亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        模糊c均值在非技術(shù)損失檢測(cè)中的應(yīng)用

        2010-05-18 07:28:30張玉振馮曉蒲丁巧林
        關(guān)鍵詞:用戶(hù)

        張玉振,馮曉蒲,丁巧林

        (華北電力大學(xué) 電氣與電子工程學(xué)院,河北 保定071003)

        無(wú)論在發(fā)達(dá)國(guó)家還是發(fā)展中國(guó)家,非技術(shù)損失在電能損失中都占有很大比例,因此對(duì)電力用戶(hù)的非技術(shù)損失進(jìn)行檢測(cè)識(shí)別已經(jīng)成為一個(gè)很活躍的課題。非技術(shù)損失相關(guān)技術(shù)[1]的研究和使用能夠?qū)⒖赡艿母`電問(wèn)題篩選出來(lái),為企業(yè)針對(duì)性處理提供依據(jù)。實(shí)踐證明在預(yù)防竊電和計(jì)量錯(cuò)誤方面可為企業(yè)追回上千萬(wàn)元損失,同時(shí)可為供電公司節(jié)省人力物力,具有重大意義。

        負(fù)荷曲線是用戶(hù)電能消費(fèi)行為的直觀表示,是負(fù)荷分析的數(shù)據(jù)來(lái)源。通過(guò)負(fù)荷曲線可以更清楚地觀察出用戶(hù)的異常和不規(guī)律性。目前,基于負(fù)荷特性的用電異常檢測(cè)的方法有很多,例如粗糙集、決策樹(shù)、人工神經(jīng)網(wǎng)絡(luò)、小波分析、聚類(lèi)分析等。其中,聚類(lèi)分析方法[2]在異常檢測(cè)中占有重要的地位。本文首先介紹了非技術(shù)損失的概念,然后選用聚類(lèi)技術(shù)中的模糊c均值FCM(fuzzy c-mean)對(duì)某供電公司的100個(gè)電力用戶(hù)負(fù)荷曲線進(jìn)行了聚類(lèi)分析,以找出那些可能存在違規(guī)用電行為的客戶(hù)。

        1 非技術(shù)損失

        非技術(shù)損失[3]主要涉及電力盜竊和用戶(hù)管理過(guò)程中大量存在的各式各樣欺騙公共資源的手段。大多數(shù)國(guó)家中,非技術(shù)損失占有輸配電損失很大比例,這意味著比起技術(shù)損失電力部門(mén)在減少非技術(shù)損失方面更需加大力度,采取有效措施。

        非技術(shù)損失包括如下活動(dòng):(1)篡改表計(jì)以便使表計(jì)少記錄消費(fèi)的電能;(2)繞過(guò)表計(jì)竊取或以其他方式非法連接;(3)通過(guò)賄賂讀表人員提供虛假讀數(shù);(4)在內(nèi)部人員的幫助下通過(guò)開(kāi)出較低賬單或改變電價(jià)(賦予較低電價(jià)類(lèi)屬或享受政策性電價(jià)優(yōu)惠)等方式進(jìn)行賬單違規(guī),改變賬單小數(shù)點(diǎn)的位置或忽略未付賬單。

        默認(rèn)情況下,電能生產(chǎn)總量應(yīng)等于電能消費(fèi)總量。然而現(xiàn)實(shí)中因輸配過(guò)程中存在電能損失而有所不同。有一些電能損失是不可避免的,但可以使其最小化。所應(yīng)用的措施中一些基于技術(shù),另一些則依賴(lài)人工努力和創(chuàng)造。

        減少非技術(shù)損失對(duì)配電公司至關(guān)重要。由于這些損失集中在中低壓網(wǎng)絡(luò),遍布整個(gè)電力系統(tǒng),而現(xiàn)行處理非技術(shù)損失的方法多基于現(xiàn)場(chǎng)檢查,這樣不但增加了運(yùn)營(yíng)成本并且要求大量使用人力資源,因此本研究旨在減少檢測(cè)非技術(shù)損失活動(dòng)的成本。

