高损台区基于动态时间弯曲算法的窃电用户识别定位方法

技术领域

本发明涉及电网线损分析领域，具体涉及一种高损台区基于动态时间弯曲算法的窃电用户识别定位方法。

背景技术

用户非法窃电行为直接造成供电企业收益流失，是推进电网精益化运营亟待解决的突出问题。由于供电企业服务用户数量庞大，在有限用电稽查管理人力资源约束下，如何准确识别窃电用户，是有效稽查用电异常的关键。传统上，由于不掌握用户详细的用电数据，供电企业主要通过日结或月结电量识别线损高于特定阈值(如8％)的高损台区，然后根据下接用户的行业特性选择具有较高窃电风险用户开展稽查的方式打击窃电。因台区技术线损的合理区间一般在3％以下，选择高损台区进行窃电稽查可将有限的资源靶向性地集中到确定存在用电异常的高损台区，是一种经受了实践考验的实用窃电检测方法。

近年来，供电企业营配一体化系统的建设和智能电表的普及应用为识别用电异常提供了充沛的可用数据。研究人员采用基于聚类和基于分类异常识别技术，围绕数据驱动的窃电检测开展了大量研究。这些方法大多根据日负荷曲线、用电量突降、报装容量利用率以及历史稽查信息设计和选择特征指标项，再配合算法的适应性改进来识别用电异常。其中，日负荷曲线异常可表征非连续性窃电，用电量突降可标识窃电导致的使用行为异常，而报装容量利用率偏低可反应长期、持续性的用电异常。需要指出的是，供电企业服务客户数量巨大、行业类型繁杂，这些用户的用电行为模式变化多端，并不一定严格满足所选择特征指标项假设的正常用户用电行为特性。部分用户在正常情况下用电量也会大幅波动，容易引起误报，严重阻碍了数据驱动窃电检测方法的工程应用。部分用户采用替换互感器或单相窃电等方式进行高隐蔽性的等比例窃电，从日负荷曲线上看与同类型正常负荷无明显差异。如此类用户长期窃电，当供电企业用电数据历史记录不足以覆盖初始窃电时间点时，便无法识别窃电造成的用电模式突变，造成漏报。

用户窃电手法可分为针对计量装置本身和针对一次系统的两大类。前者主要包含欠压型、欠流型、移相型和扩差法窃电。窃电用户除改变电表接线形式外，还可能替换互感器或施加强磁干扰电表进行单相、两相或三相窃电，为避免被稽查发现，一般仅窃取部分电量。当三相负荷之间大小比例基本固定时，前述手法窃电电量与计量电量数值上呈现较强的正相关特性。后者往往绕过电表从表前隐蔽位置接电，从现场实践来看，这类用户为避免稽查暴露，一般也不会窃取全部电量，而只是将高耗能设备或部分车间接入表前用电，此时窃电用户的窃电电量与计量电量间也将存在正相关关系。

发明内容

本发明的目的是，提供一种高损台区基于动态时间弯曲算法的窃电用户识别定位方法。

由于在线、变、户、表关系正确的条件下，配电台区非技术线损主要由窃电所致，窃电电量直接反应在台区线损电量中，进而使得窃电用户的计量电量与台区损失电量间存在关联关系。因此，针对用户长期处于等比例窃电状态时窃电电量与计量电量之间呈现的较强正相关特性，通过动态时间弯曲算法计算台区线损与用户电量间的相似度，能识别台区下具有窃电嫌疑的用户。

与传统欧式距离计算曲线相似度不同的是，动态时间弯曲可以通过弯曲时间序列的时域对时间序列的数据点进行匹配，不仅能够得到更好的形态度量效果，而且能够度量两条不等长的时间序列。尽管欧氏距离在度量中具有高效性，将时间序列进行“一对一”的数据匹配，但未能准确地使波峰、波谷匹配起来，而动态时间弯曲通过弯曲时间轴，能够实现“一对多”的数据对应。动态时间弯曲能够成功地将两条时间序列的波峰和波谷分别匹配起来，体现了动态时间弯曲在形态度量上的优势。

为此，本发明所采用的技术方案是：一种高损台区基于动态时间弯曲算法的窃电用户识别定位方法，该方法步骤如下：

步骤1：确定窃电高损台区，获取该窃电高损台区单位时间损失电量和下属用户用电量数据，并建立该窃电高损台区的单位时间损失电量时间序列Y＝{Y

上述步骤1中，窃电高损台区的确定可根据各台区的线损率或线损波动率来确定，为本领域的常规技术。以线损率来确定时，由供电企业根据当地实际情况决定，因10kV配电台区理论线损多在2％-3％之间，一般认为线损高于5％的台区为高损台区。

上述步骤1中的单位时间可为具体的时段。当单位时间为日(即24小时)时，则可直接获取用户日用电量数据，则可直接建立下属各用户的日用电量时间序列；当单位时间为15分钟、30分钟、60分钟或12小时等其他时段时，则可根据获取的各用户用电量数据计算出时段用电量数据后再建立下属各用户的小时用电量时间序列。在序列建立时，单位时间损失电量时间序列及下属各用户的单位时间用电量时间序列的单位时间要一致，即损失电量时间序列采用的单位时间是60分钟时，下属各用户的用电量时间序列采用的单位时间亦为60分钟。

