，并對每個用電特征區(qū)域模型賦予相應(yīng)的指標(biāo)狀態(tài)值，劃分方式如下表14～表17。3.3.1電流縱向分析區(qū)域說明指標(biāo)狀態(tài)值Ⅰ日電流相關(guān)系數(shù)大于0.8，小于15II日電流相關(guān)系數(shù)大于0.6，小于0.830III日電流相關(guān)系數(shù)大于0.4，小于0.650IV日電流相關(guān)系數(shù)大于0.2，小于0.480V日電流相關(guān)系數(shù)大于0，小于0.2100表143.3.2電流橫向分析區(qū)域說明指標(biāo)狀態(tài)值I日電流相關(guān)系數(shù)大于0.8，小于15II日電流相關(guān)系數(shù)大于0.6，小于0.830III日電流相關(guān)系數(shù)大于0.4，小于0.650IV日電流相關(guān)系數(shù)大于0.2，小于0.480V日電流相關(guān)系數(shù)大于0，小于0.2100表153.3.3負(fù)載率分析表163.3.4作業(yè)習(xí)慣分析表173.4.將用電異常用戶實際的用電特征與常規(guī)的用戶用電特征的全部用電特征區(qū)域模型進(jìn)行比對，得到與用電異常用戶實際的用電特征相匹配的用電特征區(qū)域模型，并將用電異常用戶的用電特征所對應(yīng)的用電特征區(qū)域模型的指標(biāo)狀態(tài)值作為用電特征指數(shù)。在步驟S04中，將所述指標(biāo)數(shù)據(jù)庫中與用電異常用戶實際的電量平衡信息的各單項指標(biāo)、用電異常用戶實際的電表事件的各單項指標(biāo)、以及用電異常用戶實際的用電特征的各單項指標(biāo)相匹配的指標(biāo)狀態(tài)值進(jìn)行累加，以確定用電異常用戶的竊電嫌疑指數(shù)，包括：將用電異常用戶實際的電量平衡信息所對應(yīng)的電量平衡區(qū)域模型的指標(biāo)狀態(tài)值作為電量平衡指數(shù)；將用電異常用戶實際的電表事件所對應(yīng)的電表事件區(qū)域模型的指標(biāo)狀態(tài)值作為電表事件指數(shù)；將用電異常用戶的用電特征所對應(yīng)的用電特征區(qū)域模型的指標(biāo)狀態(tài)值作為用電特征指數(shù)；將所述電量平衡指數(shù)、所述電表事件指數(shù)、以及所述用電特征指數(shù)進(jìn)行累加，得到用電異常用戶的竊電嫌疑指數(shù)。具體地，綜合分析過程如下：4.1.評估模型定義。由于用戶的竊電方法有很多，要能對用戶的用電行為做出客觀地定性分析，需要采用一定的科學(xué)方法來進(jìn)行分析，在該系統(tǒng)中，我們使用層次分析法來對用戶的竊電行為進(jìn)行定性分析。該方法只提供竊電嫌疑的定性分析，不支持定量分析。4.2.指標(biāo)體系構(gòu)建。根據(jù)層次分析原理分層建立竊電指標(biāo)體系，指標(biāo)層從上至下分別為：第一指標(biāo)層O＝{用戶的竊電嫌疑指數(shù)}，第二指標(biāo)層A＝{電量平衡分析，電表事件分析、電表歷史數(shù)據(jù)分析}，以及包含各單項指標(biāo)的第三指標(biāo)層B層，按照指標(biāo)對用戶竊電嫌疑指數(shù)的影響，指標(biāo)值越高，竊電嫌疑就越大。參見圖10所示，圖10是本發(fā)明智能防竊電分析方法中的權(quán)重分配圖。圖10所示僅作為本發(fā)明的一個較佳實施例，并不僅限于此。設(shè)置B層指標(biāo)對于綜合竊電指數(shù)權(quán)重。W＝[w1,w2,w3,…,w18]。設(shè)由層次分析法指標(biāo)對于總目標(biāo)的層次總排序權(quán)重為W＝[w1,w2,…,w1]，各指標(biāo)狀態(tài)值為S＝[s1,s2,…,sn]，先得到A層指標(biāo)，由于a1對應(yīng)的下層指標(biāo)為b1,b2,則a1的綜合指標(biāo)的計算方法為：Va＝W1*S1+W2*S2，S為B層指標(biāo)對應(yīng)的狀態(tài)指標(biāo)值W為各指標(biāo)對應(yīng)的權(quán)重系數(shù)。