        2 模糊c均值

        目前聚類(lèi)技術(shù)在許多領(lǐng)域都得到了廣泛的研究和成功的應(yīng)用,這些領(lǐng)域包括模式識(shí)別、數(shù)據(jù)分析、圖像處理、市場(chǎng)研究、客戶(hù)分割,Web文檔分類(lèi)等[4]。

        對(duì)負(fù)荷曲線進(jìn)行聚類(lèi)進(jìn)行負(fù)荷模式分析是獲取電力用戶(hù)典型負(fù)荷曲線和按照負(fù)荷特性進(jìn)行用戶(hù)分類(lèi)的基礎(chǔ),對(duì)于負(fù)荷預(yù)測(cè)、負(fù)荷控制、用電異常檢測(cè)甚至電價(jià)目錄制定和開(kāi)發(fā)營(yíng)銷(xiāo)策略等都有重要意義[5]。

        已有研究表明,通過(guò)負(fù)荷模式分析獲取用戶(hù)正常負(fù)荷模式可用于用電異常檢測(cè)(竊電或計(jì)量錯(cuò)誤)分析[6],能夠減少人工檢測(cè)的工作量和提高命中率。

        本文應(yīng)用模糊聚類(lèi)中經(jīng)典的模糊c均值算法通過(guò)負(fù)荷曲線聚類(lèi)獲得負(fù)荷模式以檢測(cè)用戶(hù)的用電違規(guī)行為。

        模糊c均值[7]算法是一種以隸屬度來(lái)確定每個(gè)數(shù)據(jù)點(diǎn)屬于某個(gè)聚類(lèi)程度的算法,該聚類(lèi)算法是傳統(tǒng)硬聚類(lèi)算法的一種改進(jìn)。

        FCM 的算法原理如下:設(shè)數(shù)據(jù) 集 X={x1,x2,…,xn},它的模糊c劃分可用模糊矩陣U=[uij]表示,矩陣U的元素 uij表示第j(j=1,2,…,n)個(gè)數(shù)據(jù)點(diǎn)屬于第 i(i=1,2,…,c)類(lèi)的隸屬度,uij滿(mǎn)足如下條件:

        FCM算法就是求使聚類(lèi)目標(biāo)函數(shù)最小化的劃分矩陣U和聚類(lèi)中心V。即:

        其中n是樣本數(shù)據(jù)集的個(gè)數(shù);c是聚類(lèi)中心數(shù);m為加權(quán)指數(shù);dij是樣本點(diǎn)和聚類(lèi)中心的歐氏距離,即:dij(xj,vi)=||vi-xj||。

        算法流程如下:

        (1)調(diào)入用戶(hù)負(fù)荷數(shù)據(jù),對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化;

        (2)輸入要聚類(lèi)的數(shù)目,進(jìn)行聚類(lèi);

        (3)得到聚類(lèi)中心矩陣、隸屬度矩陣、目標(biāo)函數(shù)值;

        (4)根據(jù)隸屬度矩陣找到數(shù)據(jù)點(diǎn)所屬的類(lèi)別。

        3 案例分析

        3.1 數(shù)據(jù)來(lái)源

        本文對(duì)某供電公司100個(gè)電力用戶(hù)的實(shí)際電能消費(fèi)數(shù)據(jù)進(jìn)行分析,識(shí)別用電異常用戶(hù),以降低企業(yè)減少非技術(shù)損失的成本。這些數(shù)據(jù)均通過(guò)自動(dòng)抄表系統(tǒng)收集,采集間隔為30 min。其中包含的行業(yè)有公用事業(yè)、機(jī)械加工、建材、輕工加工、商業(yè)、行政事業(yè)。

        3.2 基于FCM聚類(lèi)分析

        各行業(yè)包含多個(gè)用戶(hù),按用戶(hù)行業(yè)將負(fù)荷曲線聚為6類(lèi),得到的聚類(lèi)結(jié)果如圖1所示(橫坐標(biāo)為48個(gè)時(shí)刻;縱坐標(biāo)為時(shí)段內(nèi)電力用戶(hù)用電量,單位:kWh)。圖中曲線簇代表的行業(yè)依次為商業(yè)、公用事業(yè)、輕工加工、建材、行政事業(yè)和機(jī)械加工。