步骤2：通过动态时间弯曲(Dynamic time wrapping)算法分别计算高损台区下属各用户的单位时间用电量时间序列与单位时间损失电量时间序列之间的最短距离Dist，得到各用户单位时间用电量时间序列与单位时间损失电量时间序列之间的Dist

上述步骤2中，动态时间弯曲算法(DTW)通过计算两序列之间相似点的距离之和来衡量两个时间序列之间的相似度。该最短距离Dist是通过DTW算法采用动态规划的方式计算距离，旨在寻找2条序列的最佳匹配关系，不要求两序列中的点一一对齐，允许序列点自我复制后再进行错位匹配，能够很好地支持时间轴弯曲，除了对等长度的时间序列进行相似度计算，还能够对非等长时间序列进行相似度计算。

该DTW算法结合时间规整和间距测量计算的非线性规整技术，运用动态规划思想，按局部最优化自动寻求一条路径(即时间弯曲函数)。沿该路径两个特征矢量间的距离最小，则相似度最大。该DTW算法为现有技术，具体计算流程如下：

(1)设序列X＝{x

(2)构造m×n阶的代价矩阵D，其中矩阵的第(i，j)元素为x

(3)利用动态规划方法从构造的动态弯曲距离矩阵中由D

弯曲路径的选择过程中需要满足以下条件：

1)边界条件：所选路径必须从动态弯曲距离矩阵的左下角出发，在动态弯曲距离矩阵的右上角结束；

2)连续性：如果ω

3)单调性：如果ω

(4)最后将弯曲路径对应的最小累积距离作为两序列之间的相似度。累积距离越小，相似度最大。

步骤3：将计算得到的Dist

本发明在台区线损出现异常情况时，通过动态时间弯曲算法计算台区损失电量与台区下属用户用电量之间的相似度，由相似度大小进行排序，找到与损失电量序列最为相似的用户用电量序列，由于用户窃电量与损失电量之间存在一定的正比例关系，故可以进一步确定与损失电量序列最为相似的用户用电量序列对应的用户为台区下属用电异常用户。与分析用户用电量和损失电量的因果关系方法(如格兰杰检验)相比，动态时间弯曲算法中不需要检验各个序列之间的协整关系，没有格兰杰检验中要求序列之间存在长期均衡关系的限制，因此采用动态时间弯曲算法适用范围更广。相较于对窃电高损台区下属用户进行上门逐一稽查，该方法缩小了窃电稽查的范围，能够找到窃电高损台区下引以线损率波动的窃电用户，以减小由用户用电异常带来的损失。

附图说明

图1为本发明的方法流程图。

图2为本发明实施例台区各用户用电量及线损曲线图。

图3为本发明实施例异常用电用户最优弯曲路径图。

具体实施方式

结合参见图1，本发明为一种高损台区基于动态时间弯曲算法的窃电用户识别定位方法，该方法的步骤如下：

步骤1：确定窃电高危台区，获取该窃电高损台区单位时间损失电量和下属用户用电量数据，并建立该窃电高危台区的单位时间损失电量时间序列X＝{Y

上述提及的窃电高危台区的确定可根据各台区的线损率或线损波动率来确定，为本领域的常规技术。

上述提及的单位时间可为具体的时段。当单位时间为日(即24小时)时，则可直接获取用户日用电量数据，则可直接建立下属各用户的日用电量时间序列；当单位时间为15分钟、30分钟、60分钟或12小时等其他时段时，则可根据获取的各用户用电量数据计算出时段用电量数据后再建立下属各用户的小时用电量时间序列。在序列建立时，单位时间损失电量时间序列及下属各用户的单位时间用电量时间序列的单位时间要一致，即损失电量时间序列采用的单位时间是60分钟时，下属各用户的用电量时间序列采用的单位时间亦为60分钟。

步骤2：通过动态时间弯曲(Dynamic time wrapping)算法分别计算高损台区下属各用户的单位时间用电量时间序列与单位时间损失电量时间序列之间的最短距离Dist，得到各用户单位时间用电量时间序列与单位时间损失电量时间序列之间的Dist

上述提及的DTW距离采用动态规划的方式计算距离，按局部最优化自动寻求一条路径(即时间弯曲函数)。沿该路径两个特征矢量间的距离最小，则相似度最大，DTW算法的具体计算流程如下：

(1)设序列X＝{x

(2)构造m×n阶的代价矩阵D，其中矩阵的第(i，j)元素为x

(3)利用动态规划方法从构造的动态弯曲距离矩阵中由D

弯曲路径的选择过程中需要满足以下条件：

1)边界条件：所选路径必须从动态弯曲距离矩阵的左下角出发，在动态弯曲距离矩阵的右上角结束；

2)连续性：如果ω

3)单调性：如果ω

4)最后将弯曲路径对应的最小累积距离作为两序列之间的相似度。

步骤3：将计算得到的Dist

实施例

以某窃电高损台区的序列Y(代表该台区损失电量时间序列)和序列X

表1 DTW距离计算结果

通过表1的计算结果可知，用户2的用电量序列与台区损失电量序列之间的DTW距离最小，说明二者的曲线形态相较于其他用户而言更为相似，判定用户2为高损台区下的用电异常用户(异常用电用户2的最优弯曲路径见图3)，进行重点稽查。