电力采集系统进行线损分析「电网十四五规划问题」

今天带来电力采集系统进行线损分析「电网十四五规划问题」，关于电力采集系统进行线损分析「电网十四五规划问题」很多人还不知道，现在让我们一起来看看吧！

市场经济条件下，部分不法经营者采用各种手段窃取电能，直接造成供电企业收 益损失。传统上，用电异常检测主要依靠人工排查，因数据匮乏、异常检测缺乏指向性，往往 消耗大量人力、物力但收效不彰。目前，我国电网企业已基本实现用电信息的完整采集，能 及时准确掌握电力用户的用电数据和客户信息，为利用用电数据挖掘分析识别窃电用户提 供了有效技术支撑。 [0003] 供电企业生产技术人员根据经验总结了低压用户零序电流、功率反向和电表失压 等具有确切物理意义的指标，能准确标识用电异常行为，但该类方法仅适用于特定类型的 窃电手法，无法检出绕表用电等其它形式的窃电。

电力工作者围绕数据驱动的用电异常检测，从无监督的聚类分析和有监督的分类 分析两方面开展了大量研究。这些研究一般根据用户窃电会表现出用电量的趋势性下降、 日负荷曲线的异常以及报装容量利用率偏低等共有的特征，再结合客户信息、缴费记录和 被稽查次数等信息来设计特征指标项，再针对性的选择分类或聚类算法识别用电异常。这 些研究往往将用电量的异常变化作为核心要素来设计特征指标项，本身就容易出现误报， 原因如下：不同行业用户的用电行为特性存在显著差异，相当部分行业用电需求直接取决 于订单需量，用户用电量的大幅或趋势性波动是常态；用电需求相对稳定的行业用户，可能 在环保检查和安全检查等外界干扰下出现低电量异常。

在供电企业的线损管理中，配电线路的线损管理，历来是线损管理的重点和难点。 调查显示，在配电环节，10kV及以下线损，占到了总线损的65％～70％。由于窃电是造成线 损率居高不下的重要原因，实际工作中，营销人员往往选择线损率最高的配电线路进行用 电稽查，如线损率大于5％的线路一般认为存在窃电行为。尽管一体化线损管理系统中记录 有配电线路下属所有台区的详细用电数据，但由于缺乏有效的数据挖掘分析方法，营销人 员只能在选定高损线路后根据经验逐个排查窃电用户，亟待研究适用的高损线路窃电用户 定位识别算法以提高用电稽查工作效率。

问题拆分

利用线路线损电量与下属各用户用 电量之间存在长期动态互动关系，首先，运用边限协整检验分析线损电量和用户用电量的长期 均衡关系；然后，构建线路线损电量与下属各用 户用电量的向量自回归模型，计算脉冲响应函 数；最后，通过方差分解量化分析线损电量与用 户用电量之间的波动贡献度，将对线损电量有显著影响且波动贡献度最大的用户识别为窃电嫌疑用户。本方法不要求用户与线路具有相同的单整阶数，并能给出用户对线损贡献度的量化结果。

问题解决

虽然窃电手法多种多样，但大部分窃电用户为了躲避稽查，常采用分压法或分流法以实现等比例窃电，其分线线损电量的变化基本与窃电用户的用电量成正比，窃电用户的负荷曲线会显著表现出与线损电量的同步变化性。由此可见，线损电量与窃电用户负荷电量存在强关联性。利用这种关联特性，可挖掘分析出线损电量与窃电用户负荷电量之间的长期动态互动作用关系，识别出导致线路损失电量异常波动的窃电用户。

[0007] 因而，本发明的目的是，针对现有技术的上述不足，提供一种基于向量自回归模型 的高损线路窃电检测方法，以对用窃电嫌疑用户进行定位识别。

[0008] 为达上述目的，本发明所采用的技术方案是：一种基于向量自回归模型的高损线 路窃电检测方法，该方法步骤如下：

[0009] 步骤1 .确定窃电高损线路，获取该窃电高损线路的单位时间损失电量数据及在相 同时间段内该高损线路的下属各用户的单位时间用电量数据，分别建立单位时间损失电量 时间序列S＝{S1，S2，…，St }及下属各用户的单位时间用电量时间序列Yi＝{Yi1，Yi2，…Yit}， 其中，i为下属用户，i＝1，2，…，n，n为下属全部用户的数量，t为时间序列的长度；

[0010] 上述窃电高损线路的确定是根据各线路的线损率或线损波动率来确定，为本领域 的常规技术。以线损率来确定时，由供电企业根据当地实际情况决定，因10kV配电线路理论 线损多在2％‑3％之间，一般认为线损高于5％的线路为高损线路。