        聚類(lèi)后各行業(yè)包含電力用戶(hù)如下:

        商業(yè):85、86、87、88、89、90、91、92、93。

        公 用 事 業(yè) :1、2、3、4、5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、82。

        輕工加工:71、72、73、74、75、76。

        建材:48、64、65、67、68、80、81。

        行 政 事 業(yè) :62、63、66、69、70、94、95、96、97、98、99、100。

        機(jī) 械 加 工 :49、50、51、52、53、54、55、56、57、58、59、60、61、77、78、79、83、84。

        基于以上結(jié)果分析可知:各行業(yè)的負(fù)荷曲線大部分可以聚為一類(lèi),商業(yè)和公用事業(yè)用戶(hù)負(fù)荷曲線可以準(zhǔn)確無(wú)誤地聚在一起。出現(xiàn)偏差的用戶(hù)有13個(gè),分別為62、63、66、69、70、77、78、79、80、81、82、83 和 84。

        圖2為根據(jù)圖1得到的各行業(yè)中心代表曲線。

        依據(jù)負(fù)荷分布,為了進(jìn)一步確定出現(xiàn)異常的電力用戶(hù),對(duì)偏差用戶(hù)負(fù)荷曲線與原屬行業(yè)和偏差行業(yè)中心代表曲線的距離進(jìn)行計(jì)算。定義兩條曲線的距離d,其中i表示時(shí)刻點(diǎn)(48 個(gè)),p中心,i、p用戶(hù),i分別表示行業(yè)中心代表曲線與各用戶(hù)負(fù)荷曲線對(duì)應(yīng)時(shí)刻的負(fù)荷值。

        d的值越小表明兩條曲線間的距離越小,兩條曲線的相似度就越高。計(jì)算得到偏差用戶(hù)與原屬行業(yè)和偏差行業(yè)的距離如表1所示。

        表1 用戶(hù)負(fù)荷曲線和行業(yè)中心代表曲線距離表

        進(jìn)一步分析得知:出現(xiàn)偏差的用戶(hù)負(fù)荷曲線與原屬行業(yè)中心代表曲線的距離明顯大于與偏差行業(yè)中心代表 曲 線 距 離 的 用 戶(hù) 有 62、66、69、70、80、81、82、83 和84。這些用戶(hù)曲線形狀與原屬行業(yè)中的其他用戶(hù)的負(fù)荷曲線存在顯著差異,表明該用戶(hù)的用電負(fù)荷情況可能出現(xiàn)了異常。而對(duì)于 63、77、78、79這幾個(gè)用戶(hù)與原屬行業(yè)中心負(fù)荷曲線距離小但發(fā)生了偏差,是因?yàn)镕CM聚類(lèi)算法存在固有的缺陷,對(duì)初始聚類(lèi)中心比較敏感,導(dǎo)致聚類(lèi)結(jié)果不是百分之百正確,關(guān)于如何改進(jìn)聚類(lèi)算法,提高其精度,有待進(jìn)一步研究。

        對(duì)于篩選出的用戶(hù),可從以下方面排查:該用戶(hù)被劃入不恰當(dāng)?shù)男袠I(yè)類(lèi)型或者該用戶(hù)發(fā)生了竊電或計(jì)量出現(xiàn)異常。前者更正即可,后者進(jìn)行現(xiàn)場(chǎng)檢查排查或后續(xù)作為重點(diǎn)檢查對(duì)象。這樣可縮小用電稽查范圍,避免盲目檢查造成的運(yùn)營(yíng)成本增加和人力浪費(fèi),也可減少擾民,改善企業(yè)的社會(huì)形象。

        本文研究通過(guò)模糊c均值對(duì)負(fù)荷曲線聚類(lèi)實(shí)現(xiàn)用電異常用戶(hù)識(shí)別,以減少供電企業(yè)非技術(shù)損失。

