背景与挖掘目标-tinyxml指南[中文]

时间:2024-07-04 16:39:52
【文件属性】:

文件名称:背景与挖掘目标-tinyxml指南[中文]

文件大小:6.46MB

文件格式:PDF

更新时间:2024-07-04 16:39:52

RapidMiner

19.1 背景与挖掘目标 传统的防窃漏电方法主要通过定期巡检、定期校验电表、用户举报窃电等手段来发现窃 电或计量装置故障。但这种方法对人的依赖性太强,抓窃查漏的目标不明确。目前很多供电 局主要通过营销稽查人员、用电检查人员和计量工作人员利用计量异常报警功能和电能量数 据查询功能开展用户用电情况的在线监控工作,通过采集电量异常、负荷异常、终端报警、 主站报警、线损异常等信息,建立数据分析模型,来实时监测窃漏电情况和发现计量装置的 故障。根据报警事件发生前后客户计量点有关的电流、电压、负荷数据情况等,构建基于指 标加权的用电异常分析模型,实现检查客户是否存在窃电、违章用电及计量装置故障等。 以上防窃漏电的诊断方法,虽然能获得用电异常的某些信息,但由于终端误报或漏报过 多,无法达到真正快速精确定位窃漏电嫌疑用户的目的,往往令稽查工作人员无所适从。而 且在采用这种方法建模时,模型各输入指标权重的确定需要用专家的知识和经验,具有很大 的主观性,存在明显的缺陷,所以实施效果往往不尽如人意。 现有的电力计量自动化系统能够采集到各相电流、电压、功率因数等用电负荷数据以及 用电异常等终端报警信息。异常告警信息和用电负荷数据能够反映用户的用电情况,同时稽 查工作人员也会通过在线稽查系统和现场稽查来查找出窃漏电用户,并录入系统。若能通过 这些数据信息提取出窃漏电用户的关键特征,构建窃漏电用户的识别模型,就能自动检查判 断用户是否存在窃漏电行为。 表 19-1 给出了某企业大用户的用电负荷数据,采集时间间隔为 15 分钟,即 0.25 小时, 可进一步计算该大用户的用电量, 表 19-2 给出了该企业大用户的终端报警数据,其中与窃漏电相关的报警能较好的识别 用户的窃漏电行为,表 19-3 给出了某企业大用户违约、窃电处理通知书,里面记录了用户 的用电类别和窃电时间。


网友评论