Detection Method of Electricity Theft Behavior Based on Retrieval of Similarity of Typical Users with Electricity Theft

Huaqin QIN; Ye LIANG; Qi QIAN; Sijia GUO; Xianqin MA; Chonghui GUO

doi:10.7500/AEPS20210616001

您当前的位置：

首页 >

文章列表页 >

Detection Method of Electricity Theft Behavior Based on Retrieval of Similarity of Typical Users with Electricity Theft

Basic Research | 更新时间：2025-06-16

- Detection Method of Electricity Theft Behavior Based on Retrieval of Similarity of Typical Users with Electricity Theft
- Automation of Electric Power Systems Vol. 46, Issue 6, Pages: 58-65(2022)
- 作者机构：
  
  1.北京科东电力控制系统有限责任公司，北京市 100089
  2.大连理工大学系统工程研究所，辽宁省大连市 116024
- 作者简介：
- 基金信息：
- DOI：10.7500/AEPS20210616001
  CLC：
- Received：16 June 2021，
  
  Revised：2021-11-02，
  
  Published Online：25 January 2022，
  
  Published：25 March 2022
- 稿件说明：
移动端阅览
覃华勤,梁叶,钱奇等.基于典型窃电用户相似性检索的窃电行为检测方法[J].电力系统自动化,2022,46(6):58-65.

QIN Huaqin,LIANG Ye,QIAN Qi,et al.Detection Method of Electricity Theft Behavior Based on Retrieval of Similarity of Typical Users with Electricity Theft[J].Automation of Electric Power Systems,2022,46(6):58-65.
覃华勤,梁叶,钱奇等.基于典型窃电用户相似性检索的窃电行为检测方法[J].电力系统自动化,2022,46(6):58-65. DOI： 10.7500/AEPS20210616001.

QIN Huaqin,LIANG Ye,QIAN Qi,et al.Detection Method of Electricity Theft Behavior Based on Retrieval of Similarity of Typical Users with Electricity Theft[J].Automation of Electric Power Systems,2022,46(6):58-65. DOI： 10.7500/AEPS20210616001.

摘要

从窃电用户数据的波动形态角度出发，提出一种基于典型窃电用户相似性检索的窃电行为检测方法。首先，利用动态时间弯曲对窃电用户的用电数据进行相似性量度，得到窃电相似度矩阵。其次，结合窃电相似度矩阵，利用近邻传播聚类方法对其进行聚类划分，实现窃电用户自动聚类，并利用簇中心作为典型窃电用户。最后，利用典型窃电用户在电力数据库中的相似性检索出与典型窃电用户的用电行为相似的用户，结合人工经验分析判别出嫌疑窃电用户。利用中国国家电网某省电力公司提供的数据进行算例分析，验证了所提方法的可行性与适用性。

Abstract

From the perspective of fluctuation patterns of user data for electricity theft

a detection method of electricity theft behavior based on the retrieval of similarity of typical electricity theft behavior is proposed. Firstly

dynamic time warping is used to measure the similarity of consumption data for users with electricity theft behavior

and the similarity matrix of electricity theft is obtained. Secondly

combining with the similarity matrix of electricity theft

the affinity propagation clustering method is used to classify users with electricity theft behavior

so as to realize the automatic clustering of users with electricity theft behavior

and the cluster center is used as typical sample of users with electricity theft behavior. Finally

the similarity of typical users with electricity theft behavior in the electricity database is used to retrieve the users who have similar electricity consumption behaviors

and the suspected users with electricity theft behavior are identified based on manual experience analysis. The feasibility and applicability of the proposed method are verified by an example analysis of the data provided by a provincial electric power company of State Grid of China.

关键词

Keywords

references

黄蔓云，卫志农，孙国强，等 . 基于历史数据挖掘的配电网态势感知方法［J］. 电网技术， 2017 ， 41 （ 4 ）： 1139 - 1145 .

HUANG Manyun ， WEI Zhinong ， SUN Guoqiang ， et al . A novel situation awareness approach based on historical data-mining model in distribution networks ［J］. Power System Technology ， 2017 ， 41 （ 4 ）： 1139 - 1145 .

胡天宇，郭庆来，孙宏斌 . 基于堆叠去相关自编码器和支持向量机的窃电检测［J］. 电力系统自动化， 2019 ， 43 （ 1 ）： 119 - 125 .

HU Tianyu ， GUO Qinglai ， SUN Hongbin . Nontechnical loss detection based on stacked uncorrelating autoencoder and support vector machine ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 1 ）： 119 - 125 .

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 prospect ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 17 ）： 189 - 199 .

高昂，郑建勇，梅飞，等 . 基于三元组孪生网络的窃电检测算法［J/OL］. 中国电机工程学报［ 2021-10-25 ］. http：//kns.cnki.net/kcms/detail/11.2107.tm.20210824.1847.010.html http://kns.cnki.net/kcms/detail/11.2107.tm.20210824.1847.010.html .

