JOURNAL OF LIGHT INDUSTRY

CN 41-1437/TS  ISSN 2096-1553

一种基于电力大数据的反窃电预测方法

金保华 张明星 吴怀广 石永生

金保华, 张明星, 吴怀广, 等. 一种基于电力大数据的反窃电预测方法[J]. 轻工学报, 2020, 35(4): 81-87,95. doi: 10.12187/2020.04.011
引用本文: 金保华, 张明星, 吴怀广, 等. 一种基于电力大数据的反窃电预测方法[J]. 轻工学报, 2020, 35(4): 81-87,95. doi: 10.12187/2020.04.011
JIN Baohua, ZHANG Mingxing, WU Huaiguang and et al. A prediction method of anti-electricity stealing based on big data of electric power[J]. Journal of Light Industry, 2020, 35(4): 81-87,95. doi: 10.12187/2020.04.011
Citation: JIN Baohua, ZHANG Mingxing, WU Huaiguang and et al. A prediction method of anti-electricity stealing based on big data of electric power[J]. Journal of Light Industry, 2020, 35(4): 81-87,95. doi: 10.12187/2020.04.011

一种基于电力大数据的反窃电预测方法

    作者简介: 金保华(1966-),男,河南省郑州市人,郑州轻工业大学教授,主要研究方向为人工智能、计算机决策支持系统、计算机软件和理论、应急管理.;
  • 基金项目: 国家自然科学基金项目(61672470,61802350);国家重点研发计划项目(2016YFE0100600,2016YFE0100300)

  • 中图分类号: TM73

A prediction method of anti-electricity stealing based on big data of electric power

  • Received Date: 2020-03-27

    CLC number: TM73

  • 摘要: 针对传统的反窃电预测方法准确度低的问题,提出了一种基于电力大数据的反窃电预测方法.该方法根据异常规则构造窃电数据样本,引入线损率增长率这一约束条件,使用4种机器学习分类算法分别在电压、电流和功率因数数据集上构建预测模型,将其输出的数据异常用户与线损异常用户相结合,输出疑似窃电用户清单.实验结果表明,该方法预测准确度令人满意,在疑似窃电用户识别方面是高效可行的.
    1. [1]

      PAN W,YANG Q,AGGARWAL C,et al.Big data[J].IEEE Intelligent Systems,2007,32(2):7.

    2. [2]

      王红平,唐永锋.大数据思维在高校学生信息化管理中的支撑作用[J].科技创新导报,2018,15(13):231.

    3. [3]

      JOSHI P,RAO P.Global pulses scenario:Status and outlook[J].Annals of the New York Academy of Sciences,2017,1392(1):6.

    4. [4]

      SEVERIN A J.Dealing with data:Training new scientists[J].Science,2011,331(6024):1516.

    5. [5]

      BIRNEY E.The making of ENCODE:Lessons for big-data projects[J].Nature,2012,489(7414):49.

    6. [6]

      孙宏斌,郭庆来,潘昭光.能源互联网:理念、架构与前沿展望[J].电力系统自动化,2015,39(19):1.

    7. [7]

      FANG X,MISRA S,XUE G,et al.Smart grid——The new and improved power grid:A survey[J].IEEE Communications Surveys & Tutorials,2012,14(4):944.

    8. [8]

      CHEN L J,XU X H,WANG C M.Research on anti-electricity stealing method base on state estimation[C]//Proceedings of Power Engineering and Automation Conference(PEAM).Piscataway:IEEE,2011.

    9. [9]

      李海.用电监察面临的问题及反窃电措施[J].企业改革与管理,2014(4):119.

    10. [10]

      周瑾.窃电与防窃电[J].电力与电工,2004,24(3):73.

    11. [11]

      沈海泓.远方电能计量运行监测系统研究[D].保定:华北电力大学(河北),2004.

    12. [12]

      李小佳.对反窃电技术研究及"零距离"复录系统的实现[D].广州:华南理工大学,2011.

    13. [13]

      李大勇,王瑜,黎灿兵,等.基于无线射频技术的防窃电开箱记录仪设计[J].电测与仪表,2008,45(10):51.

