一种电能计量箱的防窃电在线监测方法及系统与流程

本发明涉及电能计量监测，具体为一种电能计量箱的防窃电在线监测方法及系统。

背景技术：

1、随着智能电网的发展以及低压配电网改造工程的深入推进，电能计量箱作为配电台区贸易结算和用电数据采集的核心载体，其运行状态的准确监测直接关系到供用电双方的经济权益。在实际运行环境中，窃电行为逐渐呈现出手段隐蔽化、技术智能化的发展趋势，违规私接线缆、旁路短接等异常用电操作不仅会造成电力企业的巨额经济损失，其操作过程中产生的瞬间电弧或接触电阻突变还容易引发线路过载、漏电等安全事故，严重威胁配电网络的稳定运行，因此开展电能计量箱防窃电在线监测技术的相关研究具有重要的工程现实意义。

2、在现有的防窃电监测应用中，技术人员通常在电能计量箱出线侧同步采集用户的电压、电流及有功功率等电参量时序数据，通过设置固定的电参量突变量阈值直接进行物理告警判断，或者将固定时间窗口内的电参量时序序列提取为统计特征后输入支持向量机、随机森林或逻辑回归等机器学习模型中进行单一的全局二分类预警。上述传统监测方案主要依托宏观运行功率的突变幅度和时域降落斜率等低频形态特征作为判断依据，通过离线标定的历史样本库完成全局分类模型的参数拟合，进而对实时数据流中的功率异常波动事件进行在线分类识别，以期从海量用电数据中剥离出疑似的窃电异常操作。

3、然而现有的防窃电在线监测技术，依靠单一的全局模型或固定阈值进行判别，忽略了处于不同基准功率或不同阻抗属性负载水平下，电器正常投切与真实窃电搭接所呈现出的物理特征差异，导致在轻载工况下正常用电波动易触发误告警，而在重载工况下微小比例的窃电特征又容易被功率基数掩盖而产生漏报；且在提取事件特征时往往缺乏对微秒级异常接触瞬态过程的探测手段，且未考虑真实配电网中特定负荷工况下窃电历史样本稀缺带来的模型训练过拟合问题，如果仅通过常规的数学插值或无差别的跨域数据合并来扩充样本，容易将异质的物理特征混入本区间的训练集并污染分类边界。因此，本发明提供了一种电能计量箱的防窃电在线监测方法及系统，以解决现有技术中存在的不足之处。

技术实现思路

1、针对现有技术的不足，本发明提供了一种电能计量箱的防窃电在线监测方法及系统，解决了现有防窃电监测方案基于固定阈值或全局分类模型，无法区分不同功率负载水平及电气稳态属性下的正常负载波动与窃电行为，全局模型无法兼顾全负载区间的检测精度，导致轻载工况误告警率高、重载工况漏检率高。同时，由于真实配电网特定工况下窃电样本稀疏，模型训练易发生过拟合现象，且缺乏针对窃电操作瞬间微观物理搭接状态的特征探测量化手段的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：

3、本发明第一方面提供一种电能计量箱的防窃电在线监测方法，包括以下步骤：

4、维持并发采集的高频波形数据缓存并输出低频功率序列，遍历低频功率序列提取下降事件以截取对应的高频波形数据并标注二分类标签，结合低频功率序列计算事件触发功率和基准功率因数；

