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

薛阳; 张蓬鹤; 杨艺宁; 宋如楠; 彭彦林; 赵海森

doi:10.7500/AEPS20210922004

您当前的位置：

首页 >

文章列表页 >

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

学术研究 | 更新时间：2025-06-16

- 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
- Detection Method for Group Fixed-ratio Electricity Theft Behaviors Based on Covariance Analysis of Line Loss
- 电力系统自动化 2022年46卷第13期页码：112-120
- 作者机构：
  
  1.中国电力科学研究院有限公司,北京市 100192
  2.国网重庆市电力公司,重庆市 400015
  3.新能源电力系统国家重点实验室(华北电力大学),北京市 102206
- 作者简介：
  
  薛阳（1987—），男，硕士，高级工程师，主要研究方向：反窃电技术、计量设备故障诊断等。E-mail：xueyang3@epri.sgcc.com.cn
  张蓬鹤（1978—），女，博士，高级工程师，主要研究方向：电能计量及仪器仪表检测技术。E-mail：zhangpenghe@epri.sgcc.com.cn
  杨艺宁（1996—），女，硕士，助理工程师，主要研究方向：反窃电技术。E-mail：yagnyn@epri.sgcc.com.cn
  赵海森（1982—），男，通信作者，博士，副教授，博士生导师，主要研究方向：高效低振动电机理论与设计、电机系统节能、电能计量及反窃电技术等。E-mail：zhaohisen@163.com
- 基金信息：
  
  国家电网公司科技项目(5400-201925177A-0-0-00)
- DOI：10.7500/AEPS20210922004
  中图分类号：
- 收稿日期：2021-09-22，
  
  修回日期：2022-02-08，
  
  网络出版日期：2022-04-21，
  
  纸质出版日期：2022-07-10
- 稿件说明：
移动端阅览
薛阳,张蓬鹤,杨艺宁等.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[J].电力系统自动化,2022,46(13):112-120.

XUE Yang,ZHANG Penghe,YANG Yining,et al.Detection Method for Group Fixed-ratio Electricity Theft Behaviors Based on Covariance Analysis of Line Loss[J].Automation of Electric Power Systems,2022,46(13):112-120.
薛阳,张蓬鹤,杨艺宁等.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[J].电力系统自动化,2022,46(13):112-120. DOI： 10.7500/AEPS20210922004.

XUE Yang,ZHANG Penghe,YANG Yining,et al.Detection Method for Group Fixed-ratio Electricity Theft Behaviors Based on Covariance Analysis of Line Loss[J].Automation of Electric Power Systems,2022,46(13):112-120. DOI： 10.7500/AEPS20210922004.

摘要

当一个配电台区内存在多个固定比例的窃电用户时，台区的非技术线性损耗（NTL）将由这群窃电用户的窃电量共同决定。目前根据NTL相关性强弱排序的检测方法在这一场景下有可能失效。首先，为了解决这一问题，文中发现了台区NTL和固定比例窃电用户表计数据的相关性存在着一种递增现象，并论证了这一现象成立的充分条件。以此为基础提出了基于协方差分析的窃电检测方法。通过标准化处理后的协方差来衡量NTL与用户电量之间的相关性，以求解一个组合优化问题的方式，实现对固定比例窃电用户的搜寻。然后，设计了该方法在实际应用过程中的运行框架和检测方案。最后，基于中国某省电力公司提供的实测数据和窃电模拟实验平台生成的窃电数据验证了所提方法的有效性。

Abstract

When multiple fixed-ratio electricity-theft users exist in one distribution station area

the non-technical loss (NTL) of the station area will be jointly determined by the amount of electricity stolen by this group of electricity-theft users. Current detection methods ranked according to the strength of the NTL correlation are likely to fail in this scenario. First

to solve this problem

this paper finds an incremental phenomenon in the correlation between the NTL of the station area and meter data of the fixed-ratio electricity-theft users

and argues a sufficient condition for this phenomenon to hold. Based on this

a method of electricity theft detection based on covariance analysis is proposed. The correlation between NTL and users’ electricity consumption is measured by normalized covariance

and the search for an fixed-ratio electricity-theft users is realized by solving a combinatorial optimization problem. Then

the operational framework and detection scheme of the method in the practical application are designed. Finally

the effectiveness of the proposed method is verified based on the actual measurement data provided by a provincial power company in China and the electricity theft data generated by the electricity theft simulation experiment platform.

