基于网络特征与用户行为分析的联合窃电检测方法

作者：李波; 曹敏; 朱元静; 李仕林; **山; 林聪; 王先培

来源：武汉大学学报(工学版), 2019, 52(12): 1121-1128.

DOI：10.14188/j.1671-8844.2019-12-012

• 窃电检测
• 支持向量机
• 粒子群算法
• 负荷预测

随着电力行业的迅速发展,窃电手段呈现出更复杂隐蔽的特点,给反窃电带来了很大考验.基于此,提出一种基于网络特征与用户行为分析的联合窃电检测方法.一方面,从网络特征分析角度出发,根据当前的电力网络测量数据,基于标准化残差搜索法识别与估计异常参数,准确定位疑似窃电用户所在支路,实现横向窃电检测;另一方面,从用户行为分析角度出发,利用用户的历史用电数据,结合粒子群算法(particle swarm optimization, PSO)和支持向量机(support vector machine, SVM)算法,提高窃电检测分析精度,实现纵向窃电检测.仿真结果表明,利用该联合窃电检测模型能够准确确定窃电异常支路并定位该支路上的窃电用户,有效筛选出电力网络的窃电嫌疑用户.

• 单位
  武汉大学; 云南民族大学; 云南电网有限责任公司电力科学研究院