GAO Ang ， ZHENG Jianyong ， MEI Fei ， et al . Electricity theft detection algorithm based on triplet network ［J/OL］. Proceedings of the CSEE ［ 2021-10-25 ］. http：//kns.cnki.net/kcms/detail/11.2107.tm.20210824.1847.010.html http://kns.cnki.net/kcms/detail/11.2107.tm.20210824.1847.010.html .

唐俊熙，曹华珍，高崇，等 . 一种基于时间序列数据挖掘的用户负荷曲线分析方法［J］. 电力系统保护与控制， 2021 ， 49 （ 5 ）： 140 - 148 .

TANG Junxi ， CAO Huazhen ， GAO Chong ， et al . A new user load curve analysis method based on time series data mining ［J］. Power System Protection and Control ， 2021 ， 49 （ 5 ）： 140 - 148 .

SPIRIĆ J V ， DOČIĆ M B ， STANKOVIĆ S S . Fraud detection in registered electricity time series ［J］. International Journal of Electrical Power & Energy Systems ， 2015 ， 71 ： 42 - 50 .

殷涛，薛阳，杨艺宁，等 . 基于向量自回归模型的高损线路窃电检测［J/OL］. 中国电机工程学报［ 2021-10-25 ］. https：//doi.org/10.13334/j.0258-8013.pcsee.210365 https://doi.org/10.13334/j.0258-8013.pcsee.210365 .

YIN Tao ， XUE Yang ， YANG Yining ， et al . Electricity theft detection of high-loss line with vector autoregression ［J/OL］. Proceedings of the CSEE ［ 2021-10-25 ］. https：//doi.org/10.13334/j.0258-8013.pcsee.210365 https://doi.org/10.13334/j.0258-8013.pcsee.210365 .

吴迪 . 基于曲线相似性分析的窃电用户判断［J］. 中国电力， 2017 ， 50 （ 2 ）： 181 - 184 .

WU Di . Electricity theft identification method based on curve similarity ［J］. Electric Power ， 2017 ， 50 （ 2 ）： 181 - 184 .

宋军英，崔益伟，李欣然，等 . 改进分段线性表示与动态时间弯曲相结合的负荷曲线聚类方法［J］. 电力系统自动化， 2021 ， 45 （ 2 ）： 89 - 96 .

SONG Junying ， CUI Yiwei ， LI Xinran ， et al . Load curve clustering method combining improved piecewise linear representation and dynamic time warping ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 2 ）： 89 - 96 .

RAZAVI R ， GHARIPOUR A ， FLEURY M ， et al . A practical feature-engineering framework for electricity theft detection in smart grids ［J］. Applied Energy ， 2019 ， 238 ： 481 - 494 .

金晟，苏盛，薛阳，等 . 数据驱动窃电检测方法综述与低误报率研究展望［J/OL］. 电力系统自动化［ 2021-03-28 ］. https：//kns.cnki.net/kcms/detail/32.1180.TP.20210226.1340.008.html https://kns.cnki.net/kcms/detail/32.1180.TP.20210226.1340.008.html .

JIN Sheng ， SU Sheng ， XUE Yang ， et al . Review on data-driven based electricity theft detection method and research prospect for low false positive rate ［J/OL］. Automation of Electric Power Systems ［ 2021-03-28 ］. https：//kns.cnki.net/kcms/detail/32.1180.TP.20210226.1340.008.html https://kns.cnki.net/kcms/detail/32.1180.TP.20210226.1340.008.html .

ZHENG K D ， CHEN Q X ， WANG Y ， et al . A novel combined data-driven approach for electricity theft detection ［J］. IEEE Transactions on Industrial Informatics ， 2019 ， 15 （ 3 ）： 1809 - 1819 .

林振智，崔雪原，金伟超，等 . 用户侧窃电检测关键技术［J/OL］. 电力系统自动化［ 2021-09-18 ］. http：//kns.cnki.net/kcms/detail/32.1180.TP.20210908.1649.002.html http://kns.cnki.net/kcms/detail/32.1180.TP.20210908.1649.002.html .

LIN Zhenzhi ， CUI Xueyuan ， JIN Weichao ， et al . Key technology of electricity theft detection for power consumers ［J/OL］. Automation of Electric Power Systems ［ 2021-09-18 ］. http：//kns.cnki.net/kcms/detail/32.1180.TP.20210908.1649.002.html http://kns.cnki.net/kcms/detail/32.1180.TP.20210908.1649.002.html .

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 - 74 .

CHENG Chao ， ZHANG Hanjing ， JING Zhimin ， et al . Study on the anti-electricity stealing based on outlier algorithm and the electricity information acquisition system ［J］. Power System Protection and Control ， 2015 ， 43 （ 17 ）： 69 - 74 .

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 .

田力，向敏 . 基于密度聚类技术的电力系统用电量异常分析算法［J］. 电力系统自动化， 2017 ， 41 （ 5 ）： 64 - 70 .

TIAN Li ， XIANG Min . Abnormal power consumption analysis based on density-based spatial clustering of applications with noise in power systems ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 5 ）： 64 - 70 .

张美霞，李丽，杨秀，等 . 基于高斯混合模型聚类和多维尺度分析的负荷分类方法［J］. 电网技术， 2020 ， 44 （ 11 ）： 4283 - 4296 .

