基于格兰杰归因分析的高损台区窃电检测

金晟; 苏盛; 曹一家; 薛阳; 杨艺宁; 刘厦

doi:10.7500/AEPS20200302011

您当前的位置：

首页 >

文章列表页 >

基于格兰杰归因分析的高损台区窃电检测

学术研究 | 更新时间：2025-06-16

- 基于格兰杰归因分析的高损台区窃电检测
- Electricity-theft Detection for High-loss Distribution Area Based on Granger Causality Analysis
- 电力系统自动化-方正平台 2020年44卷第23期页码：82-89
- 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 410004
  2.中国电力科学研究院有限公司，北京市 100085
- 作者简介：
  
  金晟(1996—)，男，硕士研究生，主要研究方向：电力系统大数据应用分析。E-mail：1467445457@qq.com
  苏盛(1975—)，男，通信作者，教授，博士生导师，主要研究方向：电力系统网络安全防护与反窃电。E-mail：eessheng@163.com
  曹一家(1969—)，男，教授，博士生导师，主要研究方向：电力信息集成与网络化控制。E-mail：yjcao@csust.edu.cn
- 基金信息：
  
  国家自然科学基金资助项目(51777015);国家自然科学基金委员会-国家电网公司智能电网联合基金资助项目(U19266207)
- DOI：10.7500/AEPS20200302011
  中图分类号：
- 收稿日期：2020-03-02，
  
  修回日期：2020-07-11，
  
  网络出版日期：2020-09-28，
  
  纸质出版日期：2020-12-10
- 稿件说明：
移动端阅览
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.
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. DOI： 10.7500/AEPS20200302011.

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. DOI： 10.7500/AEPS20200302011.

摘要

配电台区中，用户窃电将增大台区线损电量，窃电电量直接对应非技术线损，并与台区线损电量间存在因果关系。分析指出，常见窃电手法中窃电用户的窃电量多与电表计量电量呈正相关关系，这将使得线损电量与窃电用户的计量电量之间存在隐含的因果关系。以此为基础，提出基于格兰杰归因分析的高损台区窃电检测方法。通过协整检验及格兰杰检验分析用户用电量与台区线损时间序列间的长期趋势及格兰杰因果关系，将对台区线损影响突出的用户识别为窃电用户。基于实际高损台区和高损线路用户数据的测试算例和现场稽查验证了所提方法的有效性。

Abstract

In the distribution area

the line loss power increases with user electricity-theft. Electricity-theft power directly corresponds to the non-technical line loss

and has a causal relationship with the line loss of the distribution area. It is pointed out that there is a positive correlation between electricity-theft quantity of users and electricity quantity of electric meters

which leads to the implicit causal relationship between the line loss and electricity quantity of electricity-theft users. On this basis

a method for detecting electricity-theft in high-loss distribution area based on Granger causality analysis is proposed. The long-term trend and Granger causality relationship between electricity consumption quantity and line loss time series in the distribution area are analyzed through co-integration test and Granger causality test

and users who have significant impact on line loss are identified as electricity-theft users. The validity of the proposed method is proven by test experiments and field inspection based on the actual high-loss distribution area and high-loss line data.

关键词

Keywords

references

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 .

王德文，杨凯华 . 基于生成式对抗网络的窃电检测数据生成方法［J］. 电网技术， 2020 ， 44 （ 2 ）： 775 - 782 .

WANG Dewen ， YANG Kaihua . A data generation method for electricity theft detection using generative adversarial network ［J］. Power System Technology ， 2020 ， 44 （ 2 ）： 775 - 782 .

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 .

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 - 192 .

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 - 192 .

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 - 4552 .

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 - 4552 .

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 .

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 - 1973 .

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 - 1973 .

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 .

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 - 127 .

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 - 127 .

李端超，王松，黄太贵，等 . 基于大数据平台的电网线损与窃电预警分析关键技术［J］. 电力系统保护与控制， 2018 ， 46 （ 5 ）： 143 - 151 .

LI Duanchao ， WANG Song ， HUANG Taigui ， et al . Key technologies of line loss and stealing electricity prediction analysis based on big data platform ［J］. Power System Protection and Control ， 2018 ， 46 （ 5 ）： 143 - 151 .

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 LV distribution network using AMI data ［J］. Power System Technology ， 2015 ， 39 （ 11 ）： 3189 - 3194 .

王维洲，熊星星，刘福潮，等 . 配电网能效差异化损耗标杆研究［J］. 电力科学与技术学报， 2019 ， 34 （ 1 ）： 102 - 108 .

WANG Weizhou ， XIONG Xingxing ， LIU Fuchao ， et al . Research on reference benchmarking of differentiated energy efficiency loss on distribution networks ［J］. Journal of Electric Power Science and Technology ， 2019 ， 34 （ 1 ）： 102 - 108 .

杨海滔 . 低压台区线损率异常判定及合理性评估方法研究［D］. 上海：上海交通大学， 2018 .

YANG Haitao . Research on the methods of abnormal detection and reasonability evaluation for line loss rates in low-voltage transformer zones ［D］. Shanghai ： Shanghai Jiao Tong University ， 2018 .

国家电网有限公司营销部 . 台区同期线损异常处置手册［M］. 北京：中国电力出版社， 2018 ： 17 - 21 .

Marketing Department of State Grid Corporation . Manual of simultaneous line loss abnormalities ［M］. Beijing ： China Electric Power Press ， 2018 ： 17 - 21 .

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 .

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 .

刘俊，赵宏炎，刘嘉诚，等 . 基于协整-格兰杰因果检验和季节分解的中期负荷预测［J］. 电力系统自动化， 2019 ， 43 （ 1 ）： 73 - 80 .

LIU Jun ， ZHAO Hongyan ， LIU Jiacheng ， et al . Medium-term load forecasting based on cointegration-Granger causality test and seasonal decomposition ［J］. Automation of Electric Power Systems ， 2019 ， 43 （ 1 ）： 73 - 80 .

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 .

CHOPRA R ， MURTHY C R ， RANGARAJAN G . Statistical tests for detecting granger causality ［J］. IEEE Transactions on Signal Processing ， 2018 ， 66 （ 22 ）： 5803 - 5816 .

冷喜武，陈国平，蒋宇，等 . 智能电网监控运行大数据应用模型构建方法［J］. 电力系统自动化， 2018 ， 42 （ 20 ）： 115 - 123 .

LENG Xiwu ， CHEN Guoping ， JIANG Yu ， et al . Model construction method of big data application for monitoring and control of smart grid ［J］. Automation of Electric Power Systems ， 2018 ， 42 （ 20 ）： 115 - 123 .

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 ： 121 - 145 .

PAN Zeqing . Time series analysis—macroeconomic data analysis model ［M］. Beijing ： Economic Science Press ， 2017 ： 121 - 145 .

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

基于核心关联指标和虚拟等值电阻的台区理论线损计算

基于线损协方差分析的群体性固定比例窃电行为检测方法

应用VAR模型分析电力期货与现货价格关系

配电变压器低压侧互联以降低配电网线损率