全流程可视化操作,实现电力窃漏电用户自动识别其实挺简单!

全流程可视化操作,实现电力窃漏电用户自动识别其实挺简单!



背景描述

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。本案例基于思迈特软件的数据挖掘平台Smartbi Mining进行建模,使用随机森林算法算法实现电力窃漏电用户自动识别。


数据说明

某电力公司采集的数据集共计291条,共有四个字段,其中目标字段为是否窃漏电。


NOMBER

字段名称

数据类型

字段描述

1

电量趋势下降指标

Int

用电量趋势

2

线损指标

Int

线损增长率

3

告警类指标

Int

与切漏电相关的终端告警数

4

是否窃漏电

Int




部分数据截图

撒烦烦烦烦烦烦.png 

整体实验流程图

发受到广泛但是的.png




如需查看完整文档,请点击【下载】,资料自动发送至您的邮箱,请前往邮箱下载查看。


1/1
下载
分享到微信朋友圈 ×
打开微信,点击底部的“发现”,
使用“扫一扫”即可将网页分享至朋友圈。

电话咨询

售前咨询
400-878-3819 转1

售后咨询
400-878-3819 转2
服务时间:工作日9:00-18:00

在线咨询

sales邮箱

商务咨询请联系邮箱

邮箱地址:sales@smartbi.com.cn

Demo体验

返回顶层