适用于群体性固定比例窃电行为的检测系统和检测方法与流程

1.本发明属于电力系统用户用电行为检测与分析技术领域，涉及一种适用于群体性固定比例窃电行为的检测系统和检测方法。


背景技术：

2.用户的窃电行为将严重损害供电公司的经济效益，同时还埋下停电、设备损坏和人员伤亡的安全隐患。而近年来，用户窃电还愈发呈现团体和群体化的趋势，电网公司面临的反窃电形势愈发严峻。作为智能电网的重要组成部分，高级量测体系(如传感器和智能电表等)提供了用户海量的用电数据，使得数据挖掘等技术在窃电检测领域中有了用武之地。现有的数据支撑的窃电检测方法可以分为三大类：基于博弈论的、基于用电行为模式的和基于系统状态的。基于博弈论的方法到目前为止尚不具备工程实用化的条件；基于用电行为模式的方法不太擅长检测固定比例窃电的用户，这是因为固定比例窃电用户的表计电量曲线在标准化处理后和正常用电的电量曲线没有太大区别；基于系统状态中的线损相关性分析方法擅长于小规模固定比例窃电用户的检测，但当分析的台区内出现群体性固定比例窃电时，其查全率普遍较低。
3.考虑到大多从硬件出发篡改电表的窃电方式均表现为固定比例窃电，加之当前窃电愈发呈现群体化和团体化的趋势。因此，针对这一窃电场景，本技术研发适用于群体性固定比例窃电行为的检测系统和检测方法，对于应对电网公司面临的愈发严峻的反窃电形势，具有重要的参考价值。


技术实现要素：

4.本发明针对群体性固定比例窃电这一场景，提出了一套基于线损与用户用电量协方差的检测系统和检测方法，旨在解决现有技术方法在这一场景下效果不佳的问题，更好地应对电网公司面临的反窃电问题。
5.简述本发明专利的技术方案如下：
6.随着窃电用户数量的增加，将标准化处理的窃电用户的表计用电量向量叠加后，标准化处理后的台区线损电量向量与用户的表计用电量向量之间的协方差也随之增加，称为递增性质；本发明利用上述递增性质将群体性固定比例窃电行为的检测问题转化为一个组合优化问题，并实现对上述组合优化问题的求解，具体技术方案如下：
7.一种适用于群体性固定比例窃电行为的检测系统，包括：预处理模块、检测模块和判断模块；
8.所述预处理模块与检测模块相连，并进行数据传递；所述检测模块与判断模块相连，并进行数据传递；
9.所述预处理模块用于：
10.①
从用电信息采集系统提取单位时间内用户的电量数据，并进行数据的向量化和标准化处理，并将数据输入检测模块；
11.②
从一体化线损管理系统提取单位时间内台区线损的电量数据，并进行数据的向量化和标准化处理，并将数据输入检测模块；
12.所述检测模块用于：
13.①
利用标准化处理的台区的线损电量向量和固定比例窃电用户的表计用电量向量的协方差存在的递增性质进行群体性固定比例窃电行为的检测；
14.②
判断用电场景是否为固定比例窃电场景；
15.③
输出窃电嫌疑用户集合c
sus
，并传送给判断模块；
16.所述判断模块用于：计算用户的窃电嫌疑度。
17.一种应用上述检测系统适用于群体性固定比例窃电行为的检测方法，包括以下步骤：
18.s1、预处理模块从用电信息采集系统提取台区k内每一个用户一天内的表计用电量序列，形成用户i的表计用电量向量其中，为用户i在第t个时间段内的表计用电量；
19.s2、预处理模块从一体化线损管理系统提取台区k一天内的线损电量序列，形成台区k的线损电量向量ω
k
＝[ω
k,1
,ω
k,2
,...,ω
k,t
]
t
,其中，ω
k,t
为台区k第t个时间段内的线损电量；
[0020]
s3、利用式(1)将进行标准化处理，得到
[0021][0022]
利用式(2)将ω
k
进行标准化处理，得到
[0023][0024]
s4、将和作为检测模块的输入，其中，a是台区k全体用户组成的集合；
[0025]
