[发明专利]基于向量自回归模型的高损线路窃电检测方法

说明书

一种基于向量自回归模型的高损线路窃电检测方法，是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。

技术领域

本发明属于电网线损分析领域，涉及一种基于线路线损异常以建立向量自回归模型分析检测和定位用电异常用户的方法，以对窃电嫌疑用户(用电异常用户)进行定位识别。

背景技术

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。

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。

发明内容

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。

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。

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：

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，…，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；