基于ARIMA和递归贝叶斯的窃电用户识别算法

TM933; 低压窃电负荷小,难以被及时发现,给电力企业造成了巨大的经济损失.文中基于差分整合移动平均自回归模型(Auto-regressive Integrated Moving Average model,ARIMA)和递归贝叶斯算法,构建了一种针对配电网低压窃电行为的识别方法,该方法结合用户历史数据对低压用户与台区表夜间各时段电力负荷数据进行分析,并算出用户窃电概率,从而发现用户是否存在窃电行为.仿真与实际结果表明:该方法对及时准确发现窃电行为,提高配电线路线损治理效率具有重要意义....

Full description

Saved in:
Bibliographic Details
Published in电测与仪表 Vol. 59; no. 6; pp. 196 - 200
Main Authors 胡一伟, 刘珊, 黄浩
Format Journal Article
LanguageChinese
Published 国网北京城区供电公司,北京100031%广东电网有限责任公司珠海供电局,广东 珠海519000%美国德州农工大学,美国 德克萨斯州77840 15.06.2022
Subjects
递归贝叶斯
高速电力采集系统
窃电识别
ARIMA
Online AccessGet full text
ISSN1001-1390
DOI10.19753/j.issn1001-1390.2022.06.027

Cover

More Information
Summary:TM933; 低压窃电负荷小,难以被及时发现,给电力企业造成了巨大的经济损失.文中基于差分整合移动平均自回归模型(Auto-regressive Integrated Moving Average model,ARIMA)和递归贝叶斯算法,构建了一种针对配电网低压窃电行为的识别方法,该方法结合用户历史数据对低压用户与台区表夜间各时段电力负荷数据进行分析,并算出用户窃电概率,从而发现用户是否存在窃电行为.仿真与实际结果表明:该方法对及时准确发现窃电行为,提高配电线路线损治理效率具有重要意义.
ISSN:1001-1390
DOI:10.19753/j.issn1001-1390.2022.06.027