基于曲線相似度和關(guān)聯(lián)分析的竊電智能識別與預(yù)警

陳仕軍，王長江

（國網(wǎng)浙江省電力有限公司寧波供電公司，浙江 寧波 315000）

0 引言

隨著社會用電量不斷增加，部分企業(yè)用電成本支出在經(jīng)營成本中占比較大，為節(jié)約成本、增加利潤，竊電問題也變得越來越突出[1]。竊電不僅會使電力部門蒙受巨大經(jīng)濟損失，而且會危及正常的社會經(jīng)濟秩序，同時其破壞電力設(shè)施的行為，極易造成人員傷亡事故和電氣火災(zāi)，由此帶來一系列相關(guān)責(zé)任的認定、糾紛不斷，從而引發(fā)社會道德失控，法律約束力衰減，經(jīng)濟環(huán)境惡化等問題，嚴重制約了國家的電力建設(shè)和社會的長治久安。

在實際工作中常見的竊電行為歸納起來主要有以下幾種類型：

（1）短接電流回路[2]。利用U形環(huán)將電能表的接線端子短接，使負荷電流分流，電能表慢轉(zhuǎn)甚至不轉(zhuǎn)，從而達到竊電目的。

（2）進出火線反接[3]。對三相電卡式電能表而言，在電壓線接線正確而一相或兩相電流極性接反時均少計2/3電量；在三相電流極性均接反的情況下，電卡式電能表正常計量，而機械表反轉(zhuǎn)倒計量。

（3）零火線反接[4]。人為調(diào)換單相電能表進表線的零、火線位置，而將零線接地。由于零線接地分流，電能表比正常時少計電量。

（4）斷零線竊電。斷零線竊電是指竊電者人為將電能表零線（進線）斷開，包括在接線點壓皮、在某處折斷、在零線出線處斷開，在室內(nèi)負荷總開關(guān)處將進戶線總零線斷開和利用公共接地保護線構(gòu)成竊電回路。

（5）斷開電能表內(nèi)部接線[5]。將電能表的接線端子，即1—5端子間的一電壓金屬連片斷開，則造成電能表電壓線圈無電壓，表內(nèi)無電壓磁通，鋁盤不轉(zhuǎn)，電能表不計電量。

以下從幾個方面實現(xiàn)對竊電及違約用電異常用戶的精確定位。

（1）分析疑似異常用戶。通過分析日電量數(shù)據(jù)，重點定位用電量占比較大，日電量波動與臺區(qū)售電量波動曲線高度相似的異常用戶。

（2）多維關(guān)聯(lián)比對分析。通過多維度的比對分析，計算異常用戶嫌疑指數(shù)。

（3）定制采集深度觀察。將疑似異常用戶推送至數(shù)據(jù)“深度觀察區(qū)”，并進一步定位確認。

1 竊電智能識別與預(yù)警

1.1 表計電量異常波動問題

1.1.1 方法及步驟

針對表計開蓋或換表后電量異常波動可能存在竊電嫌疑和錯接線風(fēng)險的問題，需要獲取采集系統(tǒng)中表計開蓋記錄及營銷系統(tǒng)內(nèi)換表用戶清單，根據(jù)開蓋或換表用戶的表計條碼從采集系統(tǒng)中獲取開蓋發(fā)生或換表日期前后7天的示數(shù)信息，并根據(jù)示數(shù)計算事件發(fā)生前后7天的電量，同時設(shè)置電量異常波動率多級閾值，對波動率超出不同等級的閾值計算出不同的嫌疑指數(shù)，從而將嫌疑指數(shù)較高的用戶下發(fā)至所屬供電單位，進行現(xiàn)場核查、原因分析，并將結(jié)果反饋至管理部門，從而進行問題整改，提高客戶服務(wù)質(zhì)量，提升客戶滿意度。

1.1.2 具體算法

對開蓋或換表用戶進行監(jiān)控，根據(jù)用電信息采集系統(tǒng)中的電量數(shù)據(jù)進行分析驗證，滿足以下規(guī)則即可判定為疑似問題。

規(guī)則一：用戶表計開蓋事件發(fā)生前后電量下降。從采集系統(tǒng)獲取用戶開蓋事件記錄，同時獲取用戶開蓋發(fā)生事件前后7天表計示數(shù)信息，根據(jù)表計示數(shù)進行電量換算，當(dāng)后7天電量下降超過30%時，判定為嫌疑用戶。波動率計算公式為：

