大電量客戶竊電風險識別研究

李 昂，李 佩，葉 欣，張佳軒

（陜西理工大學 電氣工程學院，陜西 漢中 723000）

0 引 言

長久以來，客戶竊電問題一直困擾著電力企業(yè)[1]，嚴重影響電網(wǎng)的安全經(jīng)濟運行，并破壞了電力市場的經(jīng)濟秩序和公平性[2]。反竊電保護作為供電企業(yè)經(jīng)營的核心問題，對電網(wǎng)經(jīng)營效益影響巨大，關系到企業(yè)的經(jīng)營成本[3]。傳統(tǒng)的預防竊電行方法主要包括定期巡檢、定期校驗電表以及人為舉報等。這些方法對人的依耐性強，抓竊查漏的目標不明確[4]，且日常開展的用戶檢查工作存在查證難、取證難以及定量難的問題。工作人員在查證上往往無從入手，常以人工整理數(shù)據(jù)的方式開展工作。然而，原始數(shù)據(jù)存放在一張表中，表結構過于冗長，無法建立表間關系[5]，不利于相關人員挖掘數(shù)據(jù)的價值。

可視分析起源于互聯(lián)網(wǎng)大數(shù)據(jù)研究領域，基本方式是將自動的數(shù)據(jù)分析方法（包括數(shù)據(jù)挖掘、機器學習、統(tǒng)計分析等各種基于數(shù)據(jù)的分析方法）與可視化相結合，通過構建人機互動的分析環(huán)境，實現(xiàn)對海量數(shù)據(jù)的快速分析。事實上，人的數(shù)據(jù)處理能力有限，但對圖形模式的識別能力極強?？梢暦治龅暮诵乃枷胧抢萌说母兄芰陀嬎銠C的計算優(yōu)勢，讓兩者協(xié)同工作，互相促進[6]。近年來，隨著國家電網(wǎng)公司信息化建設的快速發(fā)展，海量的營銷數(shù)據(jù)中包含有較為完備的用戶基礎信息、用戶用電信息、電費信息、繳費信息以及其他相關信息[7]。大電網(wǎng)海量數(shù)據(jù)缺乏有效的可視化策略，難以幫助分析人員快速掌握電網(wǎng)運行信息。因此，本文將基于軟件Tableau對大客戶用電量歷史數(shù)據(jù)進行可視化建模與分析，挖掘潛在價值，提出以數(shù)據(jù)可視化判別竊電客戶的方法，以較為準確地識別竊電嫌疑，精確定位客戶，提高電力企業(yè)實施重點監(jiān)控的效率，從而及時防范并應對異常客戶的拖欠行為。

1 設計思路

1.1 Tableau簡介

Tableau是目前全球最易上手的報表分析工具，擁有強大的統(tǒng)計分析擴展功能，是一款定位數(shù)據(jù)可視化敏捷開發(fā)和實現(xiàn)的智能展現(xiàn)工具，具有操作簡單快速、實現(xiàn)靈活高效的即時分析能力。它能夠根據(jù)業(yè)務需求對報表進行遷移和開發(fā)，實現(xiàn)業(yè)務分析人員的獨立自助，以界面拖拽式操作方式對業(yè)務數(shù)據(jù)進行聯(lián)機分析處理，已被廣泛應用于各行各業(yè)，用來實現(xiàn)可交互的、可視化的分析。它無需使用向?qū)Щ蚴蔷帉懗绦?，能夠跟隨思維軌跡快速進行視圖切換和生成，依靠核心的數(shù)據(jù)處理引擎，能夠處理各種規(guī)模的數(shù)據(jù)，并同時保證近乎實時的快速數(shù)據(jù)提取分析，提供可視化交互，并把結果展示出來，方便用戶理解結果，從而為企事業(yè)相關工作人員完善和改進業(yè)務提供依據(jù)[8-9]。

