• 中国精品科技期刊
  • CCF推荐A类中文期刊
  • 计算领域高质量科技期刊T1类
高级检索

基于用电特征分析的窃电行为识别方法

史玉良, 荣以平, 朱伟义

史玉良, 荣以平, 朱伟义. 基于用电特征分析的窃电行为识别方法[J]. 计算机研究与发展, 2018, 55(8): 1599-1608. DOI: 10.7544/issn1000-1239.2018.20180216
引用本文: 史玉良, 荣以平, 朱伟义. 基于用电特征分析的窃电行为识别方法[J]. 计算机研究与发展, 2018, 55(8): 1599-1608. DOI: 10.7544/issn1000-1239.2018.20180216
shu
Shi Yuliang, Rong Yiping, Zhu Weiyi. Stealing Behavior Recognition Method Based on Electricity Characteristics Analysis[J]. Journal of Computer Research and Development, 2018, 55(8): 1599-1608. DOI: 10.7544/issn1000-1239.2018.20180216
Citation: Shi Yuliang, Rong Yiping, Zhu Weiyi. Stealing Behavior Recognition Method Based on Electricity Characteristics Analysis[J]. Journal of Computer Research and Development, 2018, 55(8): 1599-1608. DOI: 10.7544/issn1000-1239.2018.20180216
shu
史玉良, 荣以平, 朱伟义. 基于用电特征分析的窃电行为识别方法[J]. 计算机研究与发展, 2018, 55(8): 1599-1608. CSTR: 32373.14.issn1000-1239.2018.20180216
引用本文: 史玉良, 荣以平, 朱伟义. 基于用电特征分析的窃电行为识别方法[J]. 计算机研究与发展, 2018, 55(8): 1599-1608. CSTR: 32373.14.issn1000-1239.2018.20180216
shu
Shi Yuliang, Rong Yiping, Zhu Weiyi. Stealing Behavior Recognition Method Based on Electricity Characteristics Analysis[J]. Journal of Computer Research and Development, 2018, 55(8): 1599-1608. CSTR: 32373.14.issn1000-1239.2018.20180216
Citation: Shi Yuliang, Rong Yiping, Zhu Weiyi. Stealing Behavior Recognition Method Based on Electricity Characteristics Analysis[J]. Journal of Computer Research and Development, 2018, 55(8): 1599-1608. CSTR: 32373.14.issn1000-1239.2018.20180216
shu

基于用电特征分析的窃电行为识别方法

  • 1(山东大学软件学院 济南 250100)

  • 2(山大地纬软件股份有限公司 济南 250100)

  • 3(国网山东省电力公司 济南 250001) (shiyuliang@sdu.edu.cn)

基金项目: 山东省泰山产业领军人才工程专项经费(tscy20150305);山东省重点研发计划(2016GGX101008,2016ZDJS01A09);山东省自然科学基金重大基础研究项目(ZR2017ZB0419) This work was supported by the TaiShan Industrial Experts Programme of Shandong Province (tscy20150305), the Primary Research and Development Plan of Shandong Province (2016GGX101008, 2016ZDJS01A09), and the Major Basic Research Project of Natural Science Foundation of Shandong Province (ZR2017ZB0419).
详细信息

  • 中图分类号: TP391

Stealing Behavior Recognition Method Based on Electricity Characteristics Analysis

  • 1(School of Software, Shandong University, Jinan 250100)

  • 2(Dareway Software Co., Ltd., Jinan 250100)

  • 3(State Grid Shandong Electric Power Company, Jinan 250001)