則竊電嫌疑指數(shù)，即最后綜合分值的計算公式為：通過對B層指標(biāo)的分體及加權(quán)計算可以得到A層指標(biāo)的具體指標(biāo)值，通過對A層指標(biāo)值進(jìn)行累加可以得到防竊電綜合評估指標(biāo)，即竊電嫌疑指數(shù)，指標(biāo)值約大，竊電嫌疑就約大。舉例說明：假設(shè)各狀態(tài)值的權(quán)重都為1，某竊電嫌疑用戶的電量平衡信息為當(dāng)前線損率不超閾值，且表計電量變化率絕對值大于等于30％，且小于70％，對應(yīng)的狀態(tài)值為45；電表事件為表計失流事件，且有表計失流事件，失流事件小于20小時，對應(yīng)的狀態(tài)值為85；用電特征的電流橫向分析為日電流相關(guān)系數(shù)大于0.8，小于1，對應(yīng)的狀態(tài)值為5；用電特征的負(fù)載率分析為每天負(fù)載率小于20％，或者大于85％所占比例小于20％，對應(yīng)的狀態(tài)值為30；用電特征的3作業(yè)習(xí)慣分析同一用戶下計量點1日電流與計量點2電流相關(guān)系數(shù)大于0.8，小于1，對應(yīng)的狀態(tài)值為5。那么根據(jù)上述綜合分值的計算公式，得到該竊電嫌疑用戶的竊電嫌疑指數(shù)為1*45+1*85+1*5+1*30+1*5＝170，判定結(jié)果為竊電行為的可能性相對較大。特別地，上述用到的所有狀態(tài)值及基準(zhǔn)值區(qū)域劃分根據(jù)行業(yè)經(jīng)驗得到，不同的指標(biāo)對應(yīng)不同的區(qū)域劃分，不同的區(qū)域劃分對應(yīng)不同的指標(biāo)狀態(tài)值。狀態(tài)值也是根據(jù)經(jīng)驗得到，這些指標(biāo)參數(shù)都是根據(jù)行業(yè)經(jīng)驗預(yù)先設(shè)置好，供數(shù)據(jù)處理過程進(jìn)行調(diào)用。以下介紹本發(fā)明智能防竊電分析系統(tǒng)，該系統(tǒng)中將運用上述本發(fā)明智能防竊電分析方法。參見圖11所示，圖11是本發(fā)明智能防竊電分析系統(tǒng)的結(jié)構(gòu)框圖。本發(fā)明的智能防竊電分析系統(tǒng)，包括：指標(biāo)數(shù)據(jù)庫，所述指標(biāo)數(shù)據(jù)庫包括：常規(guī)的電量平衡信息的各單項指標(biāo)、常規(guī)的電表事件的各單項指標(biāo)、以及常規(guī)的用戶用電特征的各單項指標(biāo)各自分別賦予的指標(biāo)狀態(tài)值；如圖11所示，竊電指標(biāo)體系，所述竊電指標(biāo)體系劃分為第一指標(biāo)層O層、第二指標(biāo)層A層以及第三指標(biāo)層B層；所述第一指標(biāo)層包括用電用戶的竊電嫌疑指數(shù)；所述第二指標(biāo)層包括用電用戶實際的電量平衡信息、用電用戶實際的電表事件以及用電用戶實際的用電特征；所述第三指標(biāo)層包括用電用戶實際的電量平衡信息的各單項指標(biāo)、用電用戶實際的電表事件的各單項指標(biāo)、以及用電用戶實際的用電特征的各單項指標(biāo)；計算模塊，用于將所述指標(biāo)數(shù)據(jù)庫中與用電用戶實際的電量平衡信息的各單項指標(biāo)、用電用戶實際的電表事件的各單項指標(biāo)、以及用電用戶實際的用電特征的各單項指標(biāo)相匹配的指標(biāo)狀態(tài)值進(jìn)行累加，以確定用電用戶的竊電嫌疑指數(shù)。