1.2 模型搭建

模型基于R語言腳本運行的Tableau軟件，鏈接客戶歷史用電量數(shù)據(jù)，制作包括客戶用電量環(huán)同比增減圖和客戶信用體系表，并且將其相互耦合，將復雜冗長的文本數(shù)據(jù)轉(zhuǎn)化為直觀、清晰、高效、易理解和使用的可視化圖形信息[10]。流程如圖1所示。

圖1 可視化建模過程流程圖

2 數(shù)據(jù)處理

采取相應算法抽取存儲在不同源數(shù)據(jù)庫中的所需數(shù)據(jù)，最后整合到數(shù)據(jù)倉庫中。從歷史數(shù)據(jù)庫中提取2016年和2017年某市10 kV、35 kV、110 kV以及330 kV電壓等級的大電量客戶的歷史用電量數(shù)據(jù)和非法用電記錄的客戶信用歷史數(shù)據(jù)。大量實踐調(diào)查研究發(fā)現(xiàn)，在電力生產(chǎn)過程中，檔案資料更新不及時會導致電網(wǎng)業(yè)務在數(shù)據(jù)存儲分析時準確性不高。如果將這些數(shù)據(jù)作為系統(tǒng)的運行指標，將直接影響評價的準確性。因此，應該提取可用數(shù)據(jù)分析判斷其特征。原始電網(wǎng)業(yè)務在數(shù)據(jù)庫中采集數(shù)據(jù)時，存在數(shù)據(jù)不完整性、數(shù)據(jù)不一致性等嚴重的質(zhì)量問題。因此，在保證不減少數(shù)據(jù)所包含信息的前提下[11]，應對數(shù)據(jù)進行歷史樣本抽取，然后開展分析、排查、清洗等操作，改善數(shù)據(jù)的質(zhì)量，如圖2所示。樣本數(shù)據(jù)處理具體情況如下：若存在缺失值現(xiàn)象，為保證建模數(shù)據(jù)的有效性，將這類數(shù)據(jù)剔除；數(shù)據(jù)指標，電量的輸入輸出差值波動大概能反映竊漏電特征，因此考慮引用線損率衡量線損信息[12]。進行excel數(shù)據(jù)排版成Tableau可識別的格式，然后將數(shù)據(jù)源連接到Tableau軟件，調(diào)整相應數(shù)據(jù)類型并根據(jù)數(shù)據(jù)類型將數(shù)據(jù)源的字段分成“維度”和“度量”兩類，調(diào)整字段屬性。

圖2 數(shù)據(jù)處理流程圖

3 交互界面

3.1 創(chuàng)建客戶體系表

創(chuàng)建4個計算字段分別統(tǒng)計各個電壓等級的客戶數(shù)，以“交流10 kV”為例，打開創(chuàng)建計算字段編輯窗口，編寫程序命令“IF[電壓等級]=交流10kVTHEN[客戶]END”，并將標題命名為“交流10 kV”。類似地，可以創(chuàng)建35 kV、110 kV、330 kV電壓等級的計算字段，如圖3所示。

圖3 某市各個電壓等級客戶數(shù)

3.2 客戶電量柱狀圖表

制作電量柱狀圖，顯示客戶各月用電量情況。圖4為某市所有客戶用電量大小，寬條形代表2017年用電量，窄條形代表2016年用電量；顏色區(qū)分客戶類型，鼠標放到條形圖，可以智能化顯示每個客戶的編號、電壓等級以及用電量等數(shù)據(jù)；條形圖的高低則可以清楚展示用電量最大的客戶為客戶2403000083。添加客戶篩選器和電壓等級篩選器，通過篩選器選擇不同的電壓等級，可以智能化顯示某市各個電壓等級下的客戶用電量情況。通過篩選器選擇不同的客戶，可以查看每個客戶的具體用電量大小。