摘要

    摘要
  • 摘要: 反窃电工作是实现电力企业用电管理不可或缺的环节.针对山东省用电用户数量多、分布面积广、窃电现象逐年上升、检测人员不足等特点，对获取的用户窃电行为数据进行合理的分析、处理，提出一种基于用电特征分析的窃电行为识别方法，实现对窃电嫌疑用户的筛查.该方法首先基于采集样本，以过滤式算法和规则阈值设定的方式，实现采集样本数据的特征提取，从而提高采集数据的有效性；随后以逻辑回归算法构建用户窃电行为诊断模型，实现对窃电嫌疑用户的判定；此外，采用推送、排查、处理和反馈的闭环工作机制不断优化模型，并以国网山东省电力公司用电信息采集系统、营销业务应用系统提供数据进行算例分析，验证了所述方法的可行性与适用性.
    Abstract: Anti-stealing electricity is an indispensable component of electricity enterprise management. In view of the current problems such as the large number of users, the wide distribution area, the increasing year-on-year power stealing, and the lack of supervision personnel, this paper analyzes and handles the data of power stealing behavior, and proposes a stealing behavior recognition method which can identify the stealing users. First, based on the collected samples, this method adopts a filtering algorithm and a regular threshold to implement feature extraction, so as to improve the effectiveness of the collected data. Then, the user’s stealing behavior diagnosis model is constructed based on the logistic regression algorithm to realize the determination of suspected users. In addition, this paper uses the closed-loop working mechanism which continues to update data by the way of pushing, shooting, processing and feedback to continuously optimize the model. According to the collected data provided by the power consumption information collection system and marketing business application system of State Grid Shandong Electric Power Company, the experimental results prove the feasibility and applicability of the method.
    • HTML全文
    • 参考文献(0)
    • 相关文章
    • 施引文献(52)

  • 期刊类型引用(34)

