(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210339136.X (22)申请日 2022.04.01 (71)申请人 云南电网有限责任公司昭通供电局 地址 657000 云南省昭通市昭阳区朱提大 道中段 (72)发明人 邓丽娟　郭健　颜清华　万龙　 黄河滔　康径竟　 (74)专利代理 机构 昆明合众智 信知识产权事务 所 53113 专利代理师 张玺 (51)Int.Cl. G06Q 50/06(2012.01) G06F 16/2458(2019.01) G06F 16/248(2019.01) G06F 16/29(2019.01) G06V 40/20(2022.01)G06V 20/40(2022.01) G06V 20/52(2022.01) G06K 9/62(2022.01) G06N 3/08(2006.01) G06N 20/00(2019.01) H02J 13/00(2006.01) H02J 3/00(2006.01) G01S 19/42(2010.01) G01R 22/06(2006.01) G01R 11/24(2006.01) G16Y 10/35(2020.01) G16Y 20/10(2020.01) G16Y 20/40(2020.01) G16Y 40/10(2020.01) G16Y 40/20(2020.01) G16Y 40/50(2020.01) G16Y 40/60(2020.01) (54)发明名称 基于大数据的电力窃电精准识别方法及防 窃电系统 (57)摘要 本发明涉及电力系统管 理技术领域， 具体地 说， 涉及基于大数据的电力窃电精 准识别方法及 防窃电系统。 包括如下步骤： 构建用电管控机制； 基于视频监控和 “AI识别”技术对窃电行为进行 识别取证； 进行窃电位置的GPS定位； 智能采集用 电数据； 通过构建窃电及防窃电诊断模型进行用 电分析管控； 对窃电行为进行在 线分析研判和智 能预警； 建立窃电用户行为特征库； 建立用电安 全大数据分析库。 本发明设计可以实现用电数据 的智能采集， 提高窃电行为研判和定位的精准 度； 基于海量数据， 使用状态估法检测法， 提高了 研判的科学性和可靠性， 检测的正确度高， 且应 用成本低； 提高用电检查及稽查的效能； 可以实 现用电检查的全过程、 全景化管控； 且有利于后 期的取证 。 权利要求书3页 说明书10页 附图4页 CN 114881808 A 2022.08.09 CN 114881808 A 1.基于大 数据的电力窃电精准识别方法， 其特 征在于： 包括如下步骤： S1、 综合利用移动互联网、 卫星网络， 实现用电巡视计划、 现场巡视、 应急管理、 专项稽 查等用电管理工作的网格化管理、 在线联动和闭环管理， 构建 “线上线下 ”融合的用电稽查 及在线闭环管控机制； S2、 基于边 缘计算下的视频监控技 术和“AI识别”技术， 对窃电行为进行识别取证； S3、 结合具备GPS定位功能的防窃电装置进行窃电位置的GPS定位， 通过南网智瞰呈现 装置的分布情况及具体位置； S4、 综合利用嵌入式、 数字通信、 数字挖掘等技术， 结合用电信息采集相关设备和系统， 智能采集电能表、 电能计量数据、 事 件记录、 用户及终端档案信息等用电数据； S5、 通过构建窃电模型及防窃电诊断模型， 进行用电分析 管控； S6、 建立盗电行为研判分析模型， 对窃电行为进行在线分析研判和智能预警； S7、 针对不同窃电用户特点， 从类别特征、 时间特征进行提取分析， 建立窃电用户行为 特征库， 输出全视角窃电用户画像； S8、 以用电用户为中心， 建立基于 “人机料法环 ”的用电安全大数据分析库， 为制定防窃 电措施方案提供决策支持。 2.根据权利要求1所述的基于大数据的电力窃电精准识别方法， 其特征在于： 所述S2 中， 基于边 缘计算下的视频监控应用于电力窃电精准识别中， 存在两种工作模式， 包括： 一方面， 采用实时视频， 联网通信， 实时监控的模式， 用于实现应实时音视频传输、 语音 对话， 开展远程辅助研判； 另一方面， 采用就 地录像， 事后查看的模式， 用于实现窃电的事后追溯、 人员行为分析。 3.