基于数据挖掘的异常用电行为诊断方法研究

发布时间：2020-12-28 00:26

　　随着能源需求量的不断增大,能源短缺问题变得越来越严峻,电力这项基础产业作为能源工业的重要组成部分,越来越成为国家关心的话题,而在利益的驱动下,出现了很多诸如窃电、漏电的异常用电行为,这些行为不仅会严重威胁经济发展,还会扰乱正常的供电用电秩序。虽然供电企业也在不断提高自身的科学技术水平,将各种计算机通信网络技术应用在在电力运营管理方面,但是传统的方法仍然相对落后。而电力系统的存储设备中积累了大量的电能计量数据,如何充分利用这些数据,并通过数据挖掘手段挖掘出其大量的潜在价值,对于协助电力企业掌握用户用电特征、检测异常用电行为,改善传统手段经常出现漏判、误判的不良监测效果等具有显著意义。针对这些问题,本文展开了基于数据挖掘方法的异常用电行为诊断方法的分析与研究。1.对异常用电特征的初步探索与分析。本文首先讨论了数据挖掘相关技术理论,并分析了在其电力领域的应用情况,构建了基于数据挖掘的异常用电检测闭环应用机制。从原因、方式等方面对异常用电行为做出相关分析,并初步探索了异常用电的特征,分析了异常用电和正常用电在用电量方面的特征差异。2.基于FCM聚类分析的异常用电嫌疑用户初步筛选。针对最佳聚类数... 

【文章来源】：东华大学上海市 211工程院校 教育部直属院校

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

正常用电量变化趋势

正常用电

16图 2-5 正常用电量移动平均差分（2）正常用电到异常用电的电量特征分析图 2-6、2-7 和 2-8 显示了异常用电用户的用电量特征，分别为从正常用电到异常用电的电量走势、移动平均走势和移动平均差分。由图 2-6 可知，正常用电到异常用电的电量整体呈现不断下降的趋势，图中用户从第 45 天开始出现下降的走势，之后一直持续下降，图 2-7 的移动平均数据呈现了更加明显的下降趋势，而移动平均差分的连续下降超过 0.04，最高达到 0.09 以外，其连续上升或下降范围较大。

【参考文献】：
期刊论文
[1]基于神经网络算法的用户窃电行为检测模型研究[J]. 吴健,林国强,王晓慧,沈尚义,陈诚.  电力信息与通信技术. 2017(12)
[2]IPv6电力数据监测移动应用系统的研究[J]. 仝天乐,高鸿峰,肖倩,刘满义,杨家维,徐志聘.  电力信息与通信技术. 2017(09)
[3]基于异常用电行为识别的社会治安风险预警方法[J]. 张威,敖乃翔,王德勇,李华,顾洪健.  中国电子科学研究院学报. 2016(06)
[4]电力大数据智能化高效分析挖掘技术框架[J]. 邓松,岳东,朱力鹏,胡斌,周爱华.  电子测量与仪器学报. 2016(11)
[5]面向智能电网应用的电力大数据关键技术[J]. 梁正波.  科技传播. 2015(20)
[6]电力大数据平台研究与设计[J]. 朱朝阳,王继业,邓春宇.  电力信息与通信技术. 2015(06)
[7]基于Web数据挖掘技术研究[J]. 张跃,李葆青,胡玲芳,孟丽.  电脑知识与技术. 2015(09)
[8]人工神经网络的发展及应用[J]. 梁烨妮.  硅谷. 2014(12)
[9]基于本地功率基准的异常用电监测方法[J]. 陈阳生,李梦婵,王立鹏,尚秋峰.  电子科技. 2014(03)
[10]基于模糊负荷聚类的不良负荷数据辨识与修正[J]. 刘辉舟,周开乐,胡小建.  中国电力. 2013(10)

硕士论文
[1]变电站负荷聚类与综合负荷建模研究[D]. 孔帅.长沙理工大学 2010



本文编号：2942785