电网正常线损(电网的线损是指)

市场经济条件下，部分不法经营者采用各种手段窃取电能，直接造成供电企业收益损失。传统上，用电异常检测主要依靠人工排查，因数据匮乏、异常检测缺乏指向性，往往消耗大量人力、物力但收效不彰。目前，我国电网企业已基本实现用电信息的完整采集，能及时准确掌握电力用户的用电数据和客户信息，为利用用电数据挖掘分析识别窃电用户提供了有效技术支撑。

供电企业生产技术人员根据经验总结了低压用户零序电流、功率反向和电表失压等具有确切物理意义的指标，能准确标识用电异常行为，但该类方法仅适用于特定类型的 窃电手法，无法检出绕表用电等其它形式的窃电。

电力工作者围绕数据驱动的用电异常检测，从无监督的聚类分析和有监督的分类分析两方面开展了大量研究。这些研究一般根据用户窃电会表现出用电量的趋势性下降、 日负荷曲线的异常以及报装容量利用率偏低等共有的特征，再结合客户信息、缴费记录和被稽查次数等信息来设计特征指标项，再针对性的选择分类或聚类算法识别用电异常。这 些研究往往将用电量的异常变化作为核心要素来设计特征指标项，本身就容易出现误报， 原因如下：不同行业用户的用电行为特性存在显著差异，相当部分行业用电需求直接取决于订单需量，用户用电量的大幅或趋势性波动是常态；用电需求相对稳定的行业用户，可能 在环保检查和安全检查等外界干扰下出现低电量异常。

在供电企业的线损管理中，配电线路的线损管理，历来是线损管理的重点和难点。 调查显示，在配电环节，10kV及以下线损，占到了总线损的65％～70％。由于窃电是造成线 损率居高不下的重要原因，实际工作中，营销人员往往选择线损率最高的配电线路进行用 电稽查，如线损率大于5％的线路一般认为存在窃电行为。尽管一体化线损管理系统中记录 有配电线路下属所有台区的详细用电数据，但由于缺乏有效的数据挖掘分析方法，营销人员只能在选定高损线路后根据经验逐个排查窃电用户，亟待研究适用的高损线路窃电用户 定位识别算法，提高用电稽查工作效率。

问题拆分

包括：确定窃电高损线路， 获取所述窃电高损线路单位时间损失的电量数 据及下属台区单位时间的用电量数据，建立损失 电量时间序列，根据用电量数据建立用电量时间 序列；根据损失电量时间序列及用电量时间序列，建立多个一元对数线性回归模型，获取一元 线性模型的拟合优度集合；针对拟合优度集合， 选取最优的用电量时间序列的子集；建立回归模 型，确定回归模型中，对损失电量时间序列具备 显著影响的子集中的变量所对应的下属台区，为 异常台区。本发明将窃电稽查的范围缩小，为高 损线路的窃电检测提供了新路径，节约了时间、 人力与物力成本。

问题解决

1 .一种基于向前逐步回归的高损线路异常台区定位方法，所述方法包括： 确定窃电高损线路，并获取所述窃电高损线路单位时间损失的电量数据及下属台区单 位时间的用电量数据，根据电量数据建立损失电量时间序列，根据用电量数据建立用电量 时间序列； 根据损失电量时间序列及用电量时间序列，建立多个一元对数线性回归模型，并获取 一元线性模型的拟合优度集合； 针对一元对数线性回归模型的拟合优度集合，选取最优的用电量时间序列的子集； 根据最优的用电量时间序列的子集建立回归模型，确定回归模型中，对损失电量时间 序列具备显著影响的子集中的变量所对应的下属台区，为异常台区。

2 .根据权利要求1所述的方法，所述一元对数线性回归模型及回归模型中，用电量时间 序列作为解释变量，损失电量时间序列作为被解释变量。

3 .根据权利要求1所述的方法，所述针对一元对数线性回归模型的拟合优度集合，选取 最优的用电量时间序列的子集，具体包括： 以拟合优度集合 对应的第m个台区的单位时间用电量时间序列Xm作为逐步回归基 础，m为下属台区中的任意一个； 选取用电量时间序列中的解释变量子集{Xm }与剩余解释变量Xj分别同被解释变量Y建 立n‑1个二元对数线性回归模型，其中1≤j≤n ,j≠m，n为下属台区个数； 计算二元对数线性回归模型的拟合优度 其中j＝1 ,2 ,...,j≠m，并解释变量的回 归系数的F检验统计量值Fj和t检验统计量值tj； 若剩余解释变量Xj中的解释变量，改变了拟合优度 和F检验统计量值Fj，且t检验统 计量值tj在统计是显著的，则将解释变量引入二元对数线性回归模型，若否，则剔除解释变 量； 将解释变量子集{Xm }和未被剔除的解释变量作为最优的用电量时间序列的子集。

4 .根据权利要求1所述的方法，所述F检验和t检验预先给定显著性水平。

5 .一种基于向前逐步回归的高损线路异常台区定位系统，所述系统包括： 确定高损线路单元，确定窃电高损线路，并获取所述窃电高损线路单位时间损失的电 量数据及下属台区单位时间的用电量数据，根据电量数据建立损失电量时间序列，根据用 电量数据建立用电量时间序列； 获取模型拟合优度集合单元，根据损失电量时间序列及用电量时间序列，建立多个一 元对数线性回归模型，并获取一元线性模型的拟合优度集合； 建立最优时间序列单元，针对一元对数线性回归模型的拟合优度集合，选取最优的用 电量时间序列的子集； 确定异常台区单元，根据最优的用电量时间序列的子集建立回归模型，确定回归模型 中，对损失电量时间序列具备显著影响的子集中的变量所对应的下属台区，为异常台区。

6 .根据权利要求5所述的系统，所述一元对数线性回归模型及回归模型中，用电量时间 序列作为解释变量，损失电量时间序列作为被解释变量。

7 .根据权利要求5所述的系统，所述针对一元对数线性回归模型的拟合优度集合，选取最优的用电量时间序列的子集，具体包括： 以拟合优度集合 对应的第m个台区的单位时间用电量时间序列Xm作为逐步回归基础，m为下属台区中的任意一个； 选取用电量时间序列中的解释变量子集{Xm }与剩余解释变量Xj分别同被解释变量Y建 立n‑1个二元对数线性回归模型，其中1≤j≤n ,j≠m，n为下属台区个数； 计算二元对数线性回归模型的拟合优度 其中j＝1 ,2 ,...,j≠m，并解释变量的回归 系数的F检验统计量值Fj和t检验统计量值tj； 若剩余解释变量Xj中的解释变量，改变了拟合优度 和F检验统计量值Fj，且t检验统 计量值tj在统计是显著的，则将解释变量引入二元对数线性回归模型，若否，则剔除解释变 量； 将解释变量子集{Xm }和未被剔除的解释变量作为最优的用电量时间序列的子集。

8 .根据权利要求5所述的系统，所述F检验和t检验预先给定显著性水平。