應用大數(shù)據(jù)技術(shù)的反竊電分析研究

宋樹宏，王煒，王偉恒，于雷，王超，潘子毅，付博

（國網(wǎng)沈陽供電公司，遼寧 沈陽 110003）

目前我國電力供應過程中，各種竊電手段層出不窮，部分竊電分子采用欠壓法、擴差法、欠流法等手段實施電能偷竊，影響到供電企業(yè)的正常運行。為實現(xiàn)對反竊電工作的優(yōu)化，供電企業(yè)需正視大數(shù)據(jù)技術(shù)應用的重要性，在原有電力信息系統(tǒng)中進行大數(shù)據(jù)技術(shù)的融合，進一步優(yōu)化反竊電技術(shù)，實現(xiàn)對竊電行為的有效打擊與抑制。

1 當前反竊電管理不足之處

盡管現(xiàn)階段供電企業(yè)對反竊電管理工作的開展逐漸加大力度，但是仍尚存些許不足之處，具體表現(xiàn)為：（1）難以做到對竊電量的精準統(tǒng)計。不同于現(xiàn)實產(chǎn)品，虛擬化的電能商品管理難度相對較大。常規(guī)統(tǒng)計記錄手段的應用無法滿足電能統(tǒng)計的實際需求，再加上基礎(chǔ)監(jiān)測設(shè)備技術(shù)陳舊，無法做到在供電監(jiān)測過程中進行竊電量的精準統(tǒng)計，為竊電分子提供可乘之機。此外，因供電企業(yè)無法做到對線損情況的全面掌握，部分用戶會以線損過大為理由進行竊電，對供電企業(yè)造成嚴重經(jīng)濟損失。（2）在反竊電工作的實施過程中，存在工作人員難以準確把握竊電問題的情況，尤其是針對臨時性竊電而言，即使工作人員發(fā)現(xiàn)用戶的竊電行為，但是因證據(jù)不足無法開展工作。（3）隨著我國科學技術(shù)的發(fā)展，部分竊電分子采用的手段更為先進，導致反竊電工作開展難度增大。（4）供電企業(yè)用戶廣泛，涉及商業(yè)、工業(yè)以及居民用電等多種性質(zhì)類別，再加上竊電手段的隱秘性，導致反竊電難上加難。正因此，借助大數(shù)據(jù)技術(shù)進行反竊電的優(yōu)化，已然成為供電企業(yè)的主要研究課題。

2 反竊電中大數(shù)據(jù)技術(shù)的應用優(yōu)勢

2.1 線損實時監(jiān)測

借助大數(shù)據(jù)技術(shù)可以幫助工作人員進行用電數(shù)據(jù)信息的搜集與挖掘，通過深度挖掘與分析，進行線路線損實際情況的分析與判斷，實現(xiàn)對線損基本規(guī)律的掌握與明確。同時，依托于大數(shù)據(jù)技術(shù)強大的分析功能，能夠幫助工作人員掌握不同時段線損情況。以不同季節(jié)為例，冬季、夏季為線損率最高的季節(jié)，依托于對供電區(qū)用電信息、天氣與季節(jié)數(shù)據(jù)的采集和分析，生成不同季節(jié)線損動態(tài)圖，實現(xiàn)通過大數(shù)據(jù)分析來保證線損分析的準確性。

2.2 智能反竊電

供電企業(yè)通過在用電信息系統(tǒng)中融合大數(shù)據(jù)技術(shù)，可實現(xiàn)對用戶信息的實時采集，并以平臺為基礎(chǔ)進行海量數(shù)據(jù)的傳輸，而終端可依托于數(shù)據(jù)分析來判斷用戶用電情況。在智能信息采集系統(tǒng)運行過程中，若用戶用電數(shù)據(jù)存在異常，平臺會自主進行智能診斷與分析，判斷其是否為竊電行為并第一時間提示預警。如在白天時段監(jiān)控圖顯示三相電流數(shù)值呈現(xiàn)為均衡態(tài)勢，但是在夜間時段出現(xiàn)一相電流值異常，系統(tǒng)可自行診斷并預警。當然，為確保相關(guān)工作人員能夠直觀掌握數(shù)據(jù)信息，平臺可以以圖形化、圖表化的形式呈現(xiàn)數(shù)據(jù)，進而實現(xiàn)對反竊電工作的智能化開展。

