一种同一馈线线路下多用户窃电漏计甄别方法的装置与流程

本发明涉及用户窃电漏计甄别技术领域，尤其涉及一种同一馈线线路下多用户窃电漏计甄别方法和装置。

背景技术：

深圳供电局有限公司已于2004年研发了主要基于贝叶斯算法的“窃电漏计分析及预警系统”。经推广应用，为公司挽回了巨额经济损失。然而随着反偷查漏工作的稳步开展，该系统算法的局限性越来越明显。该算法主要目标是准确锁定线路中少计电量占比最大的用户，占比越大锁定的准确性越高，也就是说若线路中同时存在两个或以上而且窃电漏计用户，尤其是窃漏电量相差不大时，该算法将无法进行准确锁定。另外，该算法对异常区间的选取具有很高的要求，要求使用人员具有较丰富的经验，不具有普遍适用性。

技术实现要素：

本发明所要解决的技术问题在于，提供一种同一馈线线路下多用户窃电漏计甄别方法和装置，该方法通过计算组合用户的用电量异常联合概率，从而确定偷电漏计嫌疑用户，该方法能够快速准确锁定嫌疑用户，具有普适性。

为了解决上述技术问题，本发明提供一种同一馈线线路下多用户窃电漏计甄别方法，包括如下步骤：

获取馈线线路下选择时间内每一用户的实际用电量数据和该馈线线路的实际售电量数据；

对线路下的所述选择时间内的每一用户用电量数据进行预测，获得每一用户的预测用电数据，根据预测用电数据和实际用电数据获得每一用户的用电量差值；

对该馈线线路的所述选择时间内的售电量数据进行预测，获得该馈线线路的预测售电量数据，根据预测售电量数据和实际售电量数据获得该馈线的售电量差值；

根据用电量差值和售电量差值计算获得多个窃电漏计用户。

其中，所述对线路下的选择时间内的每一用户用电数量进行预测具体包括：

采用arima模型预测用户在选择时间内的用电数据量。

其中，所述对该馈线线路的选择时间内的售电量数据进行预测具体包括：

采用arima模型预测所述馈线线路的选择时间内的售电量数据。

其中，所述根据用电量差值和售电量差值计算获得多个窃电漏计用户具体包括：

利用所述售电量差值减去所有用户的用电量差值计算获得馈线上所述选择时间内的异常电量，

利用所述用户的用电量差值除以所述异常电量值计算获得每一个用户的用电量异常概率，

根据每一个用户的用电量异常概率计算任意多个用户的用电量异常联合概率，所述异常联合概率最大值对应的组合用户为多个窃电漏计用户。

其中，所述根据用电量差值和售电量差值计算获得多个窃电漏计用户具体包括：

计算任意多个所述用户用电量差值的和值，获得所述和值与所述售电量差值的比例，所述比例最大值对应的组合为所述窃电漏计用户。

本发明还提供一种同一馈线线路下多用户窃电漏计甄别装置，所述装置包括：

获取单元，用于获取馈线线路下选择时间内每一用户的实际用电量数据和该馈线线路的实际售电量数据；

用户用电量差值计算单元，用于对线路下的所述选择时间内的每一用户用电量数据进行预测，获得每一用户的预测用电数据，根据预测用电数据和实际用电数据获得每一用户的用电量差值；

馈线售电量差值计算单元，用于对该馈线线路的所述选择时间内的售电量数据进行预测，获得该馈线线路的预测售电量数据，根据预测售电量数据和实际售电量数据获得该馈线的售电量差值；

