Electricity Theft Detection for Low-voltage Users Based on Edge Computing

Yingjun ZHENG; Yining YANG; Yifei SHU; Yang XUE; Aiguo LIU; Sheng SU

doi:10.7500/AEPS20210624008

您当前的位置：

首页 >

文章列表页 >

Electricity Theft Detection for Low-voltage Users Based on Edge Computing

Basic Research | 更新时间：2025-06-16

- Electricity Theft Detection for Low-voltage Users Based on Edge Computing
- Automation of Electric Power Systems Vol. 46, Issue 11, Pages: 111-120(2022)
- 作者机构：
  
  1.长沙理工大学电气与信息工程学院,湖南省长沙市 410004
  2.中国电力科学研究院有限公司,北京市 100192
  3.国网宁夏电力有限公司营销服务中心(计量中心),宁夏回族自治区银川市 750001
- 作者简介：
- 基金信息：
  
  National Natural Science Foundation of China(51777015);National Key R&D Program of China(2018YFB0904903);Key Projects of Hunan Provincial Department of Education(19A011)
- DOI：10.7500/AEPS20210624008
  CLC：
- Received：24 June 2021，
  
  Revised：2022-01-07，
  
  Published Online：17 March 2022，
  
  Published：10 June 2022
- 稿件说明：
移动端阅览
郑应俊,杨艺宁,舒一飞等.基于边缘计算的低压用户窃电检测[J].电力系统自动化,2022,46(11):111-120.

ZHENG Yingjun,YANG Yining,SHU Yifei,et al.Electricity Theft Detection for Low-voltage Users Based on Edge Computing[J].Automation of Electric Power Systems,2022,46(11):111-120.
郑应俊,杨艺宁,舒一飞等.基于边缘计算的低压用户窃电检测[J].电力系统自动化,2022,46(11):111-120. DOI： 10.7500/AEPS20210624008.

ZHENG Yingjun,YANG Yining,SHU Yifei,et al.Electricity Theft Detection for Low-voltage Users Based on Edge Computing[J].Automation of Electric Power Systems,2022,46(11):111-120. DOI： 10.7500/AEPS20210624008.

摘要

低压用户窃电导致线损电量增加，对台区线损异动进行归因分析是识别窃电用户的有效途径。低压用户通信异常多发，可导致用电信息采集系统主站数据失真，易误导窃电检测。利用配变终端可就地完整准确采集台区数据的特点，提出基于边缘计算的低压用户窃电检测方法。首先，在通信正常和异常的条件下，分析台区窃电用户用电量与线损电量的关联关系；然后，在配变终端窃电检测模块中对真实的台区线损和用户用电量进行归因分析来识别窃电用户；最后，基于高损台区实际数据的仿真分析，验证了所提方法相比于在主站侧采用异常数据以及采用不同缺失数据填补算法修复后的数据进行窃电检测时的优势。

Abstract

Electricity theft of low-voltage users increases the line loss power. It is an effective way to identify the electricity theft users by the attribution analysis of line loss variation in distribution area. The frequent communication anomaly of low-voltage users may lead to the distortion of the data in the main station of the electricity information acquisition system

which tends to mislead the electricity theft detection. Using the characteristic that the distribution transformer terminal can collect the distribution area data completely and accurately

an electricity theft detection method for low-voltage users based on edge computing is proposed. Firstly

the correlation between electricity consumption and line loss power of electricity theft users in distribution area is analyzed under normal and abnormal communication conditions. Then

the attribution analysis is carried out on the line loss power and electricity consumption in the real distribution of the electricity theft detection module in distribution transformer terminal to identify electricity theft users. Finally

based on the simulation analysis of the actual data in the high-loss distribution area

the advantages of the proposed method compared with electricity theft detection using the abnormal data on the main station side and the data restored by different missing data filling algorithms are verified.