当台区k内任意两固定比例窃电用户的表计用电量向量正相关时，随着窃电用户数量的增加，将标准化处理的窃电用户的表计用电量向量叠加后，标准化处理的用户的表计用电量向量和台区线损电量向量的协方差也随之增加，称为递增性质；
[0026]
检测模块利用上述递增性质进行群体性固定比例窃电行为的检测；
[0027]
s5、所述检测模块考虑到实际情况下台区k内的窃电用户不一定都采用固定比例的窃电方式，其还包括一道固定比例窃电场景判断环节。所述检测模块判断用电场景是否为固定比例窃电场景，输出窃电嫌疑用户集合c
sus
，即固定比例窃电场景的判别环节；
[0028]
s6、在所述检测模块每次运行时，以同一天、同一台区的和作为输入，以c
sus
作为输出；在检测模块处理完台区k共m天的数据后，把输出的m个c
sus
传递给判断模块；
[0029]
s7、所述判断模块统计用户i在m天内属于c
sus
的次数m
i
，根据式(3)计算用户i的窃电嫌疑度γ
i
，
[0030][0031]
用户i的γ
i
越大，窃电嫌疑度越高，选择γ
i
最高的若干个用户进行现场稽查。因为不同台区的窃电用户的窃电行为并不相同，所以不同台区计算出来的窃电嫌疑度大小在分布上也有区别。根据每个台区实际的具体情况，选择若干个γ
i
最高的用户进行稽查，例如：假设台区at属于窃电高发台区，那么，可以选择γ
i
最高的15个用户稽查；假设台区bt属于窃电低发台区，那么，只需要选择γ
i
最高的1～2个用户稽查。
[0032]
在上述技术方案的基础上，所述递增性质为：当台区k内任意两固定比例窃电用户的表计用电量向量正相关时，台区k的线损电量向量和固定比例窃电用户的表计用电量向量的协方差随着固定比例窃电用户数量的增加存在递增性质，如式(4)所示，
[0033][0034]
其中，表示：计算与的协方差；c是台区k内的窃电用户集合，为用户j的经过标准化处理的表计用电量向量，为用户h的经过标准化处理的表计用电量向量；
[0035]
在上述技术方案的基础上，所述检测模块将群体性固定比例窃电行为的检测问题转化为如式(5)所示的组合优化问题，
[0036][0037][0038]
其中，表示：集合p是集合a的任意非空子集。
[0039]
在上述技术方案的基础上，所述检测模块将所述组合优化问题分解为若干个子问题，每一个子问题表述为：与用户i搭配，使得用户的表计用电量向量与台区k的线损电量向量的协方差最大的用户组合，如式(6)所示，
[0040][0041][0042]
其中，表示：p
i
为集合a去除用户i后的任意子集。
[0043]
在上述技术方案的基础上，假设全局最优解p
max
为：经检测模块搜寻后，使得台区线损电量向量和用户的表计用电量向量的协方差最大的用户组合，并以p
max
作为台区k的窃电嫌疑用户集合，p
max
的表达式如式(7)所示，
[0044][0045]
检测模块通过搜寻每一个子问题的最优解p
imax
，实现对全局最优解p
max
的求解。
[0046]
在上述技术方案的基础上，检测模块实现对全局最优解p
max
的求解，具体包括以下步骤：
[0047]
s4.1、首先根据将用户降序排列，优先搜寻较大的用户对应的p
imax
；由于协方差较大的用户属于窃电用户集合的可能性更大，所以先按照协方差降序排列，优先搜寻可能性更高的用户对应的最优组合，一定程度上能加速全局搜寻。
[0048]
s4.2、1阶寻优：如果使得，称i
→
j为用户i的1阶递增路径，相应的j记为j1；记使得增量最大的j1为j
1max
，相应的递增路径i
→
j
1max
称为1阶最增路径；1阶寻优的过程就是找到i
→
j
1max
的过程；
[0049]
s4.3、2阶寻优：在i
→
j
1max
的基础上，找到i
→
j
1max
→
j
2max
；
[0050]
s4.4、n阶寻优：在i
→
j
1max
→…→
j
(n
‑
1)max