窃电漏计用户计算单元，用于根据用电量差值和售电量差值计算获得多个窃电漏计用户。

其中，所述用户用电量差值计算单元采用arima模型预测用户在选择时间内的用电数据量。

其中，所述馈线售电量差值计算单元采用arima模型预测所述馈线线路的选择时间内的售电量数据。

其中，所述窃电漏计用户计算单元具体包括：

异常电量计算单元，用于利用所述售电量差值减去所有用户的用电量差值计算获得馈线上所述选择时间内的异常电量；

用户用电量异常概率计算单元，用于将所述异常电量分配到所述馈线中的每一个用户的用电量数据上，计算获得每一个用户的用电量异常概率；

用电量异常联合概率计算单元，用于根据每一个用户的用电量异常概率计算任意多个用户的用电量异常联合概率，所述异常联合概率最大值对应的组合用户为多个窃电漏计用户。

其中，所述窃电漏计用户计算单元具体包括：

和值计算单元，计算任意多个所述用户用电量差值的和值；比例计算单元，用于计算所述和值与所述售电量差值的比例；

比较单元，用于根据比例最大值获取对应的组合用户，所述组合用户为所述窃电漏计用户。

本发明实施例的有益效果在于：通过计算每一个用户预测用电量和实际用电量的差值以及馈线的预测售电量和实际的售电量之间的差值，然后计算多个用户组合的用电量异常联合概率，用电量异常联合概率越大，说明该用电量异常联合概率对应的用户窃电漏计的嫌疑越大。本发明能够快速准确地锁定嫌疑用户，具有普遍适用性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例一种同一馈线线路下多用户窃电漏计甄别方法的流程示意图。

图2是本发明实施例一种同一馈线线路下多用户窃电漏计甄别装置的结构示意图。

具体实施方式

以下各实施例的说明是参考附图，用以示例本发明可以用以实施的特定实施例。

以下参照图1所示，本发明实施例一提供一种同一馈线线路下多用户窃电漏计甄别方法，该方法包括如下步骤：

步骤s1、获取馈线线路下选择时间内每一用户的实际用电量数据和该馈线的实际售电量数据。

具体地，所述选择时间指的是线损异常时间区间，并且在该选择时间区间内最好选择线损率波动比较平稳的区间，假设该异常时间区间起始时间为t1、结束时间为t2，那么在t1和t2之间至少应该有30个观测值记录。

具体地，每一用户的实际用电量数据可以是该用户在历史时间段内的电表读数，该馈线实际售电数据可以是在选择时间区间内该馈线关口的电能表的历史读数。

步骤s2、对线路下的选择时间内的每一用户用电量数据进行预测，获得每一用户的预测用电数据，然后根据预测用电数据和实际用电数据获得每一用户的用电量差值。

其中，采用arima(autoregressiveintegratedmovingaveragemodel，自回归移动平均模型)模型对线路下的选择时间内的每一用户用电量数据进行预测，计算获得每一用户的预测用电数据。

其中，arima模型的数学表达式为：

其中，p代表预测模型中采用的时序数据本身的滞后数(lags),也叫做ar/auto-regressive项；d代表时序数据需要进行几阶差分化，才是稳定的，也叫integrated项。q代表预测模型中采用的预测误差的滞后数(lags)，也叫做ma/movingaverage项，为预测的用户用电量数据，yt-1为用户前一阶用电量数据，et-1为滞后一阶残差，φ1、φ2、…φp、θ1、θ2、…θp为回归系数。

在获得了每一个用户的用电量预测数据之后，用每一个用户的用电量预测数据减去用户的实际的用电量数据，得到馈线上每一个用户的用电量差值。

步骤s3、对该馈线线路的选择时间内的售电量数据进行预测，获得该馈线的预测售电量数据，然后根据预测售电量数据和实际售电量数据获得该馈线的售电量差值。

具体地，跟所述步骤s2一样，采用arima模型对馈线的售电量进行预测，获得选择时间内的预测售电量数据，利用预测的售电量数据减去实际的售电量数据，从而获得该馈线的售电量差值。

需要说明的是，本发明的步骤s1、s2和s3可以先执行其中的任意一个或两个，也可以三个同时执行。

步骤s4、根据多个用电量差值和售电量差值计算获得多个窃电漏计用户。

其中，所述步骤s4具体包括：

利用所述售电量差值减去所有用户的用电量差值计算获得馈线上所述选择时间内的异常电量，

利用所述用户的用电量差值除以所述异常电量值计算获得每一个用户的用电量异常概率，

根据每一个用户的用电量异常概率计算任意多个用户的用电量异常联合概率，所述异常联合概率最大值对应的组合用户为多个窃电漏计用户。

具体地，由于每一个用户是否窃电是独立性概率事件，因而在获得了每一个用户的用电量异常概率之后，将任意数量的用户的用电量异常概率相乘，则可以获得任意组合用户的用电量异常联合概率。