ZHANG Meixia ， LI Li ， YANG Xiu ， et al . A load classification method based on Gaussian mixture model clustering and multi-dimensional scaling analysis ［J］. Power System Technology ， 2020 ， 44 （ 11 ）： 4283 - 4296 .

杜章华，苏盛，刘正谊，等 . 基于生产经营状态识别的低误报率窃电检测二次筛查方法［J］. 电力系统自动化， 2021 ， 45 （ 2 ）： 97 - 104 .

DU Zhanghua ， SU Sheng ， LIU Zhengyi ， et al . Second inspection method for electricity theft detection with low false alarm rate based on identification of production and operation status ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 2 ）： 97 - 104 .

林女贵，洪兰秀，黄道姗，等 . 基于改进深度自编码网络的异常用电行为辨识［J］. 中国电力， 2020 ， 53 （ 6 ）： 18 - 26 .

LIN Nvgui ， HONG Lanxiu ， HUANG Daoshan ， et al . Abnormal electricity consumption behaviors detection based on improved deep auto-encoder ［J］. Electric Power ， 2020 ， 53 （ 6 ）： 18 - 26 .

HONG J Y ， PARK S H ， BAEK J G . SSDTW： shape segment dynamic time warping ［J］. Expert Systems with Applications ， 2020 ， 150 ： 113291 .

李海林，梁叶，王少春 . 时间序列数据挖掘中的动态时间弯曲研究综述［J］. 控制与决策， 2018 ， 33 （ 8 ）： 1345 - 1353 .

LI Hailin ， LIANG Ye ， WANG Shaochun . Review on dynamic time warping in time series data mining ［J］. Control and Decision ， 2018 ， 33 （ 8 ）： 1345 - 1353 .

LI P ， JI H F ， WANG B L ， et al . Adjustable preference affinity propagation clustering ［J］. Pattern Recognition Letters ， 2017 ， 85 ： 72 - 78 .

ZARABIE A K ， LASHKARBOLOOKI S ， DAS S ， et al . Load profile based electricity consumer clustering using affinity propagation ［C］// 2019 IEEE International Conference on Electro Information Technology （EIT）， May 20-22 ， 2019 ， Brookings， USA .

赵庆明 . 基于近邻传播算法和随机森林回归模型的台区线损率计算方法［J］. 电力系统及其自动化学报， 2020 ， 32 （ 9 ）： 94 - 98 .

ZHAO Qingming . Calculation method for line loss rate in transformer district based on affinity propagation algorithm and random forest regression model ［J］. Proceedings of the CSU-EPSA ， 2020 ， 32 （ 9 ）： 94 - 98 .

YU C Y ， LUO L T ， CHAN L L H ， et al . A fast LSH-based similarity search method for multivariate time series ［J］. Information Sciences ， 2019 ， 476 ： 337 - 356 .

游文霞，申坤，杨楠，等 . 基于Bagging异质集成学习的窃电检测［J］. 电力系统自动化， 2021 ， 45 （ 2 ）： 105 - 113 .

YOU Wenxia ， SHEN Kun ， YANG Nan ， et al . Electricity theft detection based on bagging heterogeneous ensemble learning ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 2 ）： 105 - 113 .

KONG X Y ， ZHAO X ， LIU C ， et al . Electricity theft detection in low-voltage stations based on similarity measure and DT-KSVM ［J］. International Journal of Electrical Power & Energy Systems ， 2021 ， 125 ： 106544 .

DONG L N ， LI Q ， WU K J ， et al . Nontechnical loss detection of electricity based on neural architecture search in distribution power networks ［C］// 2020 International Conference on Smart Grid and Clean Energy Technologies （ICSGCE）， October 4-7 ， 2020 ， Kuching， Malaysia .

ZHENG Z B ， YANG Y T ， NIU X D ， et al . Wide and deep convolutional neural networks for electricity-theft detection to secure smart grids ［J］. IEEE Transactions on Industrial Informatics ， 2018 ， 14 （ 4 ）： 1606 - 1615 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Optimal Scheduling Strategy of Farm Distribution Network for Power Supply Support for Production of Large-scale Crop Base

Short-term Power Forecasting of Distributed Photovoltaic Station Clusters Based on Affinity Propagation Clustering and Long Short-term Time-series Network

Ultra-short-term Power Prediction Model Considering Spatial-Temporal Characteristics of Offshore Wind Turbines

Motif-based Analysis on Load Fluctuation Characteristics in Low-voltage Distribution Network

Related Author

XU Ying

TU Zhenghong

LIU Yanlong

LI Zhenwei

WANG Yiming

YI Zhongkai

WANG Xiaoxia

YANG Di

Related Institution

Electric Power Research Institute of State Grid Heilongjiang Electric Power Co., Ltd.

State Key Laboratory of Smart Farm Technologies and Systems

School of Electrical Engineering and Automation, Harbin Institute of Technology

Marketing Service Center of State Grid Hebei Electric Power Co., Ltd.

School of Control and Computer Engineering, North China Electric Power University

⁰