基于电力营销数据的用户行为特征分析及窃电识别方法研究

发布时间：2021-06-18 08:57

　　基于当前国内电力体制改革形势和窃电技术的发展,反窃电工作的重要性和紧迫性日益提升,而如何精准高效识别窃电用户是反窃电管理的首要工作。本文基于目前已广泛应用的用电信息采集系统数据,借助各类算法对用户的电流、电压、功率因数、电量不平衡率等曲线情况进行分析,进而实现窃电用户的初步甄别,然后对重点疑似窃电对象实施精准监测,为反窃电工作提供参考和帮助。本文主要研究内容如下:首先,针对本课题查找相关文献,发现目前判断用户窃电行为的研究往往局限于电力用户之间的横向对比,甄别出窃电用户的准确率不高。因此,本文在对比分析多种基本算法的基础上,确定利用层次分析法以及LOF（Local Outlier Factor,LOF）算法等建立基于用电信息采集数据的电力用户行为特征分析算法,并结合窃电行为特点制定窃电用户识别方案,同时对相关算法进行了详细介绍。其次,根据数据离群点检测原理,提出了基于加权LOF算法的窃电识别方法,实现对用户进行全面的窃电行为嫌疑评估。针对确定的用户行为特征分析电量指标,结合层次分析法,对不同电气指标进行权重的分析量化,建立加权的LOF算法,能够规避由于电力数据分布密度不均衡而引起的检测... 

【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

图１．１论文研究框架??

步提升供电管理水平来说意义重大。因此，本章对用电信息采集系统进行介绍??分析，按照数据挖掘的研究思路，通过比对关联规则、聚类、分类、序列等数??据挖掘算法的特点，结合当前用户特征行为分析研究的现状，以及对实际情况??的调研分析，确定应用基于层次分析法的加权ＬＯＦ算并对基于层次分析法??的加权ＬＯＦ算法进行阐释说明。??２．２地区电网用电信息采集系统介绍??２．２．１用电信息采集系统构成??用户信息采集系统包括业务应用模块，电力设备信息采集模块，外部链接??模块、抄表采集模块等。图２．１为用电信息采集系统架构图。??＜４－?ｔ?ｔ．?ｃｉｔ．?ｔ?ｒ－ｒ?ｍ??禹?＿?ｉ?ｉ?ｉ?｜?＾?＾?ｄ?－??明务》?务火墙?丨作站?：丨：作站?丄ｆＶ站??ＯＰ３＿Ｉｉ－ｍＷ?Ｈ?｜?１＊－?？ＵｖＵ／?＜Ｓ４－?????????Ｉ?■???厂?１／?ＭＳ??ｉ?ｉ?ｉ?ｉ?ｉ?ｉ?卷５：??油?ｗ?来：ｔｆｃ?ａｓ?务：ａ?ｗｒ?ｔｎ?把他１??ｔ／＾ＳＭＸＪ－ＫＳ?？?ｌ＞？＾＼?＾?ｔＯＭ?九？千?Ｃ??！?Ｉ?１?＾ｆ＝ｉ?Ｉ?Ｉ?ｘ？ｉｂｐａ）?Ｉ?Ｉ?丨Ｉ??二一?，??ｔｉｂ＾〒言［ＳｉＴ曼邊響??Ｗ?Ｉ???＾°尸?１?——＊??，?—７－?？?＇Ｓｅｇ－?ｋｋ?１?■?７＾￣￣￣７ＺＨ．??卜Ｔｔ＿Ｊ?：‘子＾?＋?手??：．?ｔ?ｔｔｉ?ｎ－?＂?＾＇－．ｉ?￣?？ｘ．＇．??今？■？？！／？?ｖｉｎ?ｉｔ－?ｍ－ｍｔｔ．ｔｎ．ｉｒ＊??图２．１用电信息采集系统架构图??６??

山东大学硕士论文??图２．２为用电管理一体化系统软件架构，从上至下依次是Ｂ／Ｓ客户端的表现??层，包含采集子系统、业务子系统及对外接口的应用层，包含数据访问服务、??消息送达服务、权限服务、报表服务等的服务层，由数据库构成的数据层，还??包括营销系统、生产系统等相关系统。??／，?＇、．?，？?＇、??表现层?：’Ｂ／Ｓ客户瑞］?（相关系统?）??厂——广一■—．?／?＼??采集子系统＼?／?业务子系统对外接口?丨，??务数据、：：营销系统”??应用?ｇ?Ｉ?彳色；ｍ；?＇?＼?ｔｓ；?ｆｉｆｆｌ；?Ｉ?；?＇丨?ｙ???１?—?Ｉ?＼?”?＿?ｉ?＼?１１?，??ｉ??＇?：规划、?；＼?／?＼?＼?！?，?＇??」．解妃?＇ＣｊＪ?＇?Ｗ?＇．?／卜：生产系统：ｉ??？?—＊￣?Ｖ?／?ｙ?：?！??、＇—???、—??——??：?＇?／???：二?．．…｜、．?，Ｉ??乂权麵：鉍表服．；／其他服：…、Ｉ??化，眼务，?＇乙＼上．／已＂?碰系统，丨；丨??、－?＾’?＼、、＾?＾?／??＼?／??／?Ａ?＼?／??数据层?：数据库?、，?／??．．．．?ｙ?Ｎ?，??图２．２用电管理一体化系统软件架构??２．２．２系统功能特点??（１）数据采集分析??用电信息采集系统的功能是设定标准时间来采集计量点的电流、电压、功??率、电量等，采集电表异常等用电事件，并提供负荷曲线、日冻结曲线、电能??质量分析等功能，确保电力数据的精确性和完整度，有效支撑供电企业的用电??管理工作。主要

【参考文献】：
期刊论文
[1]基于大数据的数据挖掘技术和应用分析[J]. 徐伟.  安阳师范学院学报. 2019(05)
[2]基于BP神经网络预测模型能源管理系统研究与应用[J]. 罗坤杰,张颖慧.  工业控制计算机. 2019(09)
[3]基于数据挖掘的电力设备运维与决策分析方法[J]. 蔡泽祥,马国龙,孙宇嫣,黄昱翰.  华南理工大学学报(自然科学版). 2019(06)
[4]智能防窃电控制计量箱的应用分析[J]. 裴付中,郝斐,权光建,李广虎,赵建军.  集成电路应用. 2019(06)
[5]基于数据挖掘技术的电力调度系统设计与实现[J]. 汤伟,杨铖.  自动化与仪器仪表. 2019(05)
[6]基于大数据的变结构BP神经网络反窃电技术研究[J]. 强浩,戴巧云,吴柯,杜健,殷新博,陈琛.  江苏理工学院学报. 2019(02)
[7]一种自适应差分进化算法及应用[J]. 周艳平,蔡素.  计算机技术与发展. 2019(07)
[8]基于自适应差分进化算法的优化[J]. 李丽蓉,王平.  山西大学学报(自然科学版). 2019(03)
[9]基于模糊层次分析的配电网滚动规划后评价研究[J]. 陈湫林,韩松.  电测与仪表. 2019(06)
[10]基于改进的思维进化算法与BP神经网络的AQI预测[J]. 高帅,胡红萍,李洋,白艳萍.  数学的实践与认识. 2018(19)



本文编号：3236369