3.3 構建客戶用電環(huán)比表

制作客戶用電量環(huán)比增減度條形圖，顯示各個客戶用電量環(huán)比增減度。如圖5所示，以時間10個月為橫軸，2017年的電量信息為縱軸，構建用電量條形圖，并將標題命名為“環(huán)比（形狀）”，以區(qū)分電量環(huán)比增減度。其中，向上的箭頭顯示電量環(huán)比增加，向下的箭頭表示電量環(huán)比減少。箭頭在坐標系中的位置表示增減度的大小。

圖4 某市2016年和2017年客戶用電量柱狀圖

3.4 創(chuàng)建客戶同比表

制作客戶用電量同比增減度折線圖，顯示各個客戶用電量同比增減度。如圖6所示，以時間10個月為橫軸，2016年和2017年的電量信息為縱軸，繪制電量折線圖。其中實折線和虛折線分別代表2016年和2017年用電量，并將標題命名為“電量同比增減度”。構建到視圖中，調(diào)整為百分比顯示，將創(chuàng)建的計算字段“環(huán)比（形狀）”顯示到形狀中，向上的箭頭顯示電量同比增加，向下的箭頭表示電量同比減少。箭頭在坐標系中的位置表示增減度的大小。

圖5 客戶用電量環(huán)比增減度

圖6 客戶用電量同比增減度

創(chuàng)建一張儀表板，將前述制作好的工作表排版到儀表板上，調(diào)整大小，添加文字和圖像，合理布局，相互耦合，添加適當?shù)暮Y選器并應用到所有工作表完成大客戶用電量可視化模型的搭建。

4 模型分析與驗證

為了測試該模型的可行性和準確性，應用該模型，通過滑動篩選器，結果如圖7所示。直觀清楚地發(fā)現(xiàn)，2017年7月和9月，客戶2401000023的用電量為負值，分別為-360 kW·h和-436 kW·h，而11月環(huán)比增長度為134.9%。該企業(yè)2016年11月用電量24 109 kW·h，2017年11月用電量152 kW·h，同比減少99.37%。再從歷史信用數(shù)據(jù)來看，該企業(yè)存在竊電記錄，該數(shù)據(jù)嚴重反常，足夠說明客戶用電異常。通過走訪調(diào)查發(fā)現(xiàn)，該客戶報裝電能計量裝置電能表電壓進線斷開，使用電不計量，零電壓、零電。經(jīng)現(xiàn)場檢查人員和計量中心人員勘察后，該戶屬于違約用電，確實存在竊電行為。

另外，如圖8所示，模型可視化清晰顯示2017年12月客戶2401000082用電量環(huán)比下降23.26%，同比下降94.90%，但該客戶的歷史用電信用數(shù)據(jù)卻較高。通過對該客戶的走訪調(diào)查，發(fā)現(xiàn)該企業(yè)電量確實下降，但不存在竊電行為，主要是企業(yè)經(jīng)營狀況不佳，受到了市場和政策的嚴重影響。鑒于此，電力企業(yè)幫其通過政府增加直購電指標幫扶該客戶?？梢?，該模型可以有力排查縮小竊電用戶的范圍，大大減少了防竊電工作量，有助于工作人員快速發(fā)現(xiàn)問題并解決問題。

圖7 客戶2401000023的用電量異常分析模型圖

圖8 客戶2401000082的用電量異常分析模型圖

5 結 論

針對長期以來供電企業(yè)面臨的預防竊電及查處難等問題，結合用電信息采集系統(tǒng)反竊電功能發(fā)展現(xiàn)狀，本文利用Tableau軟件對某市客戶歷史用電量數(shù)據(jù)進行模型搭建、數(shù)據(jù)處理、模型分析以及驗證，通過兩個算例分析驗證了算法的有效性。實踐表明，本方案縮小了竊電嫌疑用戶范圍，減少了防竊電的工作量，為供電企業(yè)進行竊電偵查提供了依據(jù)，有助于工作人員快速發(fā)現(xiàn)問題并解決問題，節(jié)約了相關的人力、物力和財力，降低了供電企業(yè)的損失，保障了電網(wǎng)安全，提升了公司效益，可為反偷查漏工作提供借鑒。