数据驱动窃电检测方法综述与低误报率研究展望

金晟; 苏盛; 薛阳; 杨艺宁; 刘厦; 曹一家

doi:10.7500/AEPS20200204001

您当前的位置：

首页 >

文章列表页 >

数据驱动窃电检测方法综述与低误报率研究展望

面向现代电力系统的数据驱动方法 | 更新时间：2025-06-16

- 数据驱动窃电检测方法综述与低误报率研究展望
- Review on Data-driven Based Electricity Theft Detection Method and Research Prospect for Low False Positive Rate
- 电力系统自动化 2022年46卷第1期页码：3-14
- 作者机构：
  
  1.智能电网运行与控制湖南省重点实验室（长沙理工大学），湖南省长沙市 410114
  2.中国电力科学研究院有限公司，北京市 100192
- 作者简介：
  
  金晟(1996—)，男，硕士研究生，主要研究方向：电力系统反窃电技术。E-mail：1467445457@qq.com
  苏盛(1975—)，男，通信作者，博士，教授，博士生导师，主要研究方向：电力系统网络安全防护与电力系统大数据技术应用。E-mail：eessheng@163.com
  薛阳(1986—)，男，高级工程师，主要研究方向：电力系统反窃电。E-mail：xueyang3@epri.sgcc.com.cn
- 基金信息：
  
  国家自然科学基金资助项目(51777015);国家电网有限公司总部科技项目“反窃电及稽查监控关键技术研究”;湖南省自然科学基金资助项目(2020JJ4611)
- DOI：10.7500/AEPS20200204001
  中图分类号：
- 收稿日期：2020-02-04，
  
  修回日期：2020-06-23，
  
  网络出版日期：2021-03-09，
  
  纸质出版日期：2022-01-10
- 稿件说明：
移动端阅览
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,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. DOI： 10.7500/AEPS20200204001.

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. DOI： 10.7500/AEPS20200204001.

摘要

配电系统窃电是造成电网非技术损失的主要原因，是供电企业运营管理中长期面对的痼疾。用电信息采集系统采集的海量用户数据使得开展数据驱动的用电异常检测、准确识别窃电用户成为可能。受用户用电行为多样性影响，数据驱动的窃电检测方法的误报率在某些场景下尚难以满足实践需求，严重制约了该类方法的工程应用。首先，介绍了窃电实现手法；然后，梳理了在实践中得到工程应用的窃电检测方法以及数据驱动窃电检测方法的基本思路和局限性；在此基础上，结合工程应用对窃电检测评价指标的差异性需求，分析指出提取的可用信息不足、特征指标项灵敏性和可靠性不高是阻碍数据驱动窃电检测方法走向工程实用的主要原因。最后，从算法设计、状态空间细分以及特征指标项设计选择等不同层面对低误报率窃电检测进行了展望。

Abstract

Electricity theft in the power distribution system is the main cause of non-technical loss of power grids

and it is a chronic problem in operation and management of power utilities. The electricity information acquisition system collects massive user data

which makes it possible to carry out data-driven abnormal electricity detection and accurately pinpoint electricity theft consumers. Affected by the diversity of electricity consumption behaviors of users

the false positive rate of data-driven based electricity theft detection method is still difficult to meet the practical demands in some scenarios

which seriously restricts the engineering application of this method. Firstly

this paper describes the implementation measures of electricity theft

and then sorts out the basic ideas and limitations of the electricity theft detection methods applied in engineering practice and the data-driven based electricity theft detection methods. On this basis

combining with different requirements of engineering application for the evaluation index of electricity theft detection

it is pointed out that the lack of useful extracted information

the low sensitivity and reliability of the characteristic index items are the major reasons that hinder the data-driven based electricity theft detection methods from being practical in engineering. Finally

the electricity theft detection with low false positive rate is prospected from different levels such as algorithm design

state space subdivision

and design and selection of characteristic index items.

关键词

Keywords

references

DOS-ANGELOS E W ， SAAVEDRA O R ， CORTES O A C ， et al . Detection and identification of abnormalities in customer consumptions in power distribution systems ［J］. IEEE Transactions on Power Delivery ， 2011 ， 26 （ 4 ）： 2436 - 2442 .