式中：i為開蓋事件發(fā)生日起算的天數(shù)；Pi為第i天表計零點示數(shù)。

規(guī)則二：用戶表計更換前后電量異常波動。用戶更換表計后，前后7天電量異常波動，波動

式中：i為表計更換發(fā)生日起算的天數(shù)；Oi為舊表第i天零點示數(shù)；Ni為新表第i天零點示數(shù)。

1.2 日線損異常波動與日電量曲線相似度關(guān)聯(lián)分析

1.2.1 方法及步驟

針對配電房線損與用戶電量曲線相似且電流電壓召測數(shù)據(jù)異常時存在竊電嫌疑的問題，需要獲取采集系統(tǒng)中配電房日線損超大明細，根據(jù)配電房編號從營配貫通平臺中獲取該配電房下的用戶檔案，從采集系統(tǒng)獲取表計采集示數(shù)，重點關(guān)注配電房下日用電量相對較大的用戶，利用皮爾遜積距相關(guān)系數(shù)計算用戶電量與對應(yīng)配電房線損的曲線相似度，設(shè)置曲線相似度閾值，在閾值范圍內(nèi)判定為一級嫌疑，最后通過采集系統(tǒng)任務(wù)定投，對電流電壓異常的用戶再次提高嫌疑等級，并將嫌疑指數(shù)較高的用戶下發(fā)至所屬供電單位，進行現(xiàn)場核查、原因分析，而后將結(jié)果反饋至管理部門，從而進行問題整改，挽回公司經(jīng)濟損失。

1.2.2 具體算法

對配電房線損超大明細進行監(jiān)控，根據(jù)營配貫通平臺中的用戶明細及用電信息采集系統(tǒng)中的電量數(shù)據(jù)進行分析驗證，滿足以下規(guī)則即可判定為疑似問題。

規(guī)則一：配電房日線損與用戶日電量曲線相似度。從采集系統(tǒng)獲取最近30天內(nèi)線損超大配電房線損，并根據(jù)營配貫通數(shù)據(jù)獲取配電房下用戶明細，結(jié)合用戶檔案從采集系統(tǒng)再次獲取表計示數(shù)信息，并計算出每天有功總電量，通過對配電房線損上下波動超過8%的節(jié)點日期及相應(yīng)電量進行標(biāo)準(zhǔn)化歸一，計算出線損波動節(jié)點日期中電量波動超過30%的吻合點數(shù)，并通過皮爾遜積距相關(guān)系數(shù)計算曲線相似度。

數(shù)據(jù)前期準(zhǔn)備、數(shù)據(jù)預(yù)處理和特征提取等幾個步驟幾乎要花費數(shù)據(jù)工程師一半的工作時間。同時，數(shù)據(jù)預(yù)處理的效果也將直接影響后續(xù)模型能否有效工作。

（1）數(shù)據(jù)降噪。取出最近30天內(nèi)某配電房存在日線損上下波動超過8%的日期，并分別取得率超過30%，則可能存在錯接線風(fēng)險。波動率計算公式為：當(dāng)日該配電房的日線損及該配電房下所有用戶的電量，將日用電量占配電房供電量比例較大的用戶作為重點關(guān)注對象，剔除小電量等竊電可能性較低的用戶。

（2）數(shù)據(jù)降維。由于線損和電量的計量單位不同，無法直接進行數(shù)據(jù)比較，故采用0均值標(biāo)準(zhǔn)化方法對2組數(shù)據(jù)進行歸一化，將數(shù)據(jù)維度將至[-1， 1]區(qū)間。

0均值歸一化方法將原始數(shù)據(jù)集歸一化為均值為0、方差為1的數(shù)據(jù)集，歸一化公式如下：

式中：μ，σ分別為原始數(shù)據(jù)集的均值和標(biāo)準(zhǔn)差，其中σ的計算公式為：

式中：Xi為第i個樣本數(shù)值；為采集樣本數(shù)據(jù)均值；n為樣本量。

（3）曲線相似性分析。皮爾遜積矩相關(guān)系數(shù)也稱皮爾遜相關(guān)系數(shù)，是一種線性相關(guān)系數(shù)，用來反映2個變量線性相關(guān)-程-度的統(tǒng)計量。相關(guān)系數(shù)用R表示，Xi（Yi）和）分別為 2 個變量的觀測值和均值。R描述的是2個變量間線性相關(guān)強弱的程度，R的絕對越大表明性越強相關(guān)，計算公式如下：