基础上，找到i
→
j
1max
→…→
j
(n
‑
1)max
→
j
nmax
；
[0051]
s4.5、截止条件：在n阶寻优后，如果n＝|a|
‑
1，其中，|a|表示集合a中的元素数量，说明寻优过程已经遍历完所有用户，寻优停止；或者，在n阶寻优后，在进行n 1阶寻优时，如果不存在n 1阶递增路径，说明台区k的线损电量向量和固定比例窃电用户的表计用电量向量的协方差已不再增加，寻优终止；
[0052]
s4.6、寻优终止后，p
imax
＝{j
1max
,j
2max
,
…
,j
kmax
}；
[0053]
s4.7、对每一个用户i采取步骤s4.1
‑
s4.6搜寻其对应的p
imax
，全局最优解p
max
如式(8)所示，
[0054][0055]
在上述技术方案的基础上，步骤s5的具体步骤为：
[0056]
将全局最优解对应的相关性系数作为用电场景是否固定比例窃电场景的判断指标，其中，表示：与的皮尔森相关性度量；
[0057]
设定阈值threshold,当时，则分析的用电场景为固定比例窃电场景(即以固定比例窃电为主)，检测模块输出窃电嫌疑用户集合c
sus
＝p
max
；当时，则分析的用电场景不是固定比例窃电场景，为了避免算法失效，检测模块输出闭锁检测模块。
[0058]
本发明的有益技术效果如下：
[0059]
(1)本发明仅以用户的用电量和台区的损失电量(即线损电量)作为原始数据，在充分保证用户隐私的前提下，不需要增设采集其余电气量的电表设备，可同时应用于专变台区和公变台区，具备了优良的实用化条件；
[0060]
(2)本发明针对当前检测方法在群体性固定比例窃电场景下检测的准确度和查全
率低这一短板，通过建立群体性固定比例窃电用户电量和台区损失电量(即线损电量)的数学模型，以求解一个组合优化问题的方式实现了对此类窃电用户的检测，同时具备深刻的理论基础和优越的工程应用效果；
[0061]
(3)本发明考虑到用户不一定都采用固定比例的窃电方式，专门增设了固定比例窃电场景的判别环节，规避了非目标场景导致的失效问题，保证了模型具有较高的鲁棒性。
附图说明
[0062]
本发明有如下附图：
[0063]
图1为本发明所述适用于群体性固定比例窃电行为的检测方法流程示意图。
[0064]
图2为本发明所述检测系统中检测模块搜寻子问题最优解的原理示意图。
[0065]
图3为实施例二中5种检测方法的查全率随窃电用户数量变化的曲线示意图。
[0066]
图4为实施例二中5种检测方法的查准率随窃电用户数量变化的曲线示意图。
[0067]
图5为本发明所述适用于群体性固定比例窃电行为的检测系统框架示意图
具体实施方式
[0068]
为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式，对上述技术方案进行详细的说明。
[0069]
如图5所示，一种适用于群体性固定比例窃电行为的检测系统，包括：预处理模块、检测模块和判断模块；
[0070]
所述预处理模块与检测模块相连，并进行数据传递；所述检测模块与判断模块相连，并进行数据传递；
[0071]
所述预处理模块用于：
[0072]
①
从用电信息采集系统提取单位时间内用户的电量数据，并进行数据的向量化和标准化处理，即电量向量标准化，并将数据输入检测模块；
[0073]
②
从一体化线损管理系统提取单位时间内台区线损的电量数据，并进行数据的向量化和标准化处理，并将数据输入检测模块；即如图5所示的，原始用电数据向量化，计算线损向量、线损向量标准化。
[0074]
所述检测模块用于：
[0075]
①
利用标准化处理的台区的线损向量和固定比例窃电用户的表计用电量向量的协方差随着固定比例窃电用户数量的增加存在的递增性质进行群体性固定比例窃电行为的检测；
[0076]
②
