[发明专利]基于向量自回归模型的高损线路窃电检测方法

权利要求书

1.一种基于向量自回归模型的高损线路窃电检测方法，其特征在于，该方法步骤如下：

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＝{S_i,S₂,...,S_t}及下属各用户的单位时间用电量时间序列Y_i＝{Y_i1，Y_i2，Y_it}，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；

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...Y_n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；

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…Y_n与单位时间损失电量时间序列S的向量自回归模型，确定模型最优滞后期数使向量自回归模型稳定；

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。

2.如权利要求1所述的一种基于向量自回归模型的高损线路窃电检测方法，其特征在于，所述步骤1中窃电高损线路的确定是根据线路的线损率或线损波动率来确定。

3.如权利要求1所述的一种基于向量自回归模型的高损线路窃电检测方法，其特征在于，所述步骤3中模型最优滞后期数是依据AIC，SC和HQ信息准则确定。

4.如权利要求1所述的一种基于向量自回归模型的高损线路窃电检测方法，其特征在于，所述步骤4中对损失电量具有长期显著影响的用户的分析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。

5.如权利要求1所述的一种基于向量自回归模型的高损线路窃电检测方法，其特征在于，所述步骤4中对损失电量具有短期显著影响的用户的分析是根据无约束误差修正模型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。