基于實時多維數(shù)據(jù)的竊電行為分析平臺

◆趙長軍 傅瑤

基于實時多維數(shù)據(jù)的竊電行為分析平臺

◆趙長軍 傅瑤

（重慶工業(yè)職業(yè)技術學院 重慶 401120）

本文設計基于實時多維數(shù)據(jù)的竊電行為分析平臺，利用大數(shù)據(jù)分析建模技術，將與用戶相關的生產(chǎn)、生活、信用多維數(shù)據(jù)通過流水線方式注入，進而利用全景竊電行為分析模型進行計算，得到有效的竊電嫌疑用戶數(shù)據(jù)、竊電特征等結果，為電力企業(yè)精準的竊電定位提供支持。

多維數(shù)據(jù)；竊電行為；大數(shù)據(jù)

1 引言

隨著社會用電量的增大，各種用戶的用電費用增加，竊電問題變得越來越突出?？茖W技術的發(fā)展也讓竊電手段日益高明，方法更加隱蔽，給查處帶來了很大的難度。每年因為偷電，導致供電單位損失巨大。據(jù)統(tǒng)計，上海一年經(jīng)過查處的竊電損失超過3000萬元，且還存在大量無法稽查到的情況；天津市2016年查處偷電案2256件，挽回經(jīng)濟損失七千萬。

本文設計基于實時多維數(shù)據(jù)的竊電行為分析平臺，通過Hadoop大數(shù)據(jù)分析，將與用戶相關的生產(chǎn)、生活多維數(shù)據(jù)通過流水線方式實時注入系統(tǒng)中，進行全景竊電行為模型計算分析。分析模型考慮了用戶的家庭情況、氣候、信用等多種參數(shù)，從而得到更為精準的竊電嫌疑用戶數(shù)據(jù)、竊電特征等結果，為電力企業(yè)進行準確的竊電定位提供支持，提升企業(yè)的經(jīng)濟效益，保證社會用電安全。

2 基于實時多維數(shù)據(jù)的竊電行為分析平臺架構

本文利用云平臺的計算服務實現(xiàn)多維度竊電行為分析的大數(shù)據(jù)計算，采用部署于云端的Hadoop大數(shù)據(jù)平臺構建分析系統(tǒng)，作為供電企業(yè)現(xiàn)有的本地數(shù)據(jù)中心的擴展；利用服務總線（Service Bus）實現(xiàn)服務共享，整合與其他系統(tǒng)如氣候系統(tǒng)、電商系統(tǒng)、企業(yè)經(jīng)營數(shù)據(jù)系統(tǒng)的服務與數(shù)據(jù)共享。通過數(shù)據(jù)共享方式，實現(xiàn)幾個分析維度數(shù)據(jù)的整合。平臺架構見圖1。

多維度的數(shù)據(jù)通過數(shù)據(jù)服務共享方式統(tǒng)一獲取到系統(tǒng)中，進一步進行竊電行為大數(shù)據(jù)分析?；贖adoop，將幾個維度的數(shù)據(jù)建立竊電分析模型。竊電分析模型設計基于上述幾個維度的數(shù)據(jù)，模型采用幾個策略：

（1）用戶用電歷史：顆粒度分別到天、月、年，以及多年的歷史用電數(shù)據(jù)。此維度作為用電情況的參照數(shù)據(jù)。

（2）近期/實時用戶用電數(shù)據(jù)：與歷史同期同顆粒度用電情況進行對照分析，分析是否有變化、變化的幅度、方差等。

（3）水表、氣表數(shù)據(jù)：家庭的用水用氣情況基本能夠反映家庭的人口情況，例如人口的增加，一般會帶來持續(xù)的用水、用氣增加，反之亦然。此維度數(shù)據(jù)可作為判斷家庭人口變化的基準，而人口增加，必定也會帶來用電量的增加。當一個家庭的用水持續(xù)激增，而用電量反而在下降，同樣存在一定的竊電嫌疑。

（4）氣候數(shù)據(jù)：參與對歷史同期用電量的分析。例如同日期、同天氣、同氣溫的情況下，歷史同期的用電變化情況。分析的粒度可以為天、周、月。特別是夏、冬兩個季節(jié)，因為制冷和取暖會使用高功率設備，如果在家庭情況不產(chǎn)生大的變化情況下，同期連續(xù)用電量差異較大，則嫌疑增加。