在本發(fā)明的一個較佳實施例中，本發(fā)明的智能防竊電分析系統(tǒng)，還包括：數(shù)據(jù)獲取模塊10，用于獲取不同用戶的電表數(shù)據(jù)；數(shù)據(jù)分析模塊20，與數(shù)據(jù)獲取模塊10連接，對數(shù)據(jù)獲取模塊10獲取的不同用戶的電表數(shù)據(jù)進(jìn)行電量平衡分析，以確定用電異常用戶以及用電異常用戶實際的電量平衡信息；電表事件分析模塊30，與數(shù)據(jù)獲取模塊10連接，用于對用電異常用戶的電表數(shù)據(jù)進(jìn)行電表事件分析，以確定用電異常用戶實際的電表事件；用電特征分析模塊40，與數(shù)據(jù)獲取模塊10連接，用于對用電異常用戶的電表歷史數(shù)據(jù)進(jìn)行分析，以確定用電異常用戶實際的用電特征；竊電分析模塊50，與數(shù)據(jù)分析模塊20、電表事件分析模塊30、以及用電特征分析模塊40連接，用于將所述指標(biāo)數(shù)據(jù)庫中與用電異常用戶實際的電量平衡信息的各單項指標(biāo)、用電異常用戶實際的電表事件的各單項指標(biāo)、以及用電異常用戶實際的用電特征的各單項指標(biāo)相匹配的指標(biāo)狀態(tài)值進(jìn)行累加，以確定用電異常用戶的竊電嫌疑指數(shù)。本發(fā)明的智能防竊電分析系統(tǒng)，通過分析用電異常用戶的電量平衡信息、電表事件以及用電特征，并借助用電行為異常分析的模型來分析用戶用電行為習(xí)慣，以及與用戶用電相關(guān)的數(shù)據(jù)，篩選出用電異常用戶，并提供對用戶用電行為異常的程度分析，最后得出用電異常用戶的竊電嫌疑指數(shù)?？梢栽谂溆秒姾Ａ繑?shù)據(jù)處理和智能配用電服務(wù)方面建立起一套示范型項目，在電力大數(shù)據(jù)在實際電力營銷業(yè)務(wù)應(yīng)用上具有重要的意義。在本發(fā)明的一個較佳實施例中，本發(fā)明的智能防竊電分析系統(tǒng)，還包括：中間數(shù)據(jù)庫60，與數(shù)據(jù)獲取模塊10連接，用于儲存數(shù)據(jù)獲取模塊10獲取的電表數(shù)據(jù)。在本發(fā)明的一個較佳實施例中，本發(fā)明的智能防竊電分析系統(tǒng)，還包括：數(shù)據(jù)存儲模塊70，與竊電分析模塊50連接，用于儲存竊電分析模塊50的分析結(jié)果；應(yīng)用模塊80，與數(shù)據(jù)存儲模塊70連接，用于向供電用戶展示竊電分析模塊50的分析結(jié)果。在本發(fā)明的一個較佳實施例中，本發(fā)明的智能防竊電分析系統(tǒng)，還包括：預(yù)處理模塊90，與數(shù)據(jù)獲取模塊10連接，用于對數(shù)據(jù)獲取模塊10獲取的電表數(shù)據(jù)進(jìn)行預(yù)處理，將獲取的電表數(shù)據(jù)中的非法數(shù)據(jù)進(jìn)行過濾。優(yōu)選地，通過一接口模塊將數(shù)據(jù)傳給預(yù)處理模塊90。在本發(fā)明的一個較佳實施例中，本發(fā)明的智能防竊電分析系統(tǒng)，還包括：區(qū)域模型劃分劃分模塊，用于將常規(guī)的電量平衡信息的各單項指標(biāo)進(jìn)行電量平衡區(qū)域模型劃分、將常規(guī)的電表事件的各單項指標(biāo)進(jìn)行電表事件區(qū)域模型劃分、以及將常規(guī)的用戶用電特征的各單項指標(biāo)進(jìn)行用電特征區(qū)域模型劃分。在本發(fā)明的一個較佳實施例中，本發(fā)明的智能防竊電分析系統(tǒng)，還包括：比對模塊，用于將用電異常用戶實際的電量平衡信息與常規(guī)的電量平衡信息的全部電量平衡區(qū)域模型進(jìn)行比對，得到與用電異常用戶實際的電量平衡信息相匹配的電量平衡區(qū)域模型、將用電異常用戶實際的電表事件與常規(guī)的電表事件的全部電表事件區(qū)域模型進(jìn)行比對，得到與用電異常用戶實際的電表事件相匹配的電表事件區(qū)域模型、以及將用電異常用戶實際的用電特征與常規(guī)的用戶用電特征的全部用電特征區(qū)域模型進(jìn)行比對，得到與用電異常用戶實際的用電特征相匹配的用電特征區(qū)域模型。