基于用戶用電行為分析的反竊電系統(tǒng)設(shè)計

■ 國網(wǎng)隨州供電公司 耿安坤

竊電的形式多種多樣，常見的大致可以分為6類，分別為：欠壓法竊電、欠流法竊電、移相法竊電、擴差法竊電、無表法竊電、高科技竊電。在用戶計量準(zhǔn)確的情況下，用戶電量主要與電壓、電流、功率因數(shù)和用電時間有關(guān)，欠壓、欠流和移相法竊電就是通過改變表計的電壓、電流和功率因數(shù)來使得表計少計電量，從而達到竊電的目的。擴差法竊電是通過技術(shù)手段使表計計量誤差增大，導(dǎo)致計量不準(zhǔn)。無表法竊電就是直接從供電公司的公用線路上接線用電，沒有經(jīng)過表計，這種方式較難在系統(tǒng)監(jiān)測發(fā)現(xiàn)，而且容易引起安全事故。高科技竊電就是通過技術(shù)手段影響智能電表內(nèi)部芯片、互感器等模塊的功能，也有的通過智能表對外接口與電表進行通訊，進而修改電能表內(nèi)部的存儲數(shù)據(jù)，使得電量少計。

盡管竊電的手法越來越先進，但是只要用電行為發(fā)生，就會在系統(tǒng)留有大量數(shù)據(jù)痕跡，通過分析這些數(shù)據(jù)，就可以精準(zhǔn)地發(fā)現(xiàn)竊電行為。用戶的用電數(shù)據(jù)可以分為2大類：一是營銷業(yè)務(wù)系統(tǒng)里的檔案數(shù)據(jù)；二是用電信息采集系統(tǒng)里的表計電量數(shù)據(jù)。檔案數(shù)據(jù)包括用戶行業(yè)分類、用電類別、身份信息、電價類別、歷史月電量、交費信息、費控信息等。表計電量信息包括實時電壓、電流、歷史日電量、所屬臺區(qū)信息、所屬線路信息、互感器倍率信息等。目前，研究較多的反竊電方法有3種，分別是基于狀態(tài)估計[1-2]、基于博弈論[3]和基于機器學(xué)習(xí)[4]的反竊電方法研究?；谟脩粲秒娦袨榉治龇锤`電就是屬于機器學(xué)習(xí)類反竊電方法。

用戶用電行為分析的研究與應(yīng)用

近年來，隨著智能電表和智能終端的深化應(yīng)用，用電數(shù)據(jù)出現(xiàn)了爆發(fā)增長，對海量數(shù)據(jù)進行挖掘分析和有效利用是當(dāng)前研究的熱點課題，同時，也對電網(wǎng)企業(yè)的提質(zhì)增效和轉(zhuǎn)型發(fā)展具有重要價值。目前，國內(nèi)外對用戶用電行為分析的研究主要集中在技術(shù)研究、算法研究和應(yīng)用研究3個方面。技術(shù)研究側(cè)重于對數(shù)據(jù)從采集、存儲、分析的過程中涉及的軟硬件方案及關(guān)鍵技術(shù)進行研究[5-6]。算法研究側(cè)重于對聚類算法進行改進和優(yōu)化，提高算法準(zhǔn)確度和運算速度[7-8]。應(yīng)用研究側(cè)重于對數(shù)據(jù)分析結(jié)果的應(yīng)用[9-11]，實現(xiàn)電力大數(shù)據(jù)的實際應(yīng)用價值。本文主要是對用戶用電行為分析在反竊電中的應(yīng)用進行研究。文獻[9]提出了一種對用戶用電行為進行分析實現(xiàn)電力系統(tǒng)“削峰填谷”的方法。文獻[10]通過分析用戶用電行為對不同類型用戶進行畫像，從而為用戶提供個性化優(yōu)質(zhì)服務(wù)。文獻[11]通過對用戶檔案資料和交費信息進行分析，評估客戶信用等級，降低電費回收風(fēng)險。

用戶用電行為分析過程

用戶用電行為分析大致可以分為數(shù)據(jù)獲取、數(shù)據(jù)處理、數(shù)據(jù)挖掘和數(shù)據(jù)應(yīng)用4個階段，如圖1所示。

數(shù)據(jù)獲取是通過智能表計、智能終端等采集用戶用電數(shù)據(jù)，然后，通過有線或無線通信將數(shù)據(jù)傳輸?shù)街髡痉?wù)器。