关键词

Keywords

references

BISWAS P P ， CAI H Y ， ZHOU B ， et al . Electricity theft pinpointing through correlation analysis of master and individual meter readings ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 4 ）： 3031 - 3042 .

张承智，肖先勇，郑子萱 . 基于实值深度置信网络的用户侧窃电行为检测［J］. 电网技术， 2019 ， 43 （ 3 ）： 1083 - 1091 ．

ZHANG Chengzhi ， XIAO Xianyong ， ZHENG Zixuan . User-side power-stealing behavior detection based on real-valued deep confidence network ［J］. Power System Technology ， 2019 ， 43 （ 3 ）： 1083 - 1091 .

WANG Y ， CHEN Q X ， HONG T ， et al . Review of smart meter data analytics： applications， methodologies， and challenges ［J］. IEEE Transactions on Smart Grid ， 2019 ， 10 （ 3 ）： 3125 - 3148 .

李滨，严康，罗发，等 . 最优标杆在市级电网企业线损精益管理中的综合应用［J］. 电力系统自动化， 2018 ， 42 （ 23 ）： 184 - 191 .

LI Bin ， YAN Kang ， LUO Fa ， et al . Comprehensive application of optimal benchmarking in line loss lean management of city-level power grid enterprises ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 23 ）： 184 - 191 .

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 .

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 .

孙毅，李世豪，崔灿，等 . 基于高斯核函数改进的电力用户用电数据离群点检测方法［J］. 电网技术， 2018 ， 42 （ 5 ）： 1595 - 1606 .

SUN Yi ， LI Shihao ， CUI Can ， et al . Improved outlier detection method of power consumer data based on Gaussian kernel function ［J］. Power System Technology ， 2018 ， 42 （ 5 ）： 1595 - 1606 .

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 .

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］. 电力系统自动化， 2022 ， 46 （ 1 ）： 3 - 14 .

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］. Automation of Electric Power Systems ， 2022 ， 46 （ 1 ）： 3 - 14 .

金晟，苏盛，曹一家，等 . 基于格兰杰归因分析的高损台区窃电检测［J］. 电力系统自动化， 2020 ， 44 （ 23 ）： 82 - 89 .

JIN Sheng ， SU Sheng ， CAO Yijia ， et al . Electricity-theft detection for high-loss distribution area based on granger causality analysis ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 23 ）： 82 - 89 .

唐冬来，刘友波，熊智临，等 . 基于时空关联矩阵的配电台区反窃电预警方法［J］. 电力系统自动化， 2020 ， 44 （ 19 ）： 168 - 176 .

TANG Donglai ， LIU Youbo ， XIONG Zhilin ， et al . Early warning method of electricity anti-theft in distribution station area based on spatiotemporal correlation matrix ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 19 ）： 168 - 176 .

杨玉莲，齐林海，王红，等 . 基于生成对抗和双重语义感知的配电网量测数据缺失重构［J］. 电力系统自动化， 2020 ， 44 （ 18 ）： 46 - 54 .

YANG Yulian ， QI Linhai ， WANG Hong ， et al . Reconstruction of missing measurement data in distribution network based on generative adversarial network and double semantic perception ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 18 ）： 46 - 54 .

SUNDARARAJAN A ， KHAN T ， MOGHADASI A ， et al . Survey on synchrophasor data quality and cybersecurity challenges， and evaluation of their interdependencies ［J］. Journal of Modern Power Systems and Clean Energy ， 2019 ， 7 （ 3 ）： 449 - 467 .

CHEN X Y ， MCELROY M B ， WU Q W ， et al . Transition towards higher penetration of renewables： an overview of interlinked technical， environmental and socio-economic challenges ［J］. Journal of Modern Power Systems and Clean Energy ， 2019 ， 7 （ 1 ）： 1 - 8 .

杨挺，赵黎媛，王成山 . 人工智能在电力系统及综合能源系统中的应用综述［J］. 电力系统自动化， 2019 ， 43 （ 1 ）： 2 - 14 .