    14. [14]

      孙凤杰,刘争芳,张永灿.基于GPRS无线传输的防窃电系统[J].电力系统通信,2007,28(171):53.

    15. [15]

      余昌华,谢剑英.Winsocket技术在电力远程监控系统中的应用[J].计算机工程,2000,26(10):81.

    16. [16]

      窦健,陈秀群,张海龙,等.一种具有约束条件的用电异常检测模型:201711154836.7[P].2018-05-22.

    17. [17]

      吴迪,王学伟,窦健,等.基于大数据的防窃电模型与方法[J].北京化工大学学报(自然科学版),2018,45(6):79.

    18. [18]

      庄池杰,张斌,胡军,等.基于无监督学习的电力用户异常用电模式检测[J].中国电机工程学报,2016,36(2):379.

    19. [19]

      程超,张汉敬,景志敏,等.基于离群点算法和用电信息采集系统的反窃电研究[J].电力系统保护与控制,2015,43(17):69.

    20. [20]

      王新霞,王珂,焦东翔,等.基于正态分布离群点算法的反窃电研究[J].电气应用,2017,36(7):60.

    21. [21]

      窦健,刘宣,卢继哲,等.基于用电信息采集大数据的防窃电方法研究[J].电测与仪表,2018,55(21):43.

    22. [22]

      任玮蒙,许庆,谢智奕,等.基于电量、电压和电流异常分析的异常用电判断方法:201410706073.2[P].2015-03-11.

    1. [1]

      李跑谭惠珍谢叔娥苏光林董怡青唐辉 . 基于近红外光谱技术有监督模式识别的青皮产地溯源分析. 轻工学报, 2024, 0(0): -.

    2. [2]

      方亦成杨菁陆诚玮冯奇汪旭 . 基于层次分析法的加热卷烟感官评价指标筛选及其权重建立. 轻工学报, 2024, 0(0): -.

  • 加载中
计量
  • PDF下载量:  21
  • 文章访问数:  1123
  • 引证文献数: 0
文章相关
  • 收稿日期:  2020-03-27
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索
金保华, 张明星, 吴怀广, 等. 一种基于电力大数据的反窃电预测方法[J]. 轻工学报, 2020, 35(4): 81-87,95. doi: 10.12187/2020.04.011
引用本文: 金保华, 张明星, 吴怀广, 等. 一种基于电力大数据的反窃电预测方法[J]. 轻工学报, 2020, 35(4): 81-87,95. doi: 10.12187/2020.04.011
JIN Baohua, ZHANG Mingxing, WU Huaiguang and et al. A prediction method of anti-electricity stealing based on big data of electric power[J]. Journal of Light Industry, 2020, 35(4): 81-87,95. doi: 10.12187/2020.04.011
Citation: JIN Baohua, ZHANG Mingxing, WU Huaiguang and et al. A prediction method of anti-electricity stealing based on big data of electric power[J]. Journal of Light Industry, 2020, 35(4): 81-87,95. doi: 10.12187/2020.04.011

一种基于电力大数据的反窃电预测方法

    作者简介:金保华(1966-),男,河南省郑州市人,郑州轻工业大学教授,主要研究方向为人工智能、计算机决策支持系统、计算机软件和理论、应急管理.
  • 郑州轻工业大学 计算机与通信工程学院, 河南 郑州 450001
基金项目:  国家自然科学基金项目(61672470,61802350);国家重点研发计划项目(2016YFE0100600,2016YFE0100300)

摘要: 针对传统的反窃电预测方法准确度低的问题,提出了一种基于电力大数据的反窃电预测方法.该方法根据异常规则构造窃电数据样本,引入线损率增长率这一约束条件,使用4种机器学习分类算法分别在电压、电流和功率因数数据集上构建预测模型,将其输出的数据异常用户与线损异常用户相结合,输出疑似窃电用户清单.实验结果表明,该方法预测准确度令人满意,在疑似窃电用户识别方面是高效可行的.

English Abstract

参考文献 (22) 相关文章 (2)

目录

/

返回文章