本發(fā)明的智能防竊電分析系統(tǒng)的設(shè)計開發(fā)主要是基于多功能電子式電能表在所有類型的電力用戶側(cè)的普及安裝使用后可以提供大量豐富的用電數(shù)據(jù)和信息。這些海量的數(shù)據(jù)目前主要還是應(yīng)用于電量計量計費、負(fù)荷分析、負(fù)荷管理、電量統(tǒng)計、線損分析等方面。在不增加硬件設(shè)備投資的前提下，其實利用這些電量、負(fù)荷數(shù)據(jù)，再結(jié)合事件記錄數(shù)據(jù)，以大數(shù)據(jù)處理分析技術(shù)多維度從線損分析、相位角分析、用戶用電負(fù)荷特性等多方面進(jìn)行分析，可以快速定位用電行為異常的用戶。本發(fā)明的智能防竊電分析系統(tǒng)，是一套基于配用電大數(shù)據(jù)分析，識別用電行為異常的嫌疑用戶的軟、硬件系統(tǒng)，為供電企業(yè)實現(xiàn)用電行為異常分析功能。本發(fā)明的智能防竊電分析系統(tǒng)，通過與電力用戶用電信息采集系統(tǒng)、營銷系統(tǒng)對接，獲取用戶用電的真實數(shù)據(jù)，并通過用電行為異常分析的模型來分析用戶用電行為習(xí)慣，以及與用戶用電相關(guān)的數(shù)據(jù)，篩選可以的用電異常用戶，并提供對用戶用電行為異常的程度分析。本發(fā)明的智能防竊電分析系統(tǒng)，可以根據(jù)查獲的用電異常實際案例，自動學(xué)習(xí)并完善用電行為異常的分析模型。通過該系統(tǒng)的建設(shè)，可以在配用電海量數(shù)據(jù)處理和智能配用電服務(wù)方面建立起一套示范型項目，在電力大數(shù)據(jù)在實際電力營銷業(yè)務(wù)應(yīng)用上具有重要的意義。其中的數(shù)據(jù)處理模塊接收到接口模塊同步過來的運行數(shù)據(jù)后，通過數(shù)據(jù)辨識、修補(bǔ)、數(shù)據(jù)計算、數(shù)據(jù)分析，同時結(jié)合用電行為異常模型對用戶用電行為異常指數(shù)進(jìn)行評估，得出各用戶的用電行為異常嫌疑指數(shù)，同時將同步過來的數(shù)據(jù)及加工處理的數(shù)據(jù)全部實現(xiàn)入庫操作。在數(shù)據(jù)處理模塊中使用實時數(shù)據(jù)庫技術(shù)，同時數(shù)據(jù)處理模塊支持分布式處理。其中的接口模塊主要是通過接口程序從用電信息采集系統(tǒng)同步電網(wǎng)及設(shè)備檔案，同時每天定時同步電網(wǎng)運行數(shù)據(jù)，將通過過來的數(shù)據(jù)發(fā)送給數(shù)據(jù)處理模塊。其中的WEB應(yīng)用模塊主要是面向供電用戶對數(shù)據(jù)處理分析出來的數(shù)據(jù)進(jìn)行數(shù)據(jù)展示。本發(fā)明的智能防竊電分析系統(tǒng)，主要具有以下有益效果：1、完成用電行為異常分析系統(tǒng)的軟件的設(shè)計、開發(fā)和測試，軟件范圍主要有：1)提供數(shù)據(jù)清洗功能，過濾識別無效數(shù)據(jù)。并能根據(jù)配置的參數(shù)，修補(bǔ)數(shù)據(jù)，保證數(shù)據(jù)的完整性；2)系統(tǒng)提供防用電行為異常的分析模型維護(hù)功能，可根據(jù)需要調(diào)整模型參數(shù)；3)提供用電行為異常的用戶嫌疑查詢和分析功能，能查詢嫌疑用戶，并能分析原因；4)提供歷史嫌疑的分析；5)提供電力歷史數(shù)據(jù)的查詢功能；6)提供每月分析報告；7)提供某個指定用戶的分析報告。2、完成用電行為異常分析系統(tǒng)的軟件、硬件平臺的搭建實施工作。