5、联合高频波形数据与低频功率序列计算形态特征和瞬态导纳波动率，将形态特征、瞬态导纳波动率、事件触发功率归一化后与基准功率因数及二分类标签拼接生成历史样本集；

6、利用归一化的事件触发功率划分初始区间，受基准功率因数驱动将初始区间切分为物理子区间集合，完成历史样本集至物理子区间集合的数据映射；

7、量化物理子区间的基础合并得分执行边界合并，受样本量不足触发执行跨区样本借用，利用区间内原生样本的稳态偏差与瞬态偏差计算借用样本的非对称借用权重；

8、将附带非对称借用权重与单位权重的样本代入损失函数构建总损失优化目标，依据总损失优化目标独立训练各物理子区间的分类模型；

9、根据实时下降事件提取特征向量，利用实时事件触发功率和基准功率因数调用对应的分类模型输出预测概率，根据原生样本占比生成判定阈值并与预测概率比对输出监测结果。

10、优选的，在维持缓存并提取下降事件的步骤中，建立第一采样频率和第二采样频率的并发采集机制，利用环形队列结构维持电压波形和电流波形形成循环缓存并同步向外输出低频功率序列；对低频功率序列按时间顺序逐点计算功率差值，以判定满足连续下降条件的采样时刻作为触发时刻生成下降事件，并为下降事件分配二分类标签；受触发时刻触发从循环缓存中导出高频波形数据，逆时序回溯低频功率序列内非下降状态采样点构成触发窗口，计算触发窗口内功率平均值生成事件触发功率并提取稳态运行状态的基准功率因数。通过建立双频数据处理架构，保留高频数据处理缓冲深度的同时执行低频序列巡航检测，避免全局高频运算导致的算力越限或单一低频采样引发的瞬态物理波形丢失。

11、进一步的，在提取形态特征与瞬态导纳波动率构建样本集的步骤中，顺时序截取触发时刻后的低频序列生成下降窗口数据，提取相对下降幅度、下降趋势斜率以及最大瞬时下降幅值构建形态特征；对高频波形数据内的电压波形和电流波形执行去直流偏置处理并引入偏置常数计算比值生成瞬态导纳序列，对瞬态导纳序列求一阶差分并计算标准差生成瞬态导纳波动率；将执行极值归一化映射后的参数与基准功率因数、二分类标签执行数据拼接生成历史特征向量汇入历史样本集。通过预处理零漂补偿与引入偏置常数消除计算溢出隐患，利用瞬态导纳波动率精准量化窃电搭接操作时的微观接触不良与非线性电弧震荡，从物理底层区分常规负载退出的平滑阻抗变化轨迹。

12、进一步的，在利用触发功率与基准功率因数划分物理子区间集合的步骤中，设定预设功率步长等分归一化后事件触发功率的取值范围构建初始区间，建立样本与初始区间的映射关系；受基准功率因数驱动设定物理属性界限，将样本划分构建高功率因数子空间与低功率因数子空间；判定并剔除内部原生样本数量为零的空区间，保留有效子空间组合生成物理子区间集合。利用稳态物理属性界限执行分类映射，将宏观功率相同但底层阻抗属性相异的样本执行物理隔离，并依托空区间剔除机制避免数据缺失引发的分布函数求解故障。

13、优选的，在量化物理子区间基础合并得分的步骤中，分别统计同类型物理子区间内的正常样本均值向量和异常样本均值向量，提取其差值构建判别方向向量，计算判别方向向量间的余弦相似度映射生成判别方向一致性；利用高斯核密度估计分别拟合各物理子区间内同类别样本在各特征维度上的概率密度函数，所述概率密度函数在对应完整积分域内的积分值为1；将同类别概率密度函数的逐点最小值在对应完整积分域内进行积分，得到表征同类别样本在对应特征维度上概率分布重合程度的无量纲重叠系数，所述无量纲重叠系数的取值范围为[0，1]，分别记为正常样本概率分布重叠系数和异常样本概率分布重叠系，累加全维度的无量纲重叠系数并经平滑函数映射生成形态分布重合度；计算判别方向一致性和形态分布重合度的算术平均值生成基础合并得分。由于各特征维度在进入累加运算前均已经转换为取值范围一致且无物理量纲的概率分布重叠系数，因此不同特征维度以统一的概率分布重合程度参与形态分布重合度计算，而不以对应原始特征的物理量纲或绝对数值大小直接参与跨维度累加。综合提取多维特征空间中的异常偏移方向特征与概率分布拓扑特征，客观量化不同负载工况下样本分布的数理同源程度。

14、进一步的，在执行边界合并与计算非对称借用权重的步骤中，比对基础合并得分与预设合并阈值执行边界提取与区间合并；针对目标区间构建候选借用序列，提取原生正常样本的基准功率因数均值差异结合基础合并得分计算生成正常样本的非对称借用权重；提取原生异常样本的瞬态导纳波动率均值差异，利用指数衰减函数处理波动率均值差异并结合基础合并得分计算生成异常样本的非对称借用权重。依据二分类标签的物理内涵实施非对称的借用约束机制，正常样本借用过程受稳态运行状态调节，异常样本借用过程受瞬态搭接状态调节，以此切断异质异常样本特征对本区间分类决策边界的污染。

