Detection Method of Hidden Danger for Power Utilization of Low-voltage Users Based on Local Outlier Factor-Boosting

Zhian LIN; Shengyuan LIU; Weichao JIN; Zhenzhi LIN; Yuhua XUAN; Tiancao XIE

doi:10.7500/AEPS20210115006

您当前的位置：

首页 >

文章列表页 >

Detection Method of Hidden Danger for Power Utilization of Low-voltage Users Based on Local Outlier Factor-Boosting

Special Topic on Data-Driven Methods for Modernizing Power Systems | 更新时间：2025-06-16

- Detection Method of Hidden Danger for Power Utilization of Low-voltage Users Based on Local Outlier Factor-Boosting
- Automation of Electric Power Systems Vol. 46, Issue 1, Pages: 130-138(2022)
- 作者机构：
  
  1.浙江大学电气工程学院，浙江省杭州市 310027
  2.国网浙江余姚市供电有限公司，浙江省宁波市 315400
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(52077195);National Key R&D Program of China(2016YFB0901100)
- DOI：10.7500/AEPS20210115006
  CLC：
- Received：15 January 2021，
  
  Revised：2021-04-28，
  
  Published Online：23 June 2021，
  
  Published：10 January 2022
- 稿件说明：
移动端阅览
林之岸,刘晟源,金伟超等.基于改进局部离群因子的低压用户用电隐患检测方法[J].电力系统自动化,2022,46(1):130-138.

LIN Zhian,LIU Shengyuan,JIN Weichao,et al.Detection Method of Hidden Danger for Power Utilization of Low-voltage Users Based on Local Outlier Factor-Boosting[J].Automation of Electric Power Systems,2022,46(1):130-138.
林之岸,刘晟源,金伟超等.基于改进局部离群因子的低压用户用电隐患检测方法[J].电力系统自动化,2022,46(1):130-138. DOI： 10.7500/AEPS20210115006.

LIN Zhian,LIU Shengyuan,JIN Weichao,et al.Detection Method of Hidden Danger for Power Utilization of Low-voltage Users Based on Local Outlier Factor-Boosting[J].Automation of Electric Power Systems,2022,46(1):130-138. DOI： 10.7500/AEPS20210115006.

摘要

基于用电信息采集系统的量测数据，提出了一种基于改进局部离群因子算法的用户用电隐患检测方法。首先

提出基于信息熵的电压信息重构方法，扩大电压数据差异性。其次，提出基于

-奇异值分解的电压数据稀疏编码方法，解决台区用户原始负荷特征维度过高带来的冗余性问题。然后，提出基于改进局部离群因子算法的用户用电隐患检测方法，通过多局部离群因子模型组合优化，提高低压用户用电隐患检测泛化能力与准确率。最后，以中国浙江省某台区为例进行验证，算例分析的结果表明所提算法相对于传统局部离群因子算法具有更高的隐患检测准确率。

Abstract

A detection method of hidden danger for power utilization of low-voltage users based on local outlier factor (LOF)-Boosting is proposed by using voltage measurement data of the electricity information acquisition system. First

a method of voltage information reconstruction based on information entropy is used to expand the difference of voltage information. Second

a voltage data sparse coding method based on

-singular value decomposition (

-SVD) is presented to deal with the redundancy problem caused by the excessively high dimension of the original load characteristics. Then

the accuracy and the generalization ability of hidden danger detection for power utilization of low-voltage users are improved by optimizing the multiple LOF combination models. Finally

a case study of a certain low-voltage distribution area in Zhejiang Province of China demonstrates that the proposed method can achieve a higher detection accuracy than the traditional LOF algorithm.

关键词

Keywords

references

欧阳森，杨家豪，耿红杰，等 . 面向台区管理的台区状态综合评价方法及其应用［J］. 电力系统自动化， 2015 ， 39 （ 11 ）： 187 - 192 .

OUYANG Sen ， YANG Jiahao ， GENG Hongjie ， et al . Comprehensive evaluation method of transformer area state oriented to transformer area management and its application ［J］. Automation of Electric Power Systems ， 2015 ， 39 （ 11 ）： 187 - 192 .

