基于聚类算法的感应式机械电能表防窃电监测方法.pdf

圆园23,38穴10雪基于聚类算法的感应式机械电能表防窃电监测方法DOI院10.19557/ki.1001-9944.2023.10.018梁键袁何江海袁杨海涛渊北京国电通网络技术有限公司袁北京 100070冤摘要院由于感应式机械电能表包含窃电和非窃电两种数据类型袁进行防窃电监测时容易因数据混淆而导致监测精度降低袁 为此提出基于聚类算法的感应式机械电能表防窃电监测方法遥 通过聚类数选择袁建立感应式机械电能表窃电数据模糊聚类的目标函数袁并计算每个聚类簇数据集中用户的隶属度值袁按照隶属度大小进行模糊聚类袁根据聚类结果袁通过相关性系数袁度量窃电数据相似性袁结合窃电数据与正常数据之间的欧氏距离值袁计算当前电能表负荷数据与监测曲线之间的匹配度值袁若大于最佳值袁则表明该电能表处于被窃电状态袁计算欧式距离即可定位到窃电点袁从而完成电能表防窃电监测遥 实验结果表明袁所提方法对电能表数据初步聚类效果较佳袁感应式机械电能表防窃电监测精度较高袁监测质量好遥关键词院聚类算法曰感应式机械电能表曰防窃电曰因子分析法曰隶属度计算中图分类号院TM933.4文献标识码院A文章编号院员园园员鄄怨怨源源渊圆园23冤10鄄园园8员鄄园5Monitoring Method of Induction Mechanical Watt Hour Meter Against ElectricityStealing Based on Clustering AlgorithmLIANG Jian袁HE Jianghai袁YANG Haitao渊Beijing Guodian Network Technology Co.袁Ltd.袁Beijing 100070袁China冤Abstract院Because the induction mechanical watt鄄hour meter contains two data types of electricity stealing and non鄄elec鄄tricity stealing袁the monitoring accuracy is easy to be reduced due to data confusion.Therefore袁a clustering algorithmbased induction mechanical watt鄄hour meter anti鄄theft monitoring method is proposed.Through the selection of clusternumber袁the objective function of fuzzy clustering of power theft data of induction mechanical energy meter is established袁and the membership degree value of users in each cluster data set is calculated.Fuzzy clustering is carried out ac鄄cording to the membership degree.According to the clustering results袁the similarity of power theft data is measured bycorrelation coefficient袁and the Euclidean distance value between power theft data and normal data is combined.Calcu鄄late the matching degree between the current watt鄄hour meter load data and the monitoring curve.If it is greater thanthe best value袁it indicates that the watt鄄hour meter is in the state of being stolen.Calculate the Euclide distance to lo鄄cate the point of stealing electricity袁so as to complete the anti鄄stealing monitoring of the watt鄄hour meter.The experi鄄mental results show that the proposed method has good preliminary clustering effect on the watt鄄hour meter data袁andthe monitoring precision of the induction