XIA X ， XIAO Y ， LIANG W . ABSI： an adaptive binary splitting algorithm for malicious meter inspection in smart grid ［J］. IEEE Transactions on Information Forensics and Security ， 2019 ， 14 （ 2 ）： 445 - 458 .

KRISHNA V B ， GUNTER C A ， SANDERS W H . Evaluating detectors on optimal attack vectors that enable electricity theft and DER fraud ［J］. IEEE Journal of Selected Topics in Single Processing ， 2018 ， 12 （ 4 ）： 790 - 805 .

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 ）： 78 - 86 .

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 ）： 78 - 86 .

窦健，刘宣，卢继哲，等 . 基于用电信息采集大数据的防窃电方法研究［J］. 电测与仪表， 2018 ， 55 （ 21 ）： 43 - 49 .

DOU Jian ， LIU Xuan ， LU Jizhe ， et al . Research on electricity anti-stealing method based on power consumption information acquisition and big data ［J］. Electrical Measurement & Instrumentation ， 2018 ， 55 （ 21 ）： 43 - 49 .

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 - 198 .

CHEN Qixin ， ZHENG Kedi ， KANG Chongqing ， et al . Detection method of abnormal electricity consumption： comment and prospect ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 17 ）： 189 - 198 .

JIANG R ， LU R ， WANG Y ， et al . Energy-theft detection issues for advanced metering infrastructure in smart grid ［J］. Tsinghua Science and Technology ， 2014 ， 19 （ 2 ）： 105 - 120 .

ZHENG K ， CHEN Q ， 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 .

刘亮，苏盛，钱斌，等 . 计量自动化系统卫星时间同步攻击危害与防护［J］. 南方电网技术， 2020 ， 14 （ 1 ）： 3 - 9 .

LIU Liang ， SU Sheng ， QIAN Bin ， et al . Impact and protection of satellite time synchronization attacks in advanced metering infrastructure ［J］. Southern Power System Technology ， 2020 ， 14 （ 1 ）： 3 - 9 .

方兆本，杨培洁，彭甘霖，等 . 电力企业客户信用风险管理实证研究［J］. 电力系统自动化， 2005 ， 29 （ 1 ）： 61 - 64 ．

FANG Zhaoben ， YANG Peijie ， PENG Ganlin ， et al . Empirical research on credit risk management for electric power clients ［J］. Automation of Electric Power Systems ， 2005 ， 29 （ 1 ）： 61 - 64 .

韩谷静，殷小贡，秦亮，等 . 电能计量设备防电流法窃电新技术［J］. 电测与仪表， 2004 ， 44 （ 10 ）： 29 - 32 .

HAN Gujing ， YIN Xiaogong ， QIN Liang ， et al . A novel technique of preventing electricity-stealing in current method for electric power measuring equipment ［J］. Electrical Measurement & Instrumentation ， 2004 ， 44 （ 10 ）： 29 - 32 .

李大勇，王瑜，黎灿兵，等 . 基于无线射频技术的防窃电开箱记录仪设计［J］. 电测与仪表， 2008 ， 45 （ 10 ）： 51 - 55 .

LI Dayong ， WANG Yu ， LI Canbing ， et al . A design of an box-opening recorder for anti-power-stealing based on RFID ［J］. Electrical Measurement & Instrumentation ， 2008 ， 45 （ 10 ）： 51 - 55 .

周未，朱瑞德，王金全 . 基于GSM网络的防窃电实时监控系统方案探讨［J］. 电力自动化设备， 2004 ， 24 （ 2 ）： 64 - 69 .

ZHOU Wei ， ZHU Ruide ， WANG Jinquan . GSM-based monitoring and control system against electricity stealing ［J］. Electric Power Automation Equipment ， 2004 ， 24 （ 2 ）： 64 - 69 .

张铁峰，顾明迪 . 电力用户负荷模式提取技术及应用综述［J］. 电网技术， 2016 ， 40 （ 3 ）： 804 - 811 .