3 基于大數(shù)據(jù)的反竊電系統(tǒng)設(shè)計

3.1 數(shù)據(jù)處理平臺架構(gòu)

此數(shù)據(jù)處理平臺采用三層架構(gòu)，用戶數(shù)據(jù)信息通過現(xiàn)場終端完成采集，數(shù)據(jù)采集單元通過專網(wǎng)或公網(wǎng)信道進行數(shù)據(jù)信息接收，而終端采集命令與任務的下達，由采集單元負責。數(shù)據(jù)處理平臺分別由內(nèi)層、中層、外層組成，其中外層囊括預處理模塊，中層則集成Map Rdeuce、Eclipse、融合引擎、監(jiān)控等模塊，內(nèi)層則是云計算服務集群與數(shù)據(jù)庫，該平臺的構(gòu)建實現(xiàn)指令下達、數(shù)據(jù)采集以及數(shù)據(jù)共享等。

3.2 數(shù)據(jù)計算服務集群

本系統(tǒng)中的數(shù)據(jù)計算服務集群主要以Hadoop框架為載體，起到主節(jié)點活躍、備用主節(jié)點預熱的作用，功能體現(xiàn)為信息系統(tǒng)數(shù)據(jù)計算，以分布式文件系統(tǒng)為載體進行數(shù)據(jù)庫中相關(guān)數(shù)據(jù)的存放，針對數(shù)據(jù)計算主要采用Map Reduce作業(yè)，完成計算后數(shù)據(jù)錄入數(shù)據(jù)庫。

3.3 數(shù)據(jù)庫架構(gòu)

本系統(tǒng)中涉及對云實時數(shù)據(jù)庫的構(gòu)建，調(diào)度層囊括主節(jié)點與從節(jié)點，數(shù)據(jù)庫中實時數(shù)據(jù)庫數(shù)量依據(jù)需求合理設(shè)定。利用高速交換機連接數(shù)據(jù)庫中主節(jié)點與從節(jié)點服務器，并以集群架構(gòu)Hadoop構(gòu)成軟件層面，數(shù)據(jù)庫的構(gòu)建有助于提升系統(tǒng)中實時、歷史數(shù)據(jù)的存儲、利用效率。

3.4 基礎(chǔ)算法

3.4.1 二階聚類

二階聚類算法應用較為常見，作為BIRCH算法的改進，其步驟具體分為預聚類、正式聚類。預聚類過程涉及到對聚類特征樹的構(gòu)建，囊括諸多子類；正式聚類過程則是輸入預聚類結(jié)果，依托于分層聚類達到再聚類的目的。聚類期間以集群距離為依據(jù)進行小集群合并，直至所有集群合并完成后方可結(jié)束。

3.4.2 深度學習

深度學習主要是以非線性模塊來進行多層描述學習，其中各模塊的描述，均含有三個轉(zhuǎn)化過程，體現(xiàn)為簡單描述→高層描述→抽象描述。通過對上述轉(zhuǎn)化過程的大量積累，實現(xiàn)對復雜函數(shù)的深度學習。針對深度學習算法而言，是對建模數(shù)據(jù)的隱含分布進行自動學習，本系統(tǒng)采用以GRBM-DBN為框架的深度學習算法。首先，RBM訓練采用相關(guān)對比發(fā)散數(shù)據(jù)。其次，進行RBM數(shù)據(jù)生成隱藏值的模擬，在此基礎(chǔ)上開展其他RBM的訓練。最后，進行分類操作。依據(jù)喚醒-休眠算法，結(jié)合對分類標志與隱藏單元的設(shè)置來達到權(quán)重變化的目的。針對喚醒-休眠算法而言，可以將喚醒體現(xiàn)為認知過程，以向上權(quán)重為根據(jù)，結(jié)合對外界特征的描述來進行各層抽象表示，針對下行權(quán)重，則需利用梯度下降來實現(xiàn)有效轉(zhuǎn)變；休眠則可以以生成過程來體現(xiàn)，運行期間底層狀態(tài)依托于向下權(quán)重與頂層表示來生成，可作用于層間向上權(quán)重的轉(zhuǎn)變與調(diào)整。