mechanical watt鄄hour meter is high and the monitoring quality is good.Key words院clustering algorithm曰induction mechanical electricity meter曰anti stealing electricity曰factor analysis曰mem鄄bership calculation收稿日期院2023-04-10曰修订日期院2023-08-17作者简介院梁键渊1980要冤袁男袁本科袁中级工程师袁研究方向为计算机科学与技术曰何江海渊1985要冤袁男袁本科袁中级工程师袁研究方向为信息技术与自动化遥目前袁随着电力使用量和用户数量的不断上升袁家庭以及工厂用电的窃电或漏电行为越来越严重袁这不仅会损害个人和国家电力企业的经营利益袁还会扰乱正常的电网供电秩序遥 并且袁窃电过程中还仪表与自动化装置81粤怎贼燥皂葬贼蚤燥灶 驭 陨灶泽贼则怎皂藻灶贼葬贼蚤燥灶圆园23,38穴10雪容易出现因操作不当尧 违规等行为导致的人员伤亡尧财产及设备损失袁最终造成严重事故遥 近年来袁国家采取专业化尧智能化的防窃电手段袁但由于电网分布较为广泛袁感应式机械电能表更是工厂和家庭的应用主力袁 由于大面积排查所需耗费过高袁并且误差较大遥 因此袁对于电能表这类单一小型设备袁单独进行监测得到的效果较佳且更高效遥 文献1根据设定的用户数据采集指标袁 采集用户用电信息袁并对数据展开规范化处理袁使用最大类间差分算法计算用电采集阈值袁将阈值计算结果与用户特征相结合袁完成用户状态划分袁通过用户状态归一化处理袁识别窃电用户袁完成防窃电监测曰文献2通过测量馈线的三相参数袁设计一种物联网馈线防窃电控制器袁并通过该控制器对电压电流数据窃电行为进行监测遥 但是上述两种方法进行窃电行为监测精度较低遥综合上述问题袁本文采用聚类算法进行感应式机械电能表的具体防窃电监测遥1感应式机械电能表数据模糊聚类在感应式机械电能表防窃电监测前袁首先对电能表数据进行模糊聚类遥 当监测样本数量较大时袁数据集中每个聚类样本节点之间的相似性较强袁数据方差和很低袁很难分辨遥 此时袁需要定义一个标准聚类数袁并根据实际数据设置期望条件袁具体操作步骤如下院渊1冤聚类数的选择对于感应式机械电能表的窃电监测袁窃电数据聚类数以及阈值是监测的关键袁阈值选取过小或过大都会增加误判率遥 同时袁合理的聚类数选择也是十分重要的袁若聚类数选择基数过小袁则不能包含所有电力数据袁存在一定的判定误差曰若选择基数过大袁聚类算法对窃电数据的敏感度降低袁也会影响监测精准度遥渊2冤聚类中心过程设用户电能表数据为 X2曰电力特征为 V2曰模糊加权指数为 茁曰聚类个数为 m曰权重隶属度3矩阵为U2遥 要想提高对电能表防窃电数据聚类的精准性袁需要根据数据分布情况实时更新聚类中心 灼袁 通过计算不同类型的电能表数据与聚类中心之间的欧式距离4实现分类遥 建立的感应式机械电能表窃电数据模糊聚类的目标函数 Jb渊U2袁V2冤为Jb渊U2袁V2冤越灶蚤越员移mk越员移渊滋ik冤b渊dik冤2渊1冤式中院Jb表示聚类中心目标函数值曰滋ik表示聚类点i 到k 的隶属度值曰dik表示聚类点 i 与 k 的欧式距离值遥将分类后的电能表数据进行负荷记录5袁可得到 X2=喳X1袁X2袁噎袁Xn札袁数据特征集合为 V2=喳V1袁V2袁噎袁Vm札袁其中袁任意子集 Vm均包含 96 个特征点遥渊3冤计算隶属度完成感应式机械电能表数据模糊聚类后袁计算每个聚类簇数据集中用户的隶属度值袁后续监测可根据该值进行隶属度比对袁初步判定监测数据符合的聚类簇种类袁再实施判定可大大降低误判率袁在提高监测精准度的同时还减少二次监测次数袁从而提高监测效率遥 聚类流程如图 1 所示遥2基于相关性系数的窃电数据相似性度量相关性系数考量的重点在于可以计算不同聚类簇之间的相关性系数袁来确定该聚类簇与防窃电数据簇之间的关系袁辨别其是否符合窃电数据变动标准袁若不符合则剔除该数据袁在最大程度上降低监测失误的可能性遥 为此袁根据感应式机械电能表数据聚类结果袁通过相关性系数袁对窃电数据相似性度量遥图 1感应式机械电能表数据聚类流程Fig.1Data clustering flow chart of inductionmechanical watt鄄hour meter开始计算初始化模糊加权指数尧聚类个数更新聚类中心矩阵更新隶属度矩阵迭代计算当目标函数值小于迭代值时结束钥YN得到用户电能表日负荷数据根据实时数据更新隶属度矩阵结束仪表与自动化装置82圆园23,38穴10雪以用户电能表负荷数据为依据袁设用户每日用电的日负荷曲线为 x2=喳x1袁x2袁噎袁x96札袁窃电数据的负荷特征曲线为 v2=喳v1袁v2袁噎袁v96札袁用相关性系数6灼 