3、完成本系統(tǒng)與用戶用電信息采集系統(tǒng)之間的數(shù)據(jù)交互接口開發(fā)，構(gòu)建用電行為異常的分析數(shù)據(jù)庫。4、完成本系統(tǒng)的技術(shù)服務(wù)培訓(xùn)工作。本發(fā)明的智能防竊電分析系統(tǒng)，用電行為異常分析項目，采用Oracle數(shù)據(jù)庫(即數(shù)據(jù)存儲模塊70，圖12中所示為用電異常分析數(shù)據(jù)庫)和實時庫技術(shù)，實現(xiàn)用電行為異常處理功能。系統(tǒng)總體架構(gòu)如圖12所示，圖12是本發(fā)明的智能防竊電分析系統(tǒng)的架構(gòu)圖。數(shù)據(jù)來源于用戶用電信息采集系統(tǒng)的中間數(shù)據(jù)庫，通過接口程序，定期獲取用戶的電力相關(guān)數(shù)據(jù)；周期一般為一天一次或一天兩至六次；極少數(shù)重點跟蹤用戶(不超過10個)可以考慮每15分鐘更新一次數(shù)據(jù)。取數(shù)周期還與用采系統(tǒng)更新中間數(shù)據(jù)庫的頻率有關(guān)。中間數(shù)據(jù)庫是本系統(tǒng)的數(shù)據(jù)來源，用于緩存用戶用電信息采集系統(tǒng)的電能量數(shù)據(jù)和營銷系統(tǒng)的檔案數(shù)據(jù)，由于電能量數(shù)據(jù)量較大，采用實時直接同步數(shù)據(jù)的方式，可能會造成對用電信息采集系統(tǒng)的性能造成影響，采用中間數(shù)據(jù)庫方式，可以在系統(tǒng)相對空閑時，進(jìn)行數(shù)據(jù)同步。同時，采用中間數(shù)據(jù)庫方式交互數(shù)據(jù)，當(dāng)接口出現(xiàn)問題時，有利于問題分析。電能量數(shù)據(jù)同步舉例：1.用戶用電信息采集系統(tǒng)通過OGG方式，將電能量數(shù)據(jù)同步到中間庫。2.接口程序，通過定時觸發(fā)方式，向中間數(shù)據(jù)庫取數(shù)。3.將取出的數(shù)據(jù)按系統(tǒng)要求，處理后導(dǎo)入到本系統(tǒng)。原始數(shù)據(jù)采用先進(jìn)先出的原則。數(shù)據(jù)分析完成后，系統(tǒng)保留分析數(shù)據(jù)的結(jié)果，如：行業(yè)用電趨勢、不同報裝容量的用戶用電趨勢。對于原始數(shù)據(jù)，只保留極小部分有用電行為異常嫌疑的用戶原始數(shù)據(jù)，不會存儲全部原始數(shù)據(jù)。正常用戶數(shù)據(jù)根據(jù)保存數(shù)據(jù)的設(shè)置(如：設(shè)置為保留最近30天)，采用先進(jìn)先出的滾動方式予以刪除。系統(tǒng)現(xiàn)階段只針對專變用戶進(jìn)行用電行為異常嫌疑分析，也不需存儲配變用戶的負(fù)荷數(shù)據(jù)。數(shù)據(jù)清洗和預(yù)處理是保證進(jìn)入系統(tǒng)的數(shù)據(jù)的正確性。數(shù)據(jù)清洗和預(yù)處理，主要是通過設(shè)置一些閾值，將一些非法數(shù)據(jù)過濾掉。存儲在系統(tǒng)中的數(shù)據(jù)主要有：檔案信息、電量日數(shù)據(jù)、有用電行為異常嫌疑用戶的負(fù)荷數(shù)據(jù)、原始數(shù)據(jù)經(jīng)過處理后的分析數(shù)據(jù)。數(shù)據(jù)處理可支持分布式部署，根據(jù)數(shù)據(jù)規(guī)模，劃分不同的數(shù)據(jù)處理區(qū)間，可以動態(tài)靈活擴(kuò)展。參見圖13所示，圖13是本發(fā)明的智能防竊電分析系統(tǒng)的物理部署拓?fù)鋱D。如圖13所示，分布式部署的意思是可以根據(jù)用戶接入數(shù)據(jù)量的規(guī)模，靈活擴(kuò)展。