张稳，盛万兴，杜松怀，等 . 基于海量数据的配电网运行分析系统架构与技术实现［J］. 电力系统自动化， 2020 ， 44 （ 3 ）： 147 - 153 .

ZHANG Wen ， SHENG Wanxing ， DU Songhuai ， et al . Architecture and technology implementation of massive data based distribution network operation analysis system ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 3 ）： 147 - 153 .

FAISAL M A ， AUNG Z ， WILLIAMS J R ， et al . Data-stream-based intrusion detection system for advanced metering infrastructure in smart grid： a feasibility study ［J］. IEEE Systems Journal ， 2015 ， 9 （ 1 ）： 31 - 44 .

唐冬来，倪平波，张捷，等 . 基于离散弗雷歇距离的户变关系识别方法［J］. 电力系统自动化， 2021 ， 45 （ 6 ）： 223 - 230 .

TANG Donglai ， NI Pingbo ， ZHANG Jie ， et al . Identification method for relationship between household transformers based on discrete Frechet distance ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 6 ）： 223 - 230 .

陈启鑫，郑可迪，康重庆，等 . 异常用电的检测方法：评述与展望［J］. 电力系统自动化 . 2018 ， 42 （ 17 ）： 189 - 199 .

CHEN Qixin ， ZHENG Kedi ， KANG Chongqing ， et al . Detection methods of abnormal electricity consumption behaviors： review and prospects ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 17 ）： 189 - 199 .

LIU Shengyuan ， CUI Xueyuan ， LIN Zhenzhi ， et al . Practical method for mitigating three-phase unbalance based on data-driven user phase identification ［J］. IEEE Transactions on Power Systems ， 2020 ， 2 （ 35 ）： 1653 - 1657 .

连子宽，姚力，刘晟源，等 . 基于 t -SNE降维和BIRCH聚类的单相用户相位及表箱辨识［J］. 电力系统自动化， 2020 ， 44 （ 8 ）： 176 - 185 .

LIAN Zikuan ， YAO Li ， LIU Shengyuan ， et al . Phase and meter box identification for single-phase users based on t -SNE dimension reduction and BIRCH clustering ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 8 ）： 176 - 185 .

梁寿愚，方文崇，王瑾，等 . 基于图规则化低秩矩阵恢复的用电数据修复与异常检测［J］. 电力系统自动化， 2019 ， 43 （ 21 ）： 221 - 228 .

LIANG Shouyu ， FANG Wenchong ， WANG Jin ， et al . Refinement and anomaly detection for power consumption data based on recovery of graph regularized low-rank matrix ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 21 ）： 221 - 228 .

孙曙光，李勤，杜太行，等 . 基于一维卷积神经网络的低压万能式断路器附件故障诊断［J］. 电工技术学报， 2020 ， 35 （ 12 ）： 2562 - 2573 .

SUN Shuguang ， LI Qin ， DU Taihang ， et al . Fault diagnosis of accessories for the low voltage conventional circuit breaker based on one-dimensional convolutional neural network ［J］. Transactions of China Electrotechnical Society ， 2020 ， 35 （ 12 ）： 2562 - 2573 .

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 - 387 .

ZHUANG Chijie ， ZHANG Bin ， HU Jun ， et al . Anomaly detection for power consumption patterns based on unsupervised learning ［J］. Proceedings of the CSEE ， 2016 ， 36 （ 2 ）： 379 - 387 .

JIA Ke ， YANG Bin ， DONG Xiongying ， et al . Sparse voltage measurement-based fault location using intelligent electronic devices ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 1 ）： 48 - 60 .

YANG Zhiwei ， LIU Hao ， BI Tianshu ， et al . Bad data detection algorithm for PMU based on spectral clustering ［J］. Journal of Modern Power Systems and Clean Energy ， 2020 ， 8 （ 3 ）： 473 - 483 .

JONES K D ， PAL A ， THORP J S . Methodology for performing synchrophasor data conditioning and validation ［J］. IEEE Transactions on Power Systems ， 2015 ， 30 （ 3 ）： 1121 - 1130 .

IMTIAZ A ， ALDO D ， YU Ding . Unsupervised anomaly detection based on minimum spanning tree approximated distance measures and its application to hydropower turbines ［J］. IEEE Transactions on Automation Science and Engineering ， 2019 ， 16 （ 2 ）： 654 - 667 .