可表示为灼越96蚤越员移渊xi-x觷冤渊vi-v觷冤96蚤越员移渊xi-x觷冤296蚤越员移渊vi-v觷冤2姨渊2冤其中院x觷尧v觷的计算公式为x觷=员9696蚤越员移xiv觷=员9696蚤越员移vi扇墒设设设缮设设设渊3冤式中院xi尧vi分别表示正常数据和窃电数据在 i 点的变化趋势曰x觷尧v觷表示正常数据和窃电数据在 i 点的相关性遥3感应式机械电能表防窃电监测方法根据上述度量的窃电数据相似性袁对感应式机械电能表防窃电监测遥 感应式机械电能表防窃电监测属于一种二元分类问题袁可将待监测的电能表数据分为 2 类院一种是窃电数据袁另一种则为非窃电数据遥 基于此袁初步给出窃电和非窃电数据的混淆模型7Mc袁其表达式为Mc=PTNTPFNF蓘蓡渊4冤式中院PT表示监测到窃电用户电能表数量曰NT表示非窃电用户电能表数量曰PF表示窃电用户电能表运行频率曰NF表示非窃电用户电能表运行频率值8遥 本文在进行感应式机械电能表防窃电监测时袁预先设定一个监测维度袁根据待监测电能表的聚类类型袁选择最为合适的维度值9遥 利用用户离群得分对照窃电监测阈值袁根据阈值对比实现是否存在窃电行为遥设误检率10为 PF袁R尧期望检测率为 PT袁R袁给出二者之间的相关函数 f渊x冤为f渊x冤=PT袁R=PT渊PT+NF冤PF袁R=PF渊PF+NT冤扇墒设设缮设设渊5冤利用因子分析法设定一个公共因子 渍i袁将待监测电能表数据进行降维处理 x义2越喳x1义袁x2义袁噎袁x96义渊l2冤札袁其中袁x义2表示降维后的电能表负荷数据曰l2表示数据维度袁其需要满足 l2约l遥进行降维后数据集中窃电点的隶属度关系更为明显袁进行监测时能容易捕捉到窃电数据袁为此隶属度中心进行优化可得浊越渊浊ij冤T伊F遥其中袁浊ij表示标准隶属度值遥由于电能表负荷变化与时间之间存在紧密关联关系袁随着时间的不断增加袁电能表的窃电数据变化也会越来越明显遥根据上述过程求得的相关性系数袁结合窃电数据与正常数据之间的欧氏距离值 rT伊F袁计算用户窃电负荷与监测点之间的特征匹配度 e-d袁表达公式为e-d越w1rT伊F+w2rT伊F渊6冤式中院w1尧w2均表示权重因子袁可得院w1+w2=1渊7冤根据实际感应式机械电能表的数据情况袁来调整 w1尧w2的取值袁即可得到一个窃电数据和监测点的最佳匹配度值 M0遥在被测电能表不存在外界干扰的情况下袁计算当前电能表负荷数据与监测曲线之间的匹配度值Mn袁若该值小于或等于最佳值 M0袁表明该被测电能表数据正常曰若大于最佳值 M0袁则表明该电能表处于被窃电状态袁计算欧式距离即可定位到窃电点遥4实验分析4.1测试设置为了验证本文提出的基于聚类算法的感应式机械电能表防窃电监测方法在实际应用中的有效性袁选取感应式机械电能表为实验对象袁进行一次仿真测试遥 感应式机械电能表如图 2 所示遥实验过程中所选实验设备的具体参数设置如表1 所示遥图 2感应式机械电能表Fig.2Induction mechanical watt鄄hour meter仪表与自动化装置83粤怎贼燥皂葬贼蚤燥灶 驭 陨灶泽贼则怎皂藻灶贼葬贼蚤燥灶圆园23,38穴10雪本次试验采用的数据来自于我国能源部 2021年发布的太原用电数据袁该数据库中包含 25469 条相关感应式机械电能表的用电数据袁可满足防窃电监测的数据量需求遥 由于电能表每日流水数据量较大袁实验选取 425 个用户连续一周渊7 天冤的电能表异常数据袁监测用户的每日用电量袁采集存在窃电风险和正常数据的时间序列袁运用文中方法对序列进行防窃电监测袁将监测结果以异常点分布的形式展现袁验证监测的有效性遥4.2用户感应式机械电能表用电量为提高实验数据的对比能力袁采集初步的电能表数据袁得到用户 A 住宅电能表在 2021 年 10 月 1日耀7 日期间实际的全部用电数据袁如图 3 所示遥 其中横坐标代表根据时间顺序排列的数据编号袁纵坐标代表该用户电能表的每日用电数值遥从图 3 中可以看出袁该用户的电能表在第 4 天开始出现窃电现象袁一直持续到第 6 天结束袁说明此感应式机械电能表具有窃电问题袁并且用户感应式机械电能表存在 3 种类型数据袁不同类型的电能表数据如图 4 所示遥4.3感应式机械电能表数据聚类效果采用本文提出的基于聚类算法的感应式机械电能表防窃电监测方法尧文献1方法和文献2方法袁对不同类型的感应式机械电能表数据进行聚类袁聚类结果如图 5 所示遥根据图 5 可知袁本文提出的基于聚类算法的感应式机械电能表防窃电监测方法进行感应式机械电能表数据聚类效果较好袁而文献1方法和文献2方法进行感应式机械电能表数据聚类存在错误分类现象袁并且文献2方法的数据聚类较离散袁因此袁表 1实验设备参数设置Tab.1Parameter settings of experimental equipment编号设备参数数值1型号DDS18862参比电压220/380 V3基本电流1.5100 A4频率50 Hz5功耗约10 VA6阻抗跃2 M赘7精度等级误差依0.2%8时钟臆0.5 s/d9脉冲宽度80依20 ms10比特率支持 1200 bps19200 