关键词

Keywords

references

DEPURU S S S R ， WANG L ， DEVABHAKTUNI V . Electricity theft： overview， issues， prevention and a smart meter based approach to control theft ［J］. Energy Policy ， 2011 ， 39 （ 2 ）： 1007 - 1015 ．

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 - 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 .

CÁRDENAS A A ， AMIN S ， SCHWARTZ G ， et al . A game theory model for electricity theft detection and privacy-aware control in AMI system ［C］// Annual Allerton Conference on Communication， Control， and Computing ， October 1-2 ， 2012 ， Monticello， USA ．

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

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 .

MUHAMMAD I ， SHAABAN M F ， MAHESH N ， et al . Deep learning detection of electricity theft cyber-attacks in renewable distributed generation ［J］. IEEE Transactions on Smart Grid ， 2020 ， 11 （ 4 ）： 3428 - 3437 .

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 .

ABDULRAHMAN T ， MUHAMMAD I ， USMAN Z ， et al . Robust electricity theft detection against data poisoning attacks in smart grids ［J］. IEEE Transactions on Smart Grid ， 2021 ， 12 （ 3 ）： 2675 - 2684 .

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 .

ZHENG K ， WANG Y ， CHEN Q ， et al . Electricity theft detecting based on density-clustering method ［C］// IEEE Innovative Smart Grid Technologies-Asia （ISGT-Asia）， December 4-7 ， 2017 ， Auckland， New Zealand .

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 .

LIVIA R ， FERNANDA T ， DA CUNHA VINICIUS C ， et al . Non-technical loss identification by using data analytics and customer smart meters ［J］. IEEE Transactions on Power Delivery ， 2020 ， 35 （ 6 ）： 2700 - 2710 .

GAO Y Q ， FOGGO B ， YU N P . A physically inspired data-driven model for electricity theft detection with smart meter data ［J］. IEEE Transactions on Industrial Informatics ， 2019 ， 15 （ 9 ）： 5076 - 5088 .

SERGIO S ， MING L ， PAN L . Privacy-preserving energy theft detection in smart grids： a P2P computing approach ［J］. IEEE Journal on Selected Areas in Communications ， 2013 ， 31 （ 9 ）： 257 - 267 .

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 .

NIKOVSKI D N ， WANG Z H . Method for detecting power theft in a power distribution system ： US9945889 ［P］. 2018-04-17 .

RAO P S N ， DEEKSHIT R . Energy loss estimation in distribution feeders ［J］. IEEE Transactions on Power Delivery ， 2006 ， 21 （ 3 ）： 1092 - 1100 .

CHEN L J ， ARAMBEL P O ， MEHRA R K . Estimation under unknown correlation： covariance intersection revisited ［J］. IEEE Transactions on Automatic Control ， 2002 ， 47 （ 11 ）： 1879 - 1882 .

DAVIS J ， GOADRICH M . The relationship between precision-recall and ROC curves ［C］// Proceedings of the 23th International Conference on Machine Learning ， June 25-29 ， 2006 ， Pittsburgh， USA .

TURPIN A ， SCHOLER F . User performance versus precision measures for simple search tasks ［C］// Proceedings of the 29th annual international ACM SIGIR conference on Research and development in information retrieval ， August 6-9 ， 2006 ， New York， USA ： 11 - 18 .

RESHEF D N ， RESHEF Y A ， FINUCANE H K ， et al . Detecting novel associations in large data sets ［J］. Science ， 2011 ， 334 ： 1518 - 1524 .

RODRIGUEZ A LAIO A . Clustering by fast search and ﬁnd of density peaks ［J］. Science ， 2014 ， 344 （ 6191 ）： 1492 - 1496 .

BREUNIG M M ， KRIEGEL H P ， NG R T ， et al . LOF： identifying density-based local outliers ［C］// Proceedings of the 2000 ACM SIGMOD international conference on Management of data ， May 15-18 ， 2000 ， Dallas， USA ： 93 - 104 .

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

数据赋能低压配用电系统精益化运行的关键技术与算法

基于多异学习器融合Stacking集成学习的窃电检测

基于图转换和混合卷积神经网络的窃电检测方法