規(guī)則二：結(jié)合電流電壓召測數(shù)據(jù)確定竊電嫌疑等級。建立違約竊電模型，若用戶存在開蓋記錄，增加一級竊電嫌疑等級；若采集任務(wù)定投召測電流電壓數(shù)據(jù)異常，再增加一級竊電嫌疑等級。

1.3 采集異常情況告警分析

1.3.1 方法及步驟

針對采集異常告警可能存在計量裝置故障的問題，需要獲取采集系統(tǒng)中采集異常告警用戶列表，根據(jù)告警類型不同，將影響計量準(zhǔn)確性的用戶下發(fā)至所屬供電單位，進行現(xiàn)場核查、原因分析，并將結(jié)果反饋至管理部門，以便針對問題進行整改，提高客戶服務(wù)質(zhì)量。

1.3.2 具體算法

對采集異常告警用戶進行監(jiān)控，根據(jù)用電信息采集系統(tǒng)中的告警類型數(shù)據(jù)進行分析驗證，判斷規(guī)則為：根據(jù)從采集系統(tǒng)獲取的異常告警數(shù)據(jù)，將影響計量裝置正常計量的判定為嫌疑用戶，包括電能表停走、飛走、走字異常等情況。

2 實例分析

以某用戶竊電事件為例，給出查找、分析的具體步驟。

（1）數(shù)據(jù)準(zhǔn)備階段。分別抽取2015-08-17，2015-08-24，2015-08-31當(dāng)前臺區(qū)最近30天的日線損與電量數(shù)據(jù)并繪成曲線，如圖1（a）—（c）所示。

圖1 用戶線損與電量曲線

（2）數(shù)據(jù)預(yù)處理階段。采用降噪算法分別對2015-08-17，2015-08-24，2015-08-31抽取的最近30天的線損及電量數(shù)據(jù)進行預(yù)處理，只保留線損超過8%上下波動的節(jié)點日期，剔除干擾因素，分別形成相應(yīng)的特征曲線，如圖2（a）—（c）所示。

圖2 用戶電量與臺區(qū)線損特征曲線

（3）數(shù)據(jù)挖掘階段。采用0均值歸一化算法，將用戶電量及線損率通過數(shù)據(jù)降維至[-1，1]之間，然后采用皮爾遜積距相關(guān)系數(shù)算法分別計算2015-08-17，2015-08-24，2015-08-31的曲線相似性指數(shù)（見表1）?？梢园l(fā)現(xiàn)，連續(xù)3周的相似度指數(shù)的絕對值接近于1，具有較大的嫌疑。

表1 曲線相似性指數(shù)

（4）數(shù)據(jù)預(yù)警階段。利用風(fēng)險等級預(yù)警模型，當(dāng)前用戶連續(xù)幾周曲線相似性較高，且每周都有黃牌預(yù)警，利用現(xiàn)場實時召測數(shù)據(jù)進行研判，發(fā)現(xiàn)該用戶存在較大的竊電風(fēng)險，通過系統(tǒng)及時發(fā)出預(yù)警。

（5）現(xiàn)場查處追責(zé)階段?，F(xiàn)場檢查發(fā)現(xiàn)用戶通過斷開表計電流互感器三相電流線，造成電表無電流，使表計停走，實施竊電。通過采集系統(tǒng)檢查，發(fā)現(xiàn)該用戶從2012年9月開始每個月月初一段時間每日有電量產(chǎn)生，之后每日的日電量為零，因此認定該用戶從2012年9月1日開始竊電，于2015年8月21號開始恢復(fù)正常用電。每個月初10天左右有正常用電，后20天進行竊電，從2012年9月至2015年8月共36個月，每個月按30天計算，該用戶需要補的電量為出賬電量2倍。

3 結(jié)語

提出了基于曲線相似度和關(guān)聯(lián)分析的電力信息系統(tǒng)綜合評估方法，實現(xiàn)了竊電智能識別與預(yù)警分析，在一定程度上對低壓用戶進行了篩選，幫助用電檢查人員精準(zhǔn)定位到有竊電嫌疑的用戶，從而大大提高了低壓用電檢查工作的針對性。同時，為竊電時間的確定、竊電電量的計算都提供了充分的參考依據(jù)，為處理竊電事件提供了更加準(zhǔn)確的依據(jù)?；谇€相似度和關(guān)聯(lián)分析的竊電智能識別和預(yù)警，同樣可適用于高壓用戶為主的臺區(qū)分析，可提高竊電查處工作效率。