15、进一步的，在构建总损失优化目标独立训练分类模型的步骤中，利用分类模型内的权重矩阵和偏置项执行前向推理计算输出预测概率；为物理子区间内的原生样本分配单位权重，为补充样本分配非对称借用权重，利用各项权重加权处理标准交叉熵损失构建总损失优化目标；采用梯度下降算法对权重矩阵和偏置项进行迭代更新直至满足收敛容差条件保存模型参数。将稳态与瞬态物理参量测算的非对称惩罚因子内嵌于机器学习底层损失函数中，利用加权项引导参数更新梯度方向，缓解因局部数据稀缺导致的小样本过拟合缺陷。

16、优选的，在生成判定阈值的实施步骤中，提取实时事件触发功率和基准功率因数，采用距离度量策略生成匹配结果调用对应的分类模型；查询目标物理子区间内的原生样本数量和训练集总样本量以计算原生样本占比比例；在基础判定阈值的基础上，受原生样本占比比例驱动结合阈值调节系数叠加数值补偿量，反馈生成自适应异常判定阈值。引入降级距离度量寻址以应对未定义的罕见工况，同时基于原生数据构成的比例关系反向调控判定阈值幅值，在原生代表性不足的分析区间内执行更为严格的防窃电排查判定标准。

17、进一步的，在输出监测结果的步骤中，将包含实时提取特征的实时特征向量输入至调用的分类模型中，利用激活函数输出表征异常属性的预测概率值；建立预测概率值与自适应异常判定阈值的数值比对关系；受预测概率值大于等于自适应异常判定阈值的比对结果触发，判定实时下降事件为窃电异常事件，封装事件特征数据向外输出告警指令。完成数据的在线端到端流转与匹配，利用自适应调节的决策隔离带提高复杂配电网用电扰动环境下的异常识别精确度。

18、本发明第二方面提供一种电能计量箱的防窃电在线监测系统，包括：

19、双频采集模块，配置为维持并发采集的高频波形数据缓存并输出低频功率序列；

20、事件提取模块，配置为遍历低频功率序列提取下降事件以截取对应的高频波形数据并标注二分类标签，结合低频功率序列计算事件触发功率和基准功率因数；

21、特征提取模块，配置为联合高频波形数据与低频功率序列计算形态特征和瞬态导纳波动率，将提取特征归一化后与稳态参数拼接生成历史样本集；

22、区间划分合并模块，配置为利用事件触发功率与基准功率因数划分物理子区间集合完成数据映射，量化基础合并得分执行边界合并，受样本量不足触发计算非对称借用权重执行跨区样本借用；

23、模型训练模块，配置为将附带非对称借用权重与单位权重的样本代入损失函数构建总损失优化目标，独立训练各物理子区间的分类模型；

24、在线监测判决模块，配置为利用实时事件参数调用对应的分类模型输出预测概率，根据原生样本占比生成判定阈值并与预测概率比对输出监测结果。

25、本发明提供了一种电能计量箱的防窃电在线监测方法及系统。具备以下有益效果：

26、1、本发明通过建立双频采集机制同步获取低频功率序列与高频波形缓存，并引入瞬态导纳波动率特征，解决了传统单一低频监测无法捕捉瞬间物理搭接状态的技术缺陷。在数据处理阶段对高频波形执行去直流偏置并引入偏置常数，规避了底层硬件运算的除零计算死区，通过量化窃电操作瞬间的接触不良与电弧震荡特征，在物理底端将真实的异常窃电搭接与常规电器设备的平滑断电过程准确区分。

27、2、本发明利用事件触发功率与基准功率因数划分物理子区间，并构建了基于非对称规则的跨区样本借用机制，解决了全局模型无法兼顾全负载工况以及特定工况下窃电样本稀缺导致模型过拟合的问题。通过对借用的正常样本和异常样本分别施加稳态偏差与瞬态偏差约束，并将计算得出的非对称借用权重内嵌至交叉熵损失函数中，在有效扩充小样本区间训练数据规模的同时，切断了异质物理特征对本区间分类决策边界的干扰，提升了分区间模型的判别精度。

28、3、本发明在在线监测阶段设计了自适应异常判定阈值生成机制，根据当前匹配模型训练集内原生样本占比情况反向调控告警判定标准。对于在离线训练阶段大量借用外部补充样本的物理子区间，系统判定其模型分类结果的原生代表性偏低，从而自动抬高防窃电异常判定阈值。该调控机制在决策输出末端形成了安全隔离反馈，有效抑制了因底层原生训练数据不足引发的误告警风险，提高了系统在实际配电网环境下的运行鲁棒性。