ZHANG Tiefeng ， GU Mingdi . Overview of electricity customer load pattern extraction technology and its application ［J］. Power System Technology ， 2016 ， 40 （ 3 ）： 804 - 811 .

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 .

刘道新，胡航海，张健，等 . 大数据全生命周期中关键问题研究及应用［J］. 中国电机工程学报， 2015 ， 35 （ 1 ）： 23 - 28 .

LIU Daoxin ， HU Hanghai ， ZHANG Jian ， et al . Research on key issues of big data lifecycle and its applications ［J］. Proceedings of the CSEE ， 2015 ， 35 （ 1 ）： 23 - 28 .

黄彦浩，于之虹，谢昶，等 . 电力大数据技术与电力系统仿真计算结合问题研究［J］. 中国电机工程学报， 2015 ， 35 （ 1 ）： 13 - 22 .

HUANG Yanhao ， YU Zhihong ， XIE Chang ， et al . Study on the application of electric power big data technology in power system simulation ［J］. Proceedings of the CSEE ， 2015 ， 35 （ 1 ）： 13 - 22 .

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 ．

JUNIOR L A P ， RAMOS C O ， RODRIGUES D ， et al . Unsupervised non-technical losses identification through optimum-path forest ［J］. Electric Power Systems Research ， 2016 ， 140 ： 413 - 423 .

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 - 1604 ．

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 - 1604 .

王桂兰，周国亮，赵洪山，等 . 大规模用电数据流的快速聚类和异常检测技术［J］. 电力系统自动化， 2016 ， 40 （ 24 ）： 27 - 33 ．

WANG Guilan ， ZHOU Guoliang ， ZHAO Hongshan ， et al . Fast clustering and anomaly detection techniques for large-scale power data streams ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 24 ）： 27 - 33 .

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 . Analysis algorithm of power consumption anomaly of power system based on density clustering technology ［J］. Automation of Electric Power Systems ， 2017 ， 41 （ 5 ）： 64 - 70 .

郝然，艾芊，肖斐 . 基于多源大数据平台的用电行为分析构架研究［J］. 电力自动化设备， 2017 ， 37 （ 8 ）： 20 - 27 .

HAO Ran ， AI Qian ， XIAO Fei . Research on the analysis framework of electricity behavior based on multi-source big data platform ［J］. Electric Power Automation Equipment ， 2017 ， 37 （ 8 ）： 20 - 27 .

罗滇生，杜乾，别少勇，等 . 基于负荷分解的居民差异化用电行为特性分析［J］. 电力系统保护与控制， 2016 ， 44 （ 21 ）： 29 - 33 .

LUO Diansheng ， DU Qian ， BIE Shaoyong ， et al . Analysis of the characteristics of differentiated electricity consumption behavior of residents based on load decomposition ［J］. Power System Protection and Control ， 2016 ， 44 （ 21 ）： 29 - 33 .

何永秀，王冰，熊威，等 . 基于模糊综合评价的居民智能用电行为分析与互动机制设计［J］. 电网技术， 2012 ， 36 （ 10 ）： 247 - 252 .

HE Yongxiu ， WANG Bing ， XIONG Wei ， et al . Analysis and interactive mechanism of intelligent electricity consumption behavior of residents based on fuzzy comprehensive evaluation ［J］. Power System Technology ， 2012 ， 36 （ 10 ）： 247 - 252 .

王成亮，郑海燕 . 基于模糊聚类的电力客户用电行为模式画像［J］. 电测与仪表， 2018 ， 55 （ 18 ）： 77 - 81 .

WANG Chengliang ， ZHENG Haiyan . A portrait of electricity consumption behavior mode of power users based on fuzzy clustering ［J］. Electrical Measurement & Instrumentation ， 2018 ， 55 （ 18 ）： 77 - 81 .

MONEDERO I ， BISCARRI F ， LEON C ， et al . Detection of frauds and other non-technical losses in a power utility using pearson coefficient， Bayesian networks and decision trees ［J］. Journal of Electrical Power and Energy Systems ， 2012 ， 34 ： 90 - 98 .