判断用电场景是否为固定比例窃电场景；
[0077]
③
输出窃电嫌疑用户集合c
sus
，并传送给判断模块；
[0078]
即进行llc(适用于群体性固定比例窃电行为的检测方法)算法检测，输出每一天d的窃电嫌疑用户集合c
sus
。
[0079]
所述判断模块用于：计算用户的窃电嫌疑度，即计算每一个用户i的γ
i
，选择γ
i
最高的若干个用户进行现场稽查。
[0080]
以下结合图1和图2对本发明的技术方案做进一步的详细说明。图1是本发明所述适用于群体性固定比例窃电行为的检测方法流程示意图，主要包括以下步骤：
[0081]
s1、数据的提取及向量化
[0082]
预处理模块从用电信息采集系统提取台区k内每一个用户一天内的表计用电量序列，形成用户i的表计用电量向量
[0083]
s2、预处理模块从一体化线损管理系统提取台区k一天内的线损电量序列，形成台区k的线损电量向量ω
k
＝[ω
k,1
,ω
k,2
,...,ω
k,t
]
t
；
[0084]
s3、数据的标准化处理
[0085]
利用式(1)将进行标准化处理，得到
[0086][0087]
利用式(2)将ω
k
进行标准化处理，得到
[0088][0089]
s4、检测模块将得到的和为输入，以求解一个组合优化问题的方式，输出台区k的窃电嫌疑用户集合c
sus
，具体如下，
[0090]
1)子问题最优解的搜寻
[0091]
当台区k内任意两固定比例窃电用户的表计用电量向量正相关时，基于固定比例窃电用户的表计用电量向量和台区线损电量向量两者的协方差随着固定比例窃电用户数量的增加存在的递增性质(简称：协方差存在的递增性质)，搜寻与用户i搭配，使得用户的表计用电量向量与台区k的线损电量向量的协方差最大的用户组合p
imax
；
[0092]
2)全局最优解的搜寻
[0093]
搜寻每一个用户i对应的p
imax
，其中使得用户的表计用电量向量与台区k的线损电量向量的协方差最大的p
imax
就是全局最优解p
max
；
[0094]
s5、目标场景的判断
[0095]
计算全局最优解对应的相关性系数设定阈值threshold；当时，认为分析的场景以固定比例窃电为主，检测模块输出窃电嫌疑用户集合c
sus
＝p
max
；当时，认为分析对象不是目标场景，为了避免算法失效，输出闭锁检测模块；
[0096]
s6、检测模块在处理完台区k共m天的数据后，把每一天的c
sus
传递给判断模块；
[0097]
s7、判断模块根据用户i在m天内属于c
sus
的次数m
i
，来计算用户i的窃电嫌疑度γ
i
；最终，选择窃电嫌疑度最高的若干个用户进行现场稽查。
[0098]
图2是检测模块201中搜寻子问题最优解的原理示意图，具体步骤包括：
[0099]
s4.1、首先根据把用户降序排列，优先搜寻较大的用户对应的p
imax
。
[0100]
s4.2、1阶寻优：如果使得，称i
→
j为用户i的1阶递增路径，相应的j记为j1；记使得增量最大的j1为j
1max
，相应的递增路径i
→
j
1max
称为1阶最增路径；1阶寻优的过程就是找到i
→
j
1max
的过程。
[0101]
s4.3、2阶寻优：在i
→
j
1max
的基础上，找到i
→
j
1max
→
j
2max
。
[0102]
s4.4)n阶寻优：在i
→
j
1max
→…→
j
(n
‑
1)max
基础上，找到i
→
j
1max
→…→
j
(n
‑
1)max
→
j
nmax
。
[0103]
s4.5、截止条件：在n阶寻优后，如果n＝|a|
‑
1，说明寻优过程已经遍历完所有用户，寻优停止；或者，在n阶寻优后，在进行n 1阶寻优时，如果不存在n 1阶递增路径，说明台区k的线损电量向量和固定比例窃电用户的表计用电量向量的协方差已不再增加，寻优终止。
[0104]
s4.6、寻优终止后，p