比如：目前接入的是3萬用戶，每臺機(jī)器假設(shè)可以處理一萬戶，需要3臺服務(wù)器；當(dāng)客戶發(fā)展到5萬用戶的時候，只需增加兩臺服務(wù)器，做一些配置即可。數(shù)據(jù)預(yù)處理采用實時庫技術(shù)，對數(shù)據(jù)進(jìn)行緩存及粗加工，類似上述的預(yù)處理。數(shù)據(jù)預(yù)處理結(jié)果寫入Oracle數(shù)據(jù)庫。用電行為異常分析基于Oracle數(shù)據(jù)庫進(jìn)行處理，并將用電行為異常分析結(jié)果寫入Oracle數(shù)據(jù)庫上述內(nèi)容中的數(shù)據(jù)分析方法參見上述本發(fā)明的智能防竊電分析方法。參見圖14所示，圖14是本發(fā)明智能防竊電分析系統(tǒng)的功能框架圖。根據(jù)用電行為異常業(yè)務(wù)功能需求及供電局內(nèi)部管理業(yè)務(wù)流程，需要對用電行為異常分析系統(tǒng)的功能劃分為幾個模塊，即：設(shè)備檔案同步及用電數(shù)據(jù)同步、數(shù)據(jù)處理及分析、WEB應(yīng)用。功能說明：通過與第三方系統(tǒng)接入數(shù)據(jù)，本系統(tǒng)對用戶用電的歷史數(shù)據(jù)進(jìn)行多維度分析，最終過濾出用電行為異常嫌疑用戶，并給軟件使用者提供判斷的依據(jù)。主要的功能需求如下：數(shù)據(jù)導(dǎo)入接口：本系統(tǒng)定義數(shù)據(jù)導(dǎo)入規(guī)范，所有遵循本規(guī)范的數(shù)據(jù)都可以導(dǎo)入到系統(tǒng)中，數(shù)據(jù)包括：電網(wǎng)邏輯關(guān)系、用戶信息、用戶與電網(wǎng)的掛接關(guān)系、換表、換CT信息、報停報開信息；接口支持?jǐn)?shù)據(jù)重新導(dǎo)入，覆蓋原有數(shù)據(jù)，不影響用電行為異常分析。數(shù)據(jù)的辨識和修補(bǔ)：為使后續(xù)的數(shù)據(jù)處理更加準(zhǔn)確，需將“臟”數(shù)據(jù)過濾掉，并提供合適的數(shù)據(jù)修補(bǔ)算法，將數(shù)據(jù)修補(bǔ)好；系統(tǒng)至少應(yīng)支持：內(nèi)插值法(直線修補(bǔ))、外插值法。系統(tǒng)支持新增新的檢測模型，當(dāng)需要新增檢測模型時，除后臺運算邏輯需要編寫程序外，其余可以通過界面配置實現(xiàn)。支持指定用電行為異常算法的啟用和停用。用戶可以根據(jù)實際需要，設(shè)置某個或某些用電行為異常算法啟用或停用。支持用電行為異常檢測算法的參數(shù)調(diào)整。用戶可以通過界面，修改用電行為異常算法的參數(shù)。用電行為異常識別運算：構(gòu)造用電行為異常識別模型，從歷史數(shù)據(jù)，用戶可以根據(jù)實際情況對模型進(jìn)行微調(diào)。提供用電行為異常分析鉆取功能：當(dāng)系統(tǒng)確定某個用戶為用電行為異常嫌疑用戶時，能借助分析工具，分析用戶被列為用電行為異常用戶的原因，以便于人工判斷。以月度為最小查詢單位，查詢用電行為異常用戶名單。以上所述僅是本發(fā)明的較佳實施例而已，并非對本發(fā)明做任何形式上的限制，雖然本發(fā)明已以較佳實施例揭露如上，然而并非用以限定本發(fā)明，任何熟悉本專業(yè)的技術(shù)人員，在不脫離本發(fā)明技術(shù)方案的范圍內(nèi)，當(dāng)可利用上述揭示的技術(shù)內(nèi)容做出些許更動或修飾為等同變化的等效實施例，但凡是未脫離本發(fā)明技術(shù)方案的內(nèi)容，依據(jù)本發(fā)明的技術(shù)實質(zhì)對以上實施例所作的任何簡單修改、等同變化與修飾，均仍屬于本發(fā)明技術(shù)方案的范圍內(nèi)。當(dāng)前第1頁1 2 3