NAGI J ， YAP K S ， TIONG S K ， et al . Nontechnical loss detection for metered customers in power utility using support vector machines ［J］. IEEE Transactions on Power Delivery ， 2010 ， 25 （ 2 ）： 1162 - 1171 .

许刚，谈元鹏，戴腾辉 . 稀疏随机森林下的用电侧异常行为模式检测［J］. 电网技术， 2017 ， 41 （ 6 ）： 1964 - 1971 ．

XU Gang ， TAN Yuanpeng ， DAI Tenghui . Sparse random forest based abnormal behavior pattern detection of electric power user side ［J］. Power System Technology ， 2017 ， 41 （ 6 ）： 1964 - 1971 .

沈海涛，秦靖雅，陈浩，等 . 电力用户用电数据的异常数据审查和分类［J］. 电力与能源， 2016 ， 37 （ 1 ）： 17 - 22 ．

SHEN Haitao ， QIN Jingya ， CHEN Hao ， et al . Abnormal data review and classification of power user data ［J］. Power and Energy ， 2016 ， 37 （ 1 ）： 17 - 22 .

NIZAR A H ， DONG Z Y ， WANG Y . Power utility nontechnical loss analysis with extreme learning machine method ［J］. IEEE Transactions on Power Systems ， 2008 ， 23 （ 3 ）： 946 - 955 .

PEREIRA L A M ， AFONSO L C S ， PAPA J P ， et al . Multilayer perceptron neural networks training through charged system search and its application for non-technical losses detection ［C］// 2013 IEEE PES Conference on Innovative Smart Grid Technologise ， February 24-27 ， 2013 ， Washington， USA .

ZHENG Z ， YANG Y ， NIU X ， 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 .

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 .

HUANG S C ， LO Y L ， LU C N . Non-technical loss detection using state estimation and analysis of variance ［J］. IEEE Transactions on Power Systems ， 2013 ， 28 （ 3 ）： 2959 - 2996 .

LEITE J B ， SANCHES M J R . Detecting and locating non-technical losses in modern distribution networks ［J］. IEEE Transactions on Smart Grid ， 2018 ， 9 （ 12 ）： 1023 - 1032 .

EACA N ， COELHO J . Probabilistic methodology for technical and non-technical losses estimation in distribution system ［J］. Electric Power Systems Research ， 2013 ， 97 （ 1 ）： 93 - 99 .

HE Y ， MENDIS G J ， WEI J . Real-time detection of false data injection attacks in smart grid： a deep learning-based intelligent mechanism ［J］. IEEE Transactions on Smart Grid ， 2017 ， 8 （ 5 ）： 5205 - 2516 .

LO C ， ANSARI N . CONSUMER： a novel hybrid intrusion detection system for distribution networks in smart grid ［J］. IEEE Transactions on Emerging Topics in Computing ， 2013 ， 1 （ 1 ）： 33 - 44 .

KHOO B ， CHENG Y . Using RFID for anti-theft in a Chinese electrical supply company： a cost-benefit analysis ［C］// IEEE Wireless Telecommunications Symposium ， April 13-15 ， 2011 ， New York， USA .

DAVIS J ， GOADRICH M . The relationship between precision-recall and ROC curves ［C］// 23rd International Conference on Machine Learning ， June ， 2006 ， New York， USA .

FAWCETT T . An introduction to ROC analysis ［J］. Pattern Recognition Letters ， 2006 ， 27 （ 8 ）： 861 - 874 .

邓小龙，王柏，吴斌，等 . 遗传演化SPA流失预测算法及并行化［J］. 计算机科学与探索， 2011 ， 5 （ 5 ）： 433 - 445 .

DENG Xiaolong ， WANG Bai ， WU Bin ， et al . Genetic evolution based parallelized SPA churn prediction algorithm ［J］. Journal of Frontiers of Computer Science and Technology ， 2011 ， 5 （ 5 ）： 433 - 445 .