举例说明，假设该条馈线包括4个用户，第一个用户的用电量异常概率为p1，第二个用户的用电量异常概率为p2，第三个用户的用电量异常概率为p3，第四个用户的用电量异常概率为p4，假设计算任意两个用户的组合用电量异常联合概率，比如，第一个用户和第二个用户的用电量异常联合概率，则用p1乘以p2，假设计算任意三个用户的用电量异常联合概率，比如，第一个用户、第二个用户、第三个用户的用电量异常联合概率，则用p1乘以p2乘以p3。遍历所有的异常联合概率，概率值越接近1，说明该概率组合对应的用户组合为嫌疑偷电漏计用户。

当然，本领域技术人员可知，所述步骤s4还可以计算任意组合用户用电量差值的和，并求取所述差值之和与所述售电量差值的比例，比例越接近于1，说明该组合所对应的用户的窃电漏计的概率越大。

举例说明，假设该条馈线上总共有4个用户，其中，第一个用户的差值为a1、第二个用户的差值为a2、第三个用户的差值为a3、第四个用户的差值为a4，售电量差值为a，首先计算任意两个用户的差值和，例如，第一用户和第二用户的差值和a1+a2，第一用户和第三用户的差值和a1+a3，第二用户和第三用户的差值和以及第三用户和第四用户的差值和，利用差值和除以售电量差值a，获得相应的各个比例，又如，计算任意三个用户的差值和，然后用任意三个用户的差值和除以售电量差值a获得相应的比例值，任意多个用户的差值和所对应的比例与1越接近，说明该多个用户的偷电漏计的概率较大。

本发明实施例通过计算每一个用户预测用电量和实际用电量的差值以及馈线的预测售电量和实际的售电量之间的差值，然后计算多个用户组合的用电量异常联合概率，用电量异常联合概率越大，说明该用电量异常联合概率对应的用户窃电漏计的嫌疑越大。本发明能够快速准确地锁定嫌疑用户，具有普遍适用性。

基于本发明实施例一，本发明实施例二提供一种同一馈线线路下多用户窃电漏计甄别装置，如图2所示，所述装置2包括：

获取单元21，用于获取馈线线路下选择时间内每一用户的实际用电量数据和该馈线线路的实际售电量数据；

用户用电量差值计算单元22，用于对线路下的所述选择时间内的每一用户用电量数据进行预测，获得每一用户的预测用电数据，根据预测用电数据和实际用电数据获得每一用户的用电量差值；

馈线售电量差值计算单元23，用于对该馈线线路的所述选择时间内的售电量数据进行预测，获得该馈线线路的预测售电量数据，根据预测售电量数据和实际售电量数据获得该馈线的售电量差值；

窃电漏计用户计算单元24，用于根据用电量差值和售电量差值计算获得多个窃电漏计用户。

其中，所述用户用电量差值计算单元采用arima模型预测用户在选择时间内的用电数据量。

其中，所述馈线售电量差值计算单元采用arima模型预测所述馈线线路的选择时间内的售电量数据。

其中，所述窃电漏计用户计算单元具体包括：

异常电量计算单元，用于利用所述售电量差值减去所有用户的用电量差值计算获得馈线上所述选择时间内的异常电量；

用户用电量异常概率计算单元，用于将所述异常电量分配到所述馈线中的每一个用户的用电量数据上，计算获得每一个用户的用电量异常概率；

用电量异常联合概率计算单元，用于根据每一个用户的用电量异常概率计算任意多个用户的用电量异常联合概率，所述异常联合概率最大值对应的组合用户为多个窃电漏计用户。

其中，所述窃电漏计用户计算单元具体包括：

和值计算单元，计算任意多个所述用户用电量差值的和值；比例计算单元，用于计算所述和值与所述售电量差值的比例；

比较单元，用于根据比例最大值获取对应的组合用户，所述组合用户为所述窃电漏计用户。

有关本实施例的工作原理以及所带来的有益效果请参照本发明实施例一的说明，此处不再赘述。

以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。