數(shù)據(jù)處理是對數(shù)據(jù)進行過濾處理，去粗存精，包括異常值處理、數(shù)據(jù)缺失處理以及特征處理等，處理之后將數(shù)據(jù)整合、分類和存儲。

數(shù)據(jù)挖掘是利用諸如聚類、關(guān)聯(lián)規(guī)則挖掘等方法，找出數(shù)據(jù)中的隱含信息和潛在聯(lián)系，并將這些聯(lián)系與規(guī)律表示出來。

數(shù)據(jù)應(yīng)用是指將挖掘出來的信息應(yīng)用到用電檢查、電量預(yù)測等領(lǐng)域，提升工作質(zhì)效。

圖1 用戶用電行為分析過程

表 1 異常用電對應(yīng)的用電特征

用電行為分析在反竊電中的應(yīng)用

用電特征提取

根據(jù)功率表達式可知，電能計量主要與電壓、電流、功率因數(shù)這3個量有關(guān)。在異常用電的情況下，電壓、電流及功率因數(shù)的特征與正常用電時的特征會有差異。異常用電對應(yīng)的用電特征如表1所示。

多特征融合分析

在對異常用電情況進行分析時，可以根據(jù)電壓、電流、功率因數(shù)3個參數(shù)進行單獨分析，電流主要分析三相不平衡度，電壓主要分析與額定電壓的偏差值，功率因數(shù)主要分析是否低于標(biāo)準(zhǔn)值，但是，單獨檢測的準(zhǔn)確度并不高。為了提高準(zhǔn)確性，需要進行多特征融合分析，比如當(dāng)三相電表某一相上無電壓有電流時，就可以判斷用電異常。多特征融合主要是基于D-S證據(jù)理論合并規(guī)則的改進，通過建立識別框架，確定證據(jù)的可信度分配，再根據(jù)一定的合并規(guī)則，得到對命題最后的支持程度。

用電模式特征分析

根據(jù)實驗結(jié)果分析，用戶改動計量器具竊電的情況下，通過多特征融合分析，能夠比較準(zhǔn)確地檢測出異常點。但是，當(dāng)用戶無表竊電時，就沒辦法再檢測出異常點，這個時候就需要采用用電模式特征分析進行檢測。用戶用電時，會形成特定的用電模式，正常用電情況下，用電模式會有有一定的規(guī)律。用戶每天分時負荷情況，可以構(gòu)成1個24維的向量，該向量可以得到負荷曲線。對負荷曲線進行聚類分析，就可以檢測出異常用電曲線。在實際工作中，根據(jù)線路線損率或臺區(qū)線損率的情況，可以初步分析出哪些用戶可能有異常用電情況，這樣可以縮小檢測的原始樣本。如果用戶從開戶時開始就竊電，那么，就沒有辦法從歷史數(shù)據(jù)中提取出正常的用電模式，這樣，這種方法就失去了作用。但是，在實際中，極少出現(xiàn)從開戶時就開始竊電的情況。

在用戶用電行為分析中，常用的聚類算法是K-meas聚類算法，這種聚類也可看做是梯度聚類，梯度距離反映了不同模式的相似性度量。用電模式分析算法流程圖，如圖2所示。

圖2 用電模式特征分析算法流程圖

圖3 異常用電行為分析流程圖

異常用電行為分析

本文提出的竊電檢測方法是基于電氣參數(shù)多特征融合分析和基于聚類算法的用電模式分析。為了提高檢測效果及準(zhǔn)確性，先根據(jù)線損指標(biāo)情況，鎖定大致異常用電的戶數(shù)范圍，再利用多特征融合分析用戶表計的電壓、電流及功率因數(shù)，檢測出異常用電用戶，最后，再對異常用電用戶進行用電模式分析，判定竊電用戶。具體的流程圖，如圖3所示。

隨著基層站所員工老齡化的加重，傳統(tǒng)的工作方式已經(jīng)不能適應(yīng)新的工作要求，伴隨著人工智能及信息技術(shù)的發(fā)展，為大量工作提供了新的解決方法和途徑。本文結(jié)合實際，提出了一種基于用戶用電行為分析的反竊電方法，能夠很大程度降低人工操作工作量，同時，可以提升竊電監(jiān)測工作質(zhì)效。在將來，電力數(shù)據(jù)與天氣數(shù)據(jù)、金融數(shù)據(jù)等外部數(shù)據(jù)進行融合，將會進一步提升用電行為分析檢測的準(zhǔn)確性，同時，也會為負荷預(yù)測、供電服務(wù)等其它工作提供強有力的支撐。