imax
＝{j
1max
,j
2max
,
…
,j
kmax
}。
[0105]
实施例
[0106]
下面结合两实施例说明，对本发明的应用效果进行说明。采用国家电网某省公司提供的用电数据作为原始数据集，该数据集信息如表1所示。因该数据集所有用户均来自于线损率低于3％的台区，可以认为均为正常用户。选用500个三相用户在2019年8月至2019年9月共61天的用电量数据作为正常用电数据，并依托中国电力科学研究院反窃电中心的窃电仿真模拟实验平台对正常数据进行窃电改造。采用查全率和查准率两个指标来评价检测的准确度，并通过对比其余4种窃电检测方法来说明本发明的应用效果，4种对比方法的介绍如表2所示。
[0107]
表1.原始数据集说明表
[0108][0109]
表2.对比检测方法说明表
[0110][0111]
实施例一：
[0112]
选择61天的数据，将500个三相用户均分成10组，代表10个供电台区，每个台区里选择6个用户，进行固定比例窃电改造，每个台区窃电用户占比为12％。通过台区随机构造和窃电用户随机选取，进行了100次重复实验。
[0113]
表3展示了5种方法在100次实验中的查全率和查准率的平均值，可以看出本发明的查全率和查准率均在0.95以上，远高于cfsfdp和lof的指标，并且其指标在ppc(0.787,0.758)和mic(0.768,0.737)的基础上提升了近25％，表明了本发明在群体性固定比例窃电场景下具有优越的检测准确度。
[0114]
表4展示了5种方法在100次实验中查全率和查准率的标准差，可以看出5种方法查全率标准差相差并不大，均在0.04
‑
0.06之间；5种方法查准率的标准差则分布在0.09
‑
0.19之间，其中本发明的查准率标准差为0.103，仅高于lof的标准差，表明了本发明在实际应用中具有良好的运行稳定性。
[0115]
表3.实施例一的5种检测方法查全率和查准率的平均值表
[0116][0117]
表4.实施例一的5种检测方法查全率和查准率的标准差
[0118][0119]
实施例二：
[0120]
选择61天的数据，将500个三相用户均分成10组，代表10个供电台区，在保证每个台区用户总数不变的情况下，将窃电用户数量从2增加到16(步长为2)，说明固定比例窃电用户数量的变化对不同检测方法的影响。
[0121]
图3展示了这一过程中5种方法查全率的变化，图4则展示了查准率的变化。从图3和图4可以看出，窃电用户数量较少时，pcc、mic和本发明都具有很高的检测准确度，但是随着窃电用户增加，pcc和mic的查全率迅速下降，且与本发明的指标逐渐拉开；整个过程中，pcc和mic的查全率减幅分别为0.231(0.92
‑
0.689)和0.251(0.911
‑
0.654)，而本发明对应的只有0.111(0.998
‑
0.887)，三者的查准率也具有类似的变化：这表明：当出现群体性固定比例窃电行为时，会给pcc和mic的检测准确度带来负面影响，且随着窃电用户规模增加，这种负面影响会进一步加剧；而本发明的指标虽然也有所降低，但总体依然保持在很高的分值，表明了本发明在此场景下具有良好的运行鲁棒性。
[0122]
综上所述，本发明所述群体性固定比例窃电行为检测方法充分利用群体性固定比例窃电用户和台区线损两者电量之间的数学特性，在充分尊重用户隐私的前提下，能够实现对群体性固定比例窃电用户的精确查准和完备查全，同时增设的目标场景判断环节，使得模型具备较高的运行稳定性和鲁棒性。
[0123]
本领域技术人员均应了解，在不脱离本发明的精神和范围的情况下，可以对本发明进行各种修改和变型。因而，如果任何修改或变型落入所附权利要求书及等同物的保护范围内时，认为本发明涵盖这些修改和变型。
[0124]
本说明书中未做详细描述的内容属于本领域专业技术人员公知的现有技术。