bps20018016014012010080604020012 24 36 48 60 72 84 96 108120132144156168时间序列/h类型1类型2类型3图 3用户感应式机械电能表用电量Fig.3Electricity consumption of user inductionmechanical energy meter图 4聚类算法电能表数据分析结果Fig.4Analysis results of energy meter data based onclustering algorithm20018016014012010080604020012345678910样本序列类型1类型2类型3伊10220018016014012010080604020012366084108132156时间序列/h类型1类型2类型3渊a冤本文方法的聚类结果20018016014012010080604020012366084108132156时间序列/h类型1类型2类型3渊b冤文献1方法的聚类结果仪表与自动化装置84圆园23,38穴10雪图 5三种方法的感应式机械电能表数据聚类结果Fig.5Clustering results of induction mechanicalwatt鄄hour meter data of three methods本文提出的基于聚类算法的感应式机械电能表防窃电监测方法进行感应式机械电能表数据聚类效果最好袁为感应式机械电能表防窃电监测奠定基础遥4.4感应式机械电能表防窃电监测精度对比采用本文提出的基于聚类算法的感应式机械电能表防窃电监测方法尧文献1方法和文献2方法袁对感应式机械电能表防窃电监测精度进行对比分析袁对比结果如图 6 所示遥根据图 6 可知袁本文提出的基于聚类算法的感应式机械电能表防窃电监测方法进行感应式机械电能表防窃电监测的精度最高可达 98%袁文献1方法进行感应式机械电能表防窃电监测的精度最高只有 74%袁文献2方法进行感应式机械电能表防窃电监测的精度最高只有 89%袁本文提出的基于聚类算法的感应式机械电能表防窃电监测方法进行感应式机械电能表防窃电监测的精度最高袁监测效果最好遥5结语本文主要研究了基于聚类算法的感应式机械电能表防窃电监测方法袁建立了模糊聚类模型袁对用户的用电数据进行初步分类袁采用因子设定法求解电能表用户每日用电的日负荷与窃电负荷间的相关性因子袁将监测类型分为窃电和非窃电两种类型袁用因子分析法设定一个公共因子袁计算用户窃电负荷与监测点间的特征匹配度袁将该值作为判定阈值袁根据数值对比实现防窃电数据监测遥 通过实验结果证明袁本文提出的基于聚类算法的感应式机械电能表防窃电监测方法进行感应式机械电能表防窃电监测的精度最高袁且具有很高的实用价值遥参考文献院1耿泉峰袁张杨华袁葛云龙袁等.基于电力采集阈值溢出的防窃电识别方法的研究J.微型电脑应用袁2022袁38渊6冤院108-112.2李欣雪袁龙小丽袁张宇豪.配电系统防窃电馈线控制器设计J.现代工业经济和信息化袁2021袁11渊6冤院62-64.3程瑛颖袁杜杰袁周全袁等.基于随机矩阵理论和聚类算法的电能表运行状态评估方法J.中国电力袁2020袁53渊11冤院116-125.4黎海生袁许明柱袁唐坚钊袁等.全模块化防窃电低压计量装置及其关键技术研究J.中国测试袁2021袁47渊S1冤院117-121.5曹宏宇袁刘惠颖袁殷鑫袁等.一种基于环境特征的智能电能表初值优选型 K鄄means 聚类算法J.电测与仪表袁2022袁59渊7冤院170-174.6邹德华袁严宇袁王伟袁等.基于 ToF 技术的高压输电线路带电作业安全监测方法J.高电压技术袁2020袁46渊7冤院2570-2577.7高文逸袁龚晓峰袁雒瑞森.基于数据分析技术的无线电监测与管理系统设计J.现代电子技术袁2021袁44渊20冤院12-16.8吴金利袁马宏忠袁吴书煜袁等.基于振动信号的高压并联电抗器故障诊断方法与监测系统研制J.电测与仪表袁2020袁57渊1冤院113-120.9陈昊袁刘怀宇袁姚凯袁等.采用自补偿复合电流判据的变电站长段动力电缆漏电监测方法J.电力系统保护与控制袁2022袁50渊12冤院172-179.10 陈昊袁崔运光袁马兆兴袁等.变电站站用电系统混合型负荷支路的漏电监测方法J.消防科学与技术袁2022袁41渊6冤院739-743.姻20018016014012010080604020012366084108132156时间序列/h类型1类型2类型3渊c冤文献2方法的聚类结果10080604020020406080100实验次数/次本文方法文献1方法文献2方法图 6三种方法的感应式机械电能表防窃电监测精度结果Fig.6Results of anti鄄theft monitoring accuracy of inductionmechanical watt鄄hour meters of three methods仪表与自动化装置欢迎投稿欢迎订阅欢迎刊登广告85