YANG Ting ， ZHAO Liyuan ， WANG Chengshan . Review on application of artificial intelligence in power system and integrated energy system ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 1 ）： 2 - 14 .

DADANEH S Z ， DOUGHERTY E R ， QIAN X N . Optimal Bayesian classification with missing values ［J］. IEEE Transactions on Signal Processing ， 2018 ， 66 （ 16 ）： 4182 - 4192 .

SONG X X ， GUO Y ， LI N ， et al . A novel approach for missing data prediction in coevolving time series ［J］. Computing ， 2019 ， 101 （ 11 ）： 1565 - 1584 .

杨挺，李扬，何周泽，等 . 基于矩阵填充的泛在电力物联网电能质量数据修复算法［J］. 电力系统自动化， 2020 ， 44 （ 2 ）： 13 - 21 .

YANG Ting ， LI Yang ， HE Zhouze ， et al . Matrix completion theory based recovery algorithm for power quality data in ubiquitous power Internet of Things ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 2 ）： 13 - 21 .

赵洪山，寿佩瑶，马利波 . 低压台区缺失数据的张量补全方法［J］. 中国电机工程学报， 2020 ， 40 （ 22 ）： 7328 - 7337 .

ZHAO Hongshan ， SHOU Peiyao ， MA Libo . A tensor completion method of missing data in transformer district ［J］. Proceedings of the CSEE ， 2020 ， 40 （ 22 ）： 7328 - 7337 .

王守相，陈海文，潘志新，等 . 采用改进生成式对抗网络的电力系统量测缺失数据重建方法［J］. 中国电机工程学报， 2019 ， 39 （ 1 ）： 56 - 64 .

WANG Shouxiang ， CHEN Haiwen ， PAN Zhixin ， et al . A reconstruction method for missing data in power system measurement using an improved generative adversarial network ［J］. Proceedings of the CSEE ， 2019 ， 39 （ 1 ）： 56 - 64 .

刘东奇，曾祥君，王耀南 . 基于信息熵的智能配电变压器终端安全态势评估［J］. 南方电网技术， 2020 ， 14 （ 1 ）： 18 - 23 .

LIU Dongqi ， ZENG Xiangjun ， WANG Yaonan . Security situation assessment of intelligent distribution transformer terminal unit based on information entropy ［J］. Southern Power System Technology ， 2020 ， 14 （ 1 ）： 18 - 23 .

黄彦钦，余浩，尹钧毅，等 . 电力物联网数据传输方案：现状与基于5G技术的展望［J］. 电工技术学报， 2021 ， 36 （ 17 ）： 3581 - 3593 .

HUANG Yanqin ， YU Hao ， YIN Junyi ， et al . Data transmission schemes of power Internet of Things： present and outlook based on 5G technology ［J］. Transactions of China Electrotechnical Society ， 2021 ， 36 （ 17 ）： 3581 - 3593 .

钟加勇，熊小伏，何迎春，等 . 面向台区智能终端的即插即用和拓扑识别方法［J］. 电力系统自动化， 2021 ， 45 （ 10 ）： 166 - 173 .

ZHONG Jiayong ， XIONG Xiaofu ， HE Yingchun ， et al . Plug-play and topology identification method for intelligent terminal in distribution station area ［J］. Automation of Electric Power Systems ， 2021 ， 45 （ 10 ）： 166 - 173 .

田世明，龚桃荣，黄小庆，等 . 基于电力大数据的地区E-GDP值预测［J］. 电力自动化设备， 2019 ， 39 （ 11 ）： 198 - 204 .

TIAN Shiming ， GONG Taorong ， HUANG Xiaoqing ， et al . Forecasting regional E-GDP value using power big data ［J］. Electric Power Automation Equipment ， 2019 ， 39 （ 11 ）： 198 - 204 .