根据权利要求1所述的基于大数据的电力窃电精准识别方法， 其特征在于： 所述S5 中， 通过构建窃电模型及防窃电诊断模型， 进行用电分析 管控的具体方法包括如下步骤： S5.1、 基于设备数据和系统数据， 采用深度学习、 聚类分析等算法建立异常分析模型进 行分析； S5.2、 研究窃电用户相似度量， 对用户群 体实施聚类操作， 实现群 体划分； S5.3、 基于各类用电异常事件和窃电行为以及窃电行为的种类存在关联关系， 从多角 度进行特征选择和特 征相似性检验； S5.4、 利用机器学习， 采用多模型融合结构， 提取与窃电相关的异常数据， 挖掘出频繁 项集， 建立窃电 ‑线损数据模型； S5.5、 完成模型的自学习和调优后， 用以判断用户窃电可能性的大小。 4.根据权利要求3所述的基于大数据的电力窃电精准识别方法， 其特征在于： 所述S5.1 中， 主要涉及的异常包括但不限于失压断相分析、 电量差动分析、 电量波动分析、 功率差动 分析、 电能表停走、 电能表开盖或计量门开闭分析、 电流失流、 电流异常分析、 恒定磁场干 扰、 线损分析等智能诊断分析模型。 5.根据权利要求1所述的基于大数据的电力窃电精准识别方法， 其特征在于： 所述S6 中， 建立盗电行为研判分析模型， 对窃电行为进行在线分析研判和智能预警的具体方法包 括如下步骤： S6.1、 根据电压、 电流的不同接线组合方式研究建立各种接线模型； S6.2、 利用状态评估算法， 针对多种接线方式， 分别建立盗电行为研判分析模型；权　利　要　求　书 1/3 页 2 CN 114881808 A 2S6.3、 在利用该算法模型判断偷电发生时间后， 再利用寻道表从对应的电压电流变化 参数中提取对应的偷电行为； S6.4、 进而利用电力使用量 等状态计算 来判定偷电行为； S6.5、 最后根据实际用电量和理论用电量是否一 致来判断发生了哪种偷电行为。 6.根据权利要求5所述的基于大数据的电力窃电精准识别方法， 其特征在于： 所述S6.2 中， 状态评估算法的具体应用方法包括： 采用卡尔曼滤波算法， 引入了一些集成的分布状 态， 通过加权最小二乘法进行状态估计， 实现对用户用电量的偏差估计， 将用电数据所得偏 差与实际偏差作比较。 7.基于大数据的电力窃电精准识别防窃电系统， 该系统运行过程用于实现权利要求1 ‑ 6任一所述的基于大数据的电力窃电精准识别方法， 其特征在于： 包括台区智能管理单元 (1)、 用电大数据分析及智能预警平台(2)和智能稽查 终端(3)； 所述台区智能管 理单元(1)、 所述用电大数据分析及智能预警平台(2)与所述智能稽查 终端(3)依次通过网络通信连接； 其中： 所述台区智能管理单元(1)用于通过采集电能信息， 科学监测用户的日常用电情况， 及 时发电电力系统运行中存在的异常状况， 并对电能质量进行有效监控， 从而实现用电分析 和负荷管理； 所述用电大数据分析及智能预警平台(2)用于利用嵌入式智能在线检测和态势感知技 术， 实现总表和高压采集单元相同时刻的电流 或视在功率值的多维度 态势智能采集、 存储、 分析、 诊断、 预警应用， 并基于J avaEE技术规范和智能检测终端， 无缝集 成数字地图、 统计图 表、 图片视频等可视化手段， 建立涵盖台区、 检测装置、 用户、 管理人员、 可疑用户及用电稽 查等“线上线下”融合的用电稽查和在 线闭环管控， 为用电分析、 巡视检查、 可疑行为防控等 提供可靠的数据分析和决策支撑； 所述智能稽查终端(3)用于与线上系统的分析数据相结合， 通过多种线下监控技设备 及技术， 实现用电巡查计划、 现场巡视、 应急管理、 专项稽查等用电管理工作的网格化管 理、 在线联动和闭环管理。 8.根据权利要求7所述的基于大数据的电力窃电精准识别防窃电系统， 其特征在于： 所 述台区智能管 理单元(1)包括主站系统(11)、 智能配变终端(12)、 低压监测设备(13)和分布 式采集设备/传感器(14)； 所述主站系统(11)、 智能配变终端(12)、 低压监测设备(13)和分 布式采集设备/传感器(14)； 其中： 所述主站系统(11)用于进行命令传达， 同时对终端管理及数据进行有效分析， 并实现 系统和外 部接口维护； 所述智能配变终端(12)用于对配电变压器、 低压断路器/剩余电流动作保护器、 智能电 能表等运行信息进行采集和用户用电信息收集； 所述低压监测设备(13)用于监测采集电力系统运行过程中低压台区各节点电气量数 据； 所述分布式采集设备/传感器(14)用于对电力系统运行过程中各相关状态参数进行监 测及采集。 9.根据权利要求7所述的基于大数据的电力窃电精准识别防窃电系统， 其特征在于： 所 述用电大数据分析及智能预警平台(2)包括数据管 理单元(21)、 算法模 型模块(22)、 数据分权　利　要　求　书 2/3 页 3 CN 114881808 A 3