3.4.3 CHAID決策樹

本系統(tǒng)建模除采用聚類建模之外，還涉及對決策樹建模的應用，其原理為在分類自變量時，以根結(jié)點來體現(xiàn)因變量，從而得到分類卡方值。若變量分類程度存在顯著差異，則需進行分類P值大小的比對。然后在子節(jié)點設(shè)置過程選擇存在顯著差異的分類，達到最優(yōu)分割的目的。

3.4.4 異常值檢測

本系統(tǒng)針對異常值的檢測采用箱線圖，分別通過5個統(tǒng)計量來描述數(shù)據(jù)。該方法的應用，不僅可以應用于離散數(shù)據(jù)的粗略估量，亦可以進行異常值的精準判斷。在實際應用過程中，無須借助假定數(shù)據(jù)形式進行分析，可以利用實際數(shù)據(jù)特征判斷異常值。本系統(tǒng)中異常值判斷標準定位為：QR（四分位距）、Q3（下四分位數(shù)）、Q1（上四分位數(shù)）。

4 反竊電系統(tǒng)應用實證研究

國網(wǎng)沈陽供電公司根據(jù)用電信息系統(tǒng)大數(shù)據(jù)分析發(fā)現(xiàn)，XX公司存在疑似竊電的情況，利用大數(shù)據(jù)平臺進行竊電用戶特征分析，借助二階聚類進行客戶類別的形成，從指標、樣例等維度分類用戶，并采納用戶基本屬性構(gòu)建聚類模型，由此確定該企業(yè)用電特點。在確定懷疑對象后，進行用戶鎖定。采用深度學習和決策樹，將該企業(yè)當月用電量、功率因數(shù)等關(guān)鍵性指標輸入，結(jié)果發(fā)現(xiàn)該企業(yè)滿足決策樹規(guī)則模型，利用以DBN模型的深度學習方法進行準確率預測，依托于系統(tǒng)數(shù)據(jù)分析與采集，發(fā)現(xiàn)該公司進線電纜電流最高為50A左右，最低為30A，其結(jié)果與采集系統(tǒng)中顯示的電流存在較大差異，確定該企業(yè)存在竊電行為。隨后國網(wǎng)沈陽供電公司組織隊伍開展現(xiàn)場檢查。發(fā)現(xiàn)廠區(qū)內(nèi)計量柜處于無封印狀態(tài)，電表尾封有人為破壞痕跡。通過深入稽核發(fā)現(xiàn)，該企業(yè)用電性質(zhì)不同于檔案統(tǒng)計，表示該企業(yè)存在私自竊電、躲避電費的情況。最后，進行竊電行為取證。借助箱線圖方法進行用戶用電量和負荷的分析，得出精準的離群值和異常值。國網(wǎng)沈陽供電企業(yè)通過合理應用大數(shù)據(jù)反竊電平臺，成功挽回該企業(yè)竊電造成的經(jīng)濟損失，同樣論證了在實際反竊電工作中應用該平臺的可行性。

上述案例證明，基于大數(shù)據(jù)的反竊電平臺設(shè)計，一方面可以為供電企業(yè)用電違約行為的查處提供參考依據(jù)，另一方面則可以幫助供電企業(yè)維持電網(wǎng)的正常運行。

5 結(jié)語

綜上，隨著竊電手段的愈發(fā)復雜和多元化，供電企業(yè)要想提高反竊電工作成效，應結(jié)合自身實際情況，構(gòu)建完善的智能反竊電系統(tǒng)，精準定位用戶竊電行為，采集充分的竊電行為證據(jù)，在進一步規(guī)范企業(yè)反竊電工作開展的同時，幫助供電企業(yè)減少損失、控制成本。