范海东，王玥，李清毅，等 . 基于稀疏故障演化判别分析的故障根源追溯［J］. 控制工程， 2019 ， 26 （ 7 ）： 1239 - 1244 .

FAN Haidong ， WANG Yue ， LI Qingyi ， et al . Sparse fault degradation oriented fisher discriminant analysis based fault trace ［J］. Control Engineering of China ， 2019 ， 26 （ 7 ）： 1239 - 1244 .

ZHU J Y ， SUN C X ， LI V O K . An extended spatio-temporal granger causality model for air quality estimation with heterogeneous urban big data ［J］. IEEE Transactions on Big Data ， 2017 ， 3 （ 3 ）： 307 - 319 .

SHI W S ， CAO J ， ZHANG Q ， et al . Edge computing： vision and challenges ［J］. IEEE Internet of Things Journal ， 2016 ， 3 （ 5 ）： 637 - 646 .

李钦豪，张勇军，陈佳琦，等 . 泛在电力物联网发展形态与挑战［J］. 电力系统自动化， 2020 ， 44 （ 1 ）： 13 - 22 .

LI Qinhao ， ZHANG Yongjun ， CHEN Jiaqi ， et al . Development patterns and challenges of ubiquitous power Internet of Things ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 1 ）： 13 - 22 .

王鹤，李石强，于华楠，等 . 基于分布式压缩感知和边缘计算的配电网电能质量数据压缩存储方法［J］. 电工技术学报， 2020 ， 35 （ 21 ）： 4553 - 4564 .

WANG He ， LI Shiqiang ， YU Huanan ， et al . Compression acquisition method for power quality data of distribution network based on distributed compressed sensing and edge computing ［J］. Transactions of China Electrotechnical Society ， 2020 ， 35 （ 21 ）： 4553 - 4564 .

龚钢军，罗安琴，陈志敏，等 . 基于边缘计算的主动配电网信息物理系统［J］. 电网技术， 2018 ， 42 （ 10 ）： 3128 - 3135 .

GONG Gangjun ， LUO Anqin ， CHEN Zhimin ， et al . Cyber physical system of active distribution network based on edge computing ［J］. Power System Technology ， 2018 ， 42 （ 10 ）： 3128 - 3135 .

聂峥，章坚民，傅华渭 . 配变终端边缘节点化及容器化的关键技术和应用场景设计［J］. 电力系统自动化， 2020 ， 44 （ 3 ）： 154 - 161 .

NIE Zheng ， ZHANG Jianmin ， FU Huawei . Key technologies and application scenario design for making distribution transformer terminal unit being a containerized edge node ［J］. Automation of Electric Power Systems ， 2020 ， 44 （ 3 ）： 154 - 161 .

潘泽清 . 时间序列分析：宏观经济数据分析模型［M］. 北京：经济科学出版社， 2017 .

PAN Zeqing . Time series analysis： model for macroeconomic data analysis ［M］. Beijing ： Economic Science Press ， 2017 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Commentary on Special Issue of Reviews on Key Technologies for Digitalization of New Power System

Analysis of Key Issues and Prospect for Digital Transformation of Distribution Networks Based on Edge Computing

Analysis on Operation Security Management and Control for User-side Heterogeneous Power Internet-of-Things Devices in Distribution Network

Key Technologies and Algorithms of Data Empowerment for Lean Operation of Low-voltage Power Distribution and Consumption System

Electricity Theft Detection Based on Multiple Different Learner Fusion by Stacking Ensemble Learning

Related Author

LI Peng

LIU Nian

HU Qinran

ZHOU Quan

LI Zhiyi

YU Hao

SUN Bing

YAN Zheng

Related Institution

NARI Group Corporation(State Grid Electric Power Research Institute)

Key Laboratory of the Ministry of Education on Smart Power Grids(Tianjin University)

State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electric Power University)

School of Electrical Engineering, Southeast University

College of Electrical and Information Engineering, Hunan University

⁰