        論文首先介紹了非技術(shù)損失和模糊c均值聚類(lèi)方法,然后對(duì)實(shí)際企業(yè)的100個(gè)用戶(hù)負(fù)荷典型曲線進(jìn)行聚類(lèi),得到行業(yè)中心曲線和偏差用戶(hù),進(jìn)一步通過(guò)計(jì)算偏差用戶(hù)和原屬行業(yè)與偏差行業(yè)的距離確認(rèn)那些有用電異常行為的用戶(hù),從而有效減少用電稽查的范圍,最終降低企業(yè)營(yíng)運(yùn)成本和節(jié)約人力資源。

        [1]NIZAR A H.DONG Z Y.Identification and detection of electricity customer behavior irregularities[C].Power Systems Conference and Exposition,PSCE 2009.

        [2]劉燕,梁云娟.基于聚類(lèi)分析的非監(jiān)督式異常檢測(cè)研究[J].河南科技學(xué)院學(xué)報(bào),2006,34(2):1673-1676.

        [3]NAGJ J,YAP K S,TIONG S K.Nontechnical loss detection for metered customers in power utility using support vector machines[J].IEEE Transactions on Power Delivery,2010,25(2):1162-1171.

        [4]HAN Jia Wei,KAMBER M.數(shù)據(jù)挖 掘概念與技 術(shù)[M].范明,孟曉峰,譯.北京:機(jī)械工業(yè)出版社,2001.

        [5]仲偉寬.模糊聚類(lèi)方法在用戶(hù)負(fù)荷曲線分析中的應(yīng)用[J].華東電力,2007,32(8):97-100.

        [6]NIZAR A H,DONG Z Y.Load profiling method in detecting non-technical loss activities in a power utility.Power and Energy Conference,2006.PECon′06.IEEE International.

        [7]呂曉燕,羅立民,李祥生.FCM算法的改進(jìn)及仿真實(shí)驗(yàn)研究[J].計(jì)算機(jī)工程與應(yīng)用,2009,45(20):144-147.

        猜你喜歡
        用戶(hù)
        雅閣國(guó)內(nèi)用戶(hù)交付突破300萬(wàn)輛
        您撥打的用戶(hù)已戀愛(ài),請(qǐng)稍后再哭
        關(guān)注用戶(hù)
        關(guān)注用戶(hù)
        兩新黨建新媒體用戶(hù)與全網(wǎng)新媒體用戶(hù)之間有何差別
        關(guān)注用戶(hù)
        關(guān)注用戶(hù)
        挖掘用戶(hù)需求尖端科技應(yīng)用
        Camera360:拍出5億用戶(hù)
        100萬(wàn)用戶(hù)
        妺妺窝人体色www在线直播| av色综合久久天堂av色综合在| 国产毛片av最新视频| 亚洲av无码一区二区三区鸳鸯影院| 亚洲h在线播放在线观看h| 国产xxxx99真实实拍| 精品国产一区二区三区AV小说| 国产91熟女高潮一曲区| 伊人青青草综合在线视频免费播放 | 天码av无码一区二区三区四区 | 无码一区久久久久久久绯色AV| 亚洲在线一区二区三区四区| 日本免费a一区二区三区| 亚洲天堂av一区二区三区不卡 | 亚洲性码不卡视频在线| 日本免费一区二区久久久| 中文字幕一区二区精品视频| 欧美国产激情二区三区| 国产成人精品一区二区三区视频| 亚洲精品国产综合一线久久| 久久久AV无码精品免费| 亚洲中文字幕免费精品| 伊人青青草综合在线视频免费播放 | av色欲无码人妻中文字幕| 国内精品久久久久久无码不卡| 日韩中文字幕不卡网站| 波多吉野一区二区三区av| 美腿丝袜在线观看视频| 日日麻批免费40分钟无码| 国产亚洲精品久久久久久| av在线色| 亚洲AV无码一区二区水蜜桃| 蜜臀一区二区av天堂| 亚洲av成人一区二区三区本码| 亚洲精品一品区二品区三品区| 国产精品久久久久久影视| 日韩精品成人无码AV片| 亚洲av免费高清不卡| 免费一级淫片日本高清| 国产一区二区三区乱码| 欧美亚洲日本在线|