（5）電商信用數(shù)據(jù)：獲取此用戶消費信用數(shù)據(jù)、消費力數(shù)據(jù)。電商一般對用戶的消費、退貨、糾紛情況建立了對應的信用制度，可以作為個人信用的參考。同時從總體上來說，消費力較好的用戶，竊電概率也會降低，依次為一定權重的參照系數(shù)，分析用戶情況。

（6）企業(yè)產(chǎn)量、營業(yè)數(shù)據(jù)：對企業(yè)用電用戶來說，產(chǎn)量與營業(yè)數(shù)據(jù)仍然反映了用電的情況?？梢垣@取同類型企業(yè)用電-產(chǎn)量比，得到單位產(chǎn)量的用電情況，進而分析此企業(yè)/用戶用電是否偏離正常。

圖1 平臺架構圖

3 數(shù)據(jù)分析與建模

根據(jù)上述接口，獲得全量多維數(shù)據(jù)后，可加載入系統(tǒng)，可按照防竊電分析模型進行嫌疑分析等。例如，對幾個代表性的用戶進行了數(shù)據(jù)采集，多維數(shù)據(jù)如表1所示。

表1 用戶數(shù)據(jù)表

從氣象系統(tǒng)獲取歷年每月平均氣溫數(shù)據(jù)。在采集了上述數(shù)據(jù)后，加載竊電行為分析計算模型到Hadoop大數(shù)據(jù)分析引擎中。分析步驟為：

（1）計算每月平均氣溫偏離比，得到每月用電影響氣溫因子：

即計算出當前月份往前12個月的平均氣溫與上輪對應12個月份的平均氣溫偏離比。例如當前為6月，平均氣溫為25度，而對應偏離比為|（26.5-25）/26.5| = 0.0566。

（2）獲得用戶信用值

每個用戶都有自己的信用值，主要參考阿里提供的芝麻信用。芝麻信用是一個綜合的信用評估報告值，結合了各個的資產(chǎn)、貸款、信用卡、生活繳費等多個維度的信用情況，具有很好的參考意義。

（3）計算家庭人口變化系數(shù)

用戶家庭的水、氣的使用情況往往隨著人數(shù)變化而變化，根據(jù)抽樣，可近似為線性增長。

（4）計算預估用電值

預估用電值，主要反映用戶在氣溫變化、人口變化情況下，預計的本月用電量。是根據(jù)過去兩年對應月份用電量，及家庭人口變化系數(shù)和每月用電影響因子，計算出預估本月用電量。

（5）計算竊電嫌疑評估值

根據(jù)預估的用電量，對比當月用電量，結合用戶信用值，得到每個用戶嫌疑評估值。

通過上述驗證數(shù)據(jù)，可得出用戶的竊電行為評估值結果。

4 結論

本文通過設計基于實時多維數(shù)據(jù)的竊電行為分析平臺，將各類系統(tǒng)的數(shù)據(jù)進行數(shù)據(jù)集成，利用云計算大數(shù)據(jù)模型進行分析。構建竊電行為分析模型，將數(shù)據(jù)分析過程與結果提供給供電單位，讓他們能夠從中提取到自己關心的具有竊電嫌疑個體信息，開展針對性的稽查工作。利用大數(shù)據(jù)與云計算技術的優(yōu)勢整合現(xiàn)有的各類數(shù)據(jù)，建立云端的竊電行為分析系統(tǒng)，其有別于傳統(tǒng)的部署大量用電計量防竊終端的方式，也有別于拉網(wǎng)式的人工稽查方式，讓數(shù)據(jù)分析為工業(yè)生產(chǎn)服務。平臺不僅僅基于現(xiàn)有的用電數(shù)據(jù)，更是引入了多維度的信息，包括天氣變化對用電的影響、個人信用因素的影響、生產(chǎn)經(jīng)營數(shù)據(jù)的影響等，這些數(shù)據(jù)讓分析的結果更準確，更有實用價值。

[1]張素香，劉建明，趙丙鎮(zhèn)，等. 基于云計算的居民用電行為分析模型研究[J]. 電網(wǎng)技術，2013（6）.

[2]郝然, 艾芊, 肖斐. 基于多元大數(shù)據(jù)平臺的用電行為分析構架研究[J]. 電力自動化設備，2017（8）.

[3]徐磊, 楊秀, 張美霞. 基于數(shù)據(jù)挖掘的工業(yè)用戶用電行為分析[J]. 電測與儀表， 2017（16）.

[4]李端超, 王松. 基于大數(shù)據(jù)平臺的電網(wǎng)線損與竊電預警分析關鍵技術[J]. 電力系統(tǒng)保護與控制，2018（5）.