异常用电的检测方法:评述与展望

被引：106

作者：

陈启鑫 ^{[1
]}

郑可迪 ^{[1
]}

康重庆 ^{[1
]}

皇甫奋宇 ^{[2
]}

机构：

[1] 电力系统及发电设备控制和仿真国家重点实验室清华大学

[2] 内蒙古电力经济技术研究院分公司

来源：

电力系统自动化 | 2018年 / 42卷 / 17期

基金：

国家重点研发计划;

关键词：

用电行为; 异常检测; 非技术性损失; 系统状态; 数据驱动; 博弈论;

D O I：

暂无

中图分类号：

TM73 [电力系统的调度、管理、通信];

学科分类号：

摘要：

用电侧的非技术性损失(NTL)主要由用户异常用电行为造成,一直是各国电网企业期望解决的重要问题。随着智能电表在电网中的普及,利用配电网、用户侧的量测数据实现对于NTL的高效、精准检测,受到了学术界和业界的广泛关注。首先介绍用户异常用电行为的基本模型、方法与评价指标。随后,从基于系统状态、基于数据驱动和基于博弈论三个角度对现有的异常用电行为检测方法进行系统性的梳理、分析与比较,以总结出其对于后续研究工作开展的借鉴意义。最后,对异常用电行为检测领域的关键技术进行了提炼,并对异常用电行为检测领域未来的研究工作进行了展望。

引用

页码：189 / 199

页数：11

共 22 条

[1] 高比例可再生能源电力系统的关键科学问题与理论研究框架 [J].

康重庆 ;

姚良忠 .

电力系统自动化, 2017, 41 (09) :2-11

[2] 稀疏随机森林下的用电侧异常行为模式检测 [J].

许刚 ;

谈元鹏 ;

戴腾辉 .

电网技术, 2017, 41 (06) :1964-1973

[3] 基于密度聚类技术的电力系统用电量异常分析算法 [J].

田力 ;

向敏 .

电力系统自动化, 2017, 41 (05) :64-70

[4] 大规模用电数据流的快速聚类和异常检测技术 [J].

王桂兰 ;

周国亮 ;

赵洪山 ;

米增强 .

电力系统自动化, 2016, 40 (24) :27-33

[5] 电力用户用电数据的异常数据审查和分类 [J].

沈海涛 ;

秦靖雅 ;

陈浩 ;

范蓉 ;

庄才杰 .

电力与能源, 2016, 37 (01) :17-22

[6] 基于无监督学习的电力用户异常用电模式检测 [J].

庄池杰 ;

张斌 ;

胡军 ;

李秋硕 ;

曾嵘 .

中国电机工程学报, 2016, 36 (02) :379-387

[7] 稀疏编码模型在电力用户异常用电行为探测中的应用研究（英文） [J].

周李 ;

赵露君 ;

高卫国 .

电网技术, 2015, 39 (11) :3182-3188

[8]

Energy-Theft Detection Issues for Advanced Metering Infrastructure in Smart Grid[J]. Rong Jiang,Rongxing Lu,Ye Wang,Jun Luo,Changxiang Shen,Xuemin(Sherman) Shen.Tsinghua Science and Technology. 2014(02)

[9] 大数据流式计算:关键技术及系统实例 [J].

孙大为 ;

张广艳 ;

郑纬民 .

软件学报, 2014, 25 (04) :839-862

[10] 电力负荷管理终端防电流法窃电装置研制 [J].

张伊辉 ;

马延峰 ;

韩平军 ;

赵明渊 .

电力自动化设备, 2009, 29 (11) :132-135

← 1 2 3 →