    1. 李军军，杜永高，王永龙. 用电检查中的数据采集与实时监控技术研究. 家电维修. 2025(03): 12-14 . 百度学术
    2. 刘现义，石星昊，蒋怡康，潘秀敏，曲乐，黄锋. 基于联合神经网络的用户窃电行为识别模型. 电气传动. 2024(03): 61-67 . 百度学术
    3. 鞠默欣，周雨馨，唐伟宁，于欢，宋昊燃，倪鹏翔，戚意彬，谢蓓欣. 基于数据不均衡的CART决策树用电异常检测方法. 吉林电力. 2024(01): 53-56 . 百度学术
    4. 胡荣辉. 统计与大数据思维在窃电识别中的应用. 电工技术. 2024(04): 92-95 . 百度学术
    5. 鞠默欣，唐伟宁，周雨馨，于欢，倪鹏翔，宋昊燃，戚意彬，高山. 基于动态分组的支持向量机窃电识别方法. 吉林电力. 2024(02): 39-42+45 . 百度学术
    6. 李云峰，高云鹏，张蓬鹤，杨艺宁，陈康. 多目标优化时域卷积神经网络的窃电行为高准确检测算法. 电网技术. 2024(08): 3449-3458 . 百度学术
    7. 万龙，黄河滔，张兴霖. 基于用电特征分析的窃电行为识别方法. 电工材料. 2023(01): 64-67 . 百度学术
    8. 王鹏飞，汤铭，杜元翰，李效龙. 基于多列神经网络的用电行为自诊断技术研究. 微型电脑应用. 2023(01): 111-113 . 百度学术
    9. 黄荣国，陆春光，姚力，玄鑫. 基于离群点算法的低压窃电行为主动辨识系统. 沈阳工业大学学报. 2023(05): 486-490 . 百度学术
    10. 谢连芳. 大数据架构下的用电评价与反窃电技术探讨. 单片机与嵌入式系统应用. 2022(02): 22-26 . 百度学术
    11. 宋少杰，张长胜，李英娜，李川. 基于曲线相似度和集成学习的窃电识别. 数据通信. 2022(03): 39-44 . 百度学术
    12. 耿泉峰，张杨华，葛云龙，张瑞，吕云彤. 基于电力采集阈值溢出的防窃电识别方法的研究. 微型电脑应用. 2022(06): 108-112 . 百度学术
    13. 殷涛，苏盛，刘爱国，舒一飞，薛阳，杨艺宁. 基于向前逐步回归的高损线路窃电检测. 电网技术. 2022(07): 2742-2749 . 百度学术
    14. 武旭，王果，许星煜，王毅斌，张建雄. 基于数据驱动的窃电行为预警综合评分方法. 电力系统及其自动化学报. 2022(08): 18-26 . 百度学术
    15. 张合川，石盼，王磊，史辉，徐相波. 基于多层前馈神经网络的反窃电系统研究. 微型电脑应用. 2022(08): 58-61+78 . 百度学术
    16. 殷锋，周绍军，漆翔宇，曹旭. 基于改进LOF算法的窃电检测方法研究. 中南民族大学学报(自然科学版). 2022(05): 579-585 . 百度学术
    17. 葛岳军，刘瑞，马立骏，马丽，毕凤娟. 基于CNN-LSTM模型的电力盗窃行为识别技术研究. 供用电. 2022(09): 61-67 . 百度学术
    18. 刘康，李彬，薛阳，杨艺宁，徐英辉，刘爱国，苏盛. 基于传递熵密度聚类的用户窃电识别方法. 中国电机工程学报. 2022(20): 7535-7546 . 百度学术
    19. 李春芳，张锐峰，贾璐，王芳，郭飞. 基于改进k-means算法和大数据分析的新型窃电识别模型与仿真. 电子设计工程. 2022(22): 84-88 . 百度学术
    20. 游文霞，李清清，杨楠，申坤，李文武，吴泽黎. 基于多异学习器融合Stacking集成学习的窃电检测. 电力系统自动化. 2022(24): 178-186 . 百度学术
    21. 刘颖，杜星秋，温东欣，唐伟宁，张洪明. 基于TLSmote-SVM的非均衡用户窃漏电诊断算法. 吉林大学学报(理学版). 2021(01): 136-142 . 百度学术
    22. 余向前，祝唯微，权朝阳，王林信，张振南. 智能电力分配下窃电用户数据在线识别系统. 电子设计工程. 2021(10): 189-193 . 百度学术
    23. 罗鸿轩，金鑫，钱斌，赵云. 基于区块链的台区智能终端与智能电表安全防护方法. 南方电网技术. 2021(04): 50-58 . 百度学术
    24. 边海源，刘晓焜，张东平，寿杰. 基于数据挖掘的异常用电行为诊断方法研究. 电子设计工程. 2021(22): 139-143 . 百度学术
    25. 李骁，赵曦，王兆军，任大为，刘丽君，刘志美. 基于递归小波神经网络的敏感台区反窃电监测方法. 计算技术与自动化. 2021(04): 156-160 . 百度学术
    26. 陈文瑛，龙跃，傅宏，杨芾藜，周川. 客户侧窃电态势感知及智能预警关键技术的研究. 电子技术应用. 2021(12): 69-73 . 百度学术
    27. 高骞，赵阿南，汤奕. 基于电源特征的发电统计数据异常辨识研究. 供用电. 2020(01): 73-79 . 百度学术
    28. 唐冬来，刘友波，熊智临，马铁丰，苏童. 基于时空关联矩阵的配电台区反窃电预警方法. 电力系统自动化. 2020(19): 168-181 . 百度学术
    29. 矫真，王兆军，郭红霞，郭红梅，赵曦. 使用计量数据和聚类算法检测非技术损失. 计算技术与自动化. 2020(04): 61-67 . 百度学术
    30. 张颖，郭思炎，张益辉. 基于大数据的企业用能数据共享分析平台设计与实现. 电力大数据. 2020(10): 49-54 . 百度学术
    31. 钟云南，谢春，李尚鸿，谢驰. 基于自适应FCM-SVDD的异常用电行为辨识. 信息技术. 2019(06): 153-157 . 百度学术
    32. 张小秋，周超，徐晴. 基于逻辑回归的增量式异常用电行为检测方法. 科学技术与工程. 2019(29): 144-149 . 百度学术
    33. 杨学良，陶晓峰，熊霞，戚梦逸，孙萌. 基于深度森林算法的窃电行为检测方法研究. 智慧电力. 2019(10): 85-92 . 百度学术
    34. 贺超，谷骞. 识别低压居民窃电以及窃电政策宣贯. 大众标准化. 2019(14): 58+60 . 百度学术

    其他类型引用(18)

    • 资源附件(0)
计量
  • 文章访问数:  1904
  • HTML全文浏览量:  4
  • PDF下载量:  915
  • 被引次数: 52
出版历程
  • 发布日期:  2018-07-31

目录

摘要
HTML全文
    参考文献(0)
    相关文章
    施引文献
    资源附件(0)

    /

    返回文章
    返回
    邮件订阅 RSS
    微信订阅号<br/>（实时资讯）

    微信订阅号
    （实时资讯）

    微信服务号<br/>（同步网站）

    微信服务号
    （同步网站）

    微信视频号<br/>（视频分享）

    微信视频号
    （视频分享）

    CCF<br/>（扫码入会）

    CCF
    （扫码入会）

    版权所有 © 《计算机研究与发展》编辑部

    本系统由北京仁和汇智信息技术有限公司开发  百度统计