李航 . 统计学习方法［M］. 北京：清华大学出版社， 2012 ．

LI Hang . Statistical learning method ［M］. Beijing ： Tsinghua Press ， 2012 .

勾婷婷 . BP神经网络和Logistic回归在信用评级上的应用与模型对比［D］. 重庆：重庆大学， 2012 .

GOU Tingting . The application and model of BP neural network and logistic regression on credit rating are compared with the model ［D］. Chongqing ： Chongqing University ， 2012 .

JOKAR P ， ARIANPOO N ， LEUNG V C M . Electricity theft detection in AMI using customers’ consumption patterns ［J］. IEEE Transactions on Smart Grid ， 2016 ， 7 （ 1 ）： 216 - 226 .

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 . Electricity theft detection for customers in power utility based on real-valued deep belief network ［J］. Power System Technology ， 2019 ， 43 （ 3 ）： 1083 - 1091 .

董明刚，姜振龙，敬超 . 基于海林格距离和SMOTE的多类不平衡学习算法［J］. 计算机科学， 2020 ， 47 （ 1 ）： 102 - 109 .

DONG Minggang ， JIANG Zhenlong ， JING Chao . Multi-class imbalanced learning algorithm based on hellinger distance and SMOTE algorithm ［J］. Computer Science ， 2020 ， 47 （ 1 ）： 102 - 109 .

刘洋，高丽霞，刘璐 . 考虑样本不平衡的并行化用户负荷类型辨识方法［J］. 电网技术， 2020 ， 44 （ 11 ）： 4310 - 4317 .

LIU Yang ， GAO Lixia ， LIU Lu . Parallel load type identification algorithm considering sample class imbalance ［J］. Power System Technology ， 2020 ， 44 （ 11 ）： 4310 - 4317 .

赵磊，栾文鹏，王倩 . 应用AMI数据的低压配电网精确线损分析［J］. 电网技术， 2015 ， 39 （ 11 ）： 3189 - 3194 ．

ZHAO Lei ， LUAN Wenpeng ， WANG Qian . Accurate line loss analysis of distribution network using AMI data ［J］. Power System Technology ， 2015 ， 39 （ 11 ）： 3189 - 3194 .

李亚，刘丽平，李柏青，等 . 基于改进 K -means聚类和BP神经网络的台区线损率计算方法［J］. 中国电机工程学报， 2016 ， 36 （ 17 ）： 4543 - 4551 ．

LI Ya ， LIU Liping ， LI Baiqing ， et al . Calculation of line loss rate in transformer district based on improved K -means clustering algorithm and BP neural network ［J］. Proceedings of the CSEE ， 2016 ， 36 （ 17 ）： 4543 - 4551 .

李昀昊，王建学，王秀丽 . 基于混合聚类分析的电力系统网损评估方法［J］. 电力系统自动化， 2016 ， 40 （ 10 ）： 60 - 65 ．

LI Yunhao ， WANG Jianxue ， WANG Xiuli . The method of network loss assessment of power system based on mixed cluster analysis ［J］. Automation of Electric Power Systems ， 2016 ， 40 （ 10 ）： 60 - 65 .

王奇，庄远灿，阎帅，等 . 基于随机矩阵理论的交直流输电通道线损大数据关联特性分析［J］. 电力自动化设备， 2018 ， 38 （ 5 ）： 70 - 76 ．

WANG Qi ， ZHUANG Yuancan ， YAN Shuai ， et al . Relevance characteristic analysis of line loss big data in AC and DC transmission channels based on random matrix theory ［J］. Electric Power Automation Equipment ， 2018 ， 38 （ 5 ）： 70 - 76 .

刘健，段璟靓 . 配电网极限线损分析及降损措施优化［J］. 电力系统保护与控制， 2013 ， 41 （ 12 ）： 27 - 35 ．

LIU Jian ， DUAN Jingjing . Line loss limitation analysis and optimal planning of loss reduction for distribution grids ［J］. Power System Protection and Control ， 2013 ， 41 （ 12 ）： 27 - 35 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

考虑信息时移的分布式光伏机理-数据混合驱动短期功率预测

用户侧窃电检测关键技术