[0011] 上述提及的单位时间损失电量时间序列S和单位时间用电量时间序列Yi采用相同 的单位时间。该单位时间为具体的时段，当单位时间为日(即24小时)时，获取的各用户用电 量数据中直接包含日用电量数据，则可直接建立下属各用户的日用电量时间序列；当单位 时间为15分钟、30分钟、60分钟或12小时等其他时段时，可根据获取的各用户用电量数据计 算出时段用电量数据后再建立下属各用户的小时用电量时间序列。

[0012] 步骤2 .分别构建该高损线路下属各用户的单位时间用电量时间序列Y1，Y2， Y3 ...Yn与单位时间损失电量时间序列S的无约束误差修正模型，通过边限协整检验方法检 验该高损线路的损失电量与下属各用户的用电量之间是否存在长期协整关系，若存在长期 协整关系，则进入步骤3；

[0013] 上述提及的无约束误差修正模型的建立过程为本领域的常规技术。

[0014] 上述提及的边限协整检验法为本领域的常规技术。常用协整检验方法 (Engle‑ Granger协整检验和Johansen协整检验)的约束条件是两个变量的时间序列具有相同的单 整阶数，当线损电量和用户用电量为不同阶数时，将无法应用。由于一条线路或台区下可能 有几十个用户，各个用户与线损电量的单整阶数不同是一个普遍现象，而边限协整检验可 同时检验多个变量之间的协整关系，且与常用协整检验方法相比，不要求变量同阶单整，突 破了单整阶数的限制，因此，本申请利用边限协整检验法对序列间关系进行检验，可以更加 稳定地识别损失电量与下属各用户用电量之间的协整关系。

[0015] 步骤3 .构建该高损线路下属各用户的单位时间用电量时间序列Y1，Y2，Y3 ...Yn与 单位时间损失电量时间序列S的向量自回归模型(以利于步骤4分析高损线路的损失电量与 下属各用户的用电量之间的动态互动关系即脉冲响应函数分析和动态方差分解)，确定模 型最优滞后期数使向量自回归模型稳定；

[0016] 上述模型最优滞后期数是依据向量自回归模型中的AIC，SC和HQ信息准则确定，为 本领域的常规技术。

[0017] 上述提及的向量自回归模型的稳定性的检验过程为本领域的常规技术。

[0018] 步骤4 .在建立的向量自回归模型基础上，采用脉冲响应函数分析对损失电量具有 长短期显著影响的用户，再对损失电量与下属各用户进行动态方差分解，计算每个用户对 损失电量变化的贡献度，将对高损线路的损失电量有显著影响且波动贡献度最大的用户识 别为窃电嫌疑用户，进行上门稽查。

[0019] 上述提及的向量自回归模型中的脉冲响应函数分析、动态方差分解以及波动贡献 度的计算过程均为本领域的常规技术。

[0020] 各个用户对损失电量的长期显著影响是根据长期协整方程中各用户变量的t检验 统计量与5％显著性水平的大小关系进行判断：若t检验统计量大于5％，则表明该用户对损 失电量无长期显著影响；若t检验统计量小于5％，则表明该用户对损失电量有长期显著影 响。各个用户变量系数估计值的正负也代表了长期显著影响是促进还是削弱。

[0021] 各个用户对损失电量的短期显著影响是看无约束误差修正模型方程中各用户滞 后变量是否对损失变量存在滞后效应即短期显著影响，根据无约束误差修正模型方程中各 用户滞后变量的t检验统计量与5％显著性水平的大小关系进行判断：若该用户滞后变量的 t检验统计量大于5％，则表明该用户对损失电量无短期显著影响；若该用户滞后变量的t检 验统计量小于5％，则表明该用户对损失电量存在滞后效应即短期显著影响。各个用户滞后 变量的系数估计值的正负也代表滞后效应的正负。

[0022] 长期协整方程和无约束误差修正模型方程均是边限协整检验中推导得出。

[0023] 本发明在配电线路线损发生异常波动时，通过边限协整检验及向量自回归模型中 的脉冲响应函数分析和动态方差分解量化分析了该线损线路的各个用户对线损电量的影响。与传统的关联分析和格兰杰归因分析相比，能够给出线损线路的各个用户对线损电量 的动态影响路径以及波动贡献度，量化了各个用户对线损电量的影响程度，且没有平稳性 的限制。相较于营销部门逐一上门稽查，降低了稽查成本，同时减少了供电企业不必要的经济损失。本方法既可以在用电信息采集主站进行窃电用户检测，也可以在台区的智能网关， 或采集终端上以边缘计算的方式检测窃电，在台区以边缘计算方式实现时，可以避免个别 用户用电数据上传失败时的造成负线损影响窃电检测准确率的问题。