唐捷，蔡永智，周来，等 . 基于数据驱动的低压配电网线户关系识别方法［J］. 电力系统自动化， 2020 ， 44 （ 11 ）： 127 - 134 .

TANG Jie ， CAI Yongzhi ， ZHOU Lai ， et al . Data-driven based identification method of feeder-consumer connectivity in low-voltage distribution network ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 11 ）： 127 - 134 .

栾文鹏，余贻鑫，王兵 . AMI数据分析方法［J］. 中国电机工程学报 . 2015 ， 35 （ 1 ）： 29 - 36 .

LUAN Wenpeng ， YU Yixin ， WANG Bing . AMI data analytics ［J］. Proceedings of the CSEE ， 2015 ， 35 （ 1 ）： 29 - 36 .

滕松林 . 触电漏电保护器及其应用［M］. 北京：机械工业出版社， 1994 .

TENG Songlin . Electric shock leakage protector and application ［M］. Beijing ： China Machine Press ， 1994 .

张倩，王建平，李帷韬 . 基于反馈机制的卷积神经网络绝缘子状态检测方法［J］. 电工技术学报， 2019 ， 34 （ 16 ）： 3311 - 3321 .

ZHANG Qian ， WANG Jianping ， LI Weitao . Insulator state detection of convolutional neural networks based on feedback mechanism ［J］. Transactions of China Electrotechnical Society ， 2019 ， 34 （ 16 ）： 3311 - 3321 .

AHARON M ， MICHAEL E ， BRUCKSTEIN A . K -SVD： an algorithm for designing overcomplete dictionaries for sparse representation ［J］. IEEE Transactions on Signal Processing ， 2006 ， 54 （ 11 ）： 4311 - 4322 .

郭俊锋，石斌，魏兴春，等 . 基于 K -SVD字典学习算法的稀疏表示振动信号压缩测量重构方法［J］. 机械工程学报， 2018 ， 54 （ 7 ）： 97 - 106 .

GUO Junfeng ， SHI Bin ， WEI Xingchun ， et al . A method of reconstruction of compressed measuring for mechanical vibration signals based on K -SVD dictionary-training algorithm sparse representation ［J］. Journal of Mechanical Engineering ， 2018 ， 54 （ 7 ）： 97 - 106 .

BREUNIG M M ， KRIEGEL H P ， NG R T ， et al . LOF： identifying density-based local outliers ［J］. Sigmod Record ， 2000 ， 29 （ 2 ）： 93 - 104 .

程乐峰，余涛，张孝顺，等 . 机器学习在能源与电力系统领域的应用和展望［J］. 电力系统自动化， 2019 ， 43 （ 1 ）： 15 - 31 .

CHENG Lefeng ， YU Tao ， ZHANG Xiaoshun ， et al . Machine learning for energy and electric power systems： state of the art and prospects ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 1 ）： 15 - 31 .

RAYANA S ， AKOGLU L . Less is more： building selective anomaly ensembles ［J］. ACM Transactions on Knowledge Discovery from Data ， 2016 ， 10 （ 4 ）： 1 - 33 .

KRIEGEL H P ， KRGER P ， SCHUBERT E ， et al . Interpreting and unifying outlier scores ［C］// Proceedings of the Eleventh SIAM International Conference on Data Mining ， April 28-30 ， 2011 ， Mesa， Arizona， USA .

曹莹，苗启广，刘家辰，等 . AdaBoost算法研究进展与展望［J］. 自动化学报， 2013 ， 39 （ 6 ）： 745 - 758 .

CAO Ying ， MIAO Qiguang ， LIU Jiachen ， et al . Advance and prospects of AdaBoost algorithm ［J］. ACTA Automatica Sinica ， 2013 ， 39 （ 6 ）： 745 - 758 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

No data

Related Author

WANG Longjun

ZHOU Kai

HE Qizhang

CUI Tingting

ZHONG Qing

HE Xin

LIAO Zhiwei

XIE Xunkai

Related Institution

School of Electric Power, South China University of Technology

Guangzhou Power Supply Bureau, Guangdong Power Grid Co., Ltd.

⁰