基于無監(jiān)督聚類的電力用戶智能用電異常檢測方法

付浩然

（廣東電網(wǎng)有限責(zé)任公司惠州供電局，廣東 惠州 516211）

0 引 言

竊電等現(xiàn)象在電力行業(yè)中屢禁不止，是比較常見的異常用電行為，在現(xiàn)實(shí)生活中電力用戶通過改變智能電表結(jié)構(gòu)、修改智能電表計(jì)量線路以及更換智能電表零部件等方式使智能電表無法正常計(jì)量實(shí)際用電量，以此達(dá)到竊電的目的，這種竊電方式不僅會減少電力企業(yè)收益，還會造成一定的安全隱患，私自修改電路或者改變電表結(jié)構(gòu)非常容易引發(fā)電力事故，并且降低智能電表和電路的使用壽命，會造成嚴(yán)重的經(jīng)濟(jì)損失。相關(guān)統(tǒng)計(jì)數(shù)據(jù)顯示，2020年全國范圍內(nèi)電力用戶竊電量達(dá)到15 643萬kW·h，造成的經(jīng)濟(jì)損失高達(dá)1.32億元人民幣，相比較2019年竊電量增加了近5%，雖然對竊電行為進(jìn)行了懲罰和警示，但是每年依然會發(fā)生大量的竊電事件。為了及時(shí)發(fā)現(xiàn)竊電、欺詐等異常用電行為，降低異常行為造成的經(jīng)濟(jì)損失，需要采取有效的手段對電力用戶智能用電異常進(jìn)行檢測。由于國內(nèi)電力用戶智能用電異常檢測起步比較晚，相關(guān)的技術(shù)還不夠成熟，現(xiàn)有的研究理論也比較少，雖然近幾年電力用戶智能用電異常檢測問題受到廣泛關(guān)注，開展了一系列研究，但是現(xiàn)有的檢測方法存在一定的局限性，在實(shí)際應(yīng)用中受數(shù)據(jù)量影響較大，當(dāng)對海量數(shù)據(jù)分析時(shí)經(jīng)常出現(xiàn)虛警現(xiàn)象，虛警率較高，為此提出基于無監(jiān)督聚類的電力用戶智能用電異常檢測方法。

1 電力用戶智能用電異常檢測方法

1.1 用電數(shù)據(jù)獲取及清洗

電力用戶智能用電數(shù)據(jù)是用電異常檢測分析的基礎(chǔ)，因此用電數(shù)據(jù)獲取是用電異常檢測的首要步驟。根據(jù)實(shí)際需求，此次以無線傳感器作為智能用電數(shù)據(jù)采集裝置，選擇型號為OIFY-4F4A的無線傳感器，將無線傳感器采用串聯(lián)的方式安裝在電力用戶智能電表總線上，根據(jù)實(shí)際情況對無線傳感器掃描周期、掃描頻率等技術(shù)參數(shù)進(jìn)行設(shè)定，利用讀卡器實(shí)時(shí)讀取無線傳感器掃描到的電力用戶智能用電數(shù)據(jù)，將其上傳到計(jì)算機(jī)上，以此實(shí)現(xiàn)對用電數(shù)據(jù)的獲取[1]。受到某種因素影響，獲取的用電數(shù)據(jù)可能存在缺失和異常問題，對時(shí)間序列中出現(xiàn)25%以上為負(fù)值的電力數(shù)據(jù)進(jìn)行刪除處理。這一部分?jǐn)?shù)據(jù)為異常數(shù)據(jù)，對于智能用電異常檢測沒有價(jià)值，因此對異常數(shù)據(jù)進(jìn)行刪除[2]。當(dāng)電力用戶智能電表檢修或者更換時(shí)，無線傳感器采集到的電力數(shù)據(jù)還有某時(shí)間段缺失，對于缺失量達(dá)到45%的電力數(shù)據(jù)進(jìn)行刪除，對于缺失量小于45%的電力數(shù)據(jù)采用均值填充法對數(shù)據(jù)進(jìn)行補(bǔ)齊處理。其用公式表示為

式中：d表示均值填充后的電力數(shù)據(jù)；ax表示缺失時(shí)間段前端與后端電表數(shù)值；mumday表示缺失段時(shí)間長度，利用上述公式將所有用電數(shù)據(jù)中缺失段進(jìn)行補(bǔ)齊處理，將補(bǔ)齊后的用電數(shù)據(jù)建立用電異常檢測數(shù)據(jù)文件，用于后續(xù)用電異常特征提取和無監(jiān)督聚類分析。

1.2 用電特征提取

正常情況下電力用戶智能用電數(shù)據(jù)在時(shí)間域上會呈現(xiàn)一定的特征，因此選取統(tǒng)計(jì)性特征、趨勢特征以及頻域特征坐標(biāo)用電特征指標(biāo)，通過對用電數(shù)據(jù)分析提取到該3個特征。統(tǒng)計(jì)性特征可以反映出時(shí)間序列上用戶總體用電狀況，其中包括用電均值、用電量極差等，計(jì)算公式為

式中：mean表示一段時(shí)間內(nèi)電力用戶平均用電量；xi表示電力用戶在一段時(shí)間內(nèi)第i天的用電量；n表示用電周期天數(shù)；range表示一段時(shí)間內(nèi)電力用戶用電量極差；xmax表示在一段時(shí)間內(nèi)電力用戶用電量最大值；xmin表示在一段時(shí)間內(nèi)電力用戶用電量最小值[3]。趨勢特征可以反映出電力用戶用電量時(shí)間序列的波動趨勢，其中包括用電量上升趨勢和下降趨勢，用公式表示為

式中：tra表示在一段時(shí)間內(nèi)電流用戶用電量上升趨勢；ki表示在一段時(shí)間內(nèi)電力用戶用電量的第i個點(diǎn)；u表示原始序列在平均序列之下時(shí)間段數(shù)量；trb表示在一段時(shí)間內(nèi)電流用戶用電量下降趨勢；mi表示當(dāng)前特征提取段的電力用戶用電量的第i個點(diǎn)；v表示原始序列在平均序列之上時(shí)間段數(shù)量[4]。頻域特征可以反映出電力用戶用電時(shí)間序列的波動變化狀態(tài)，其計(jì)算公式為

式中：F表示在一段時(shí)間內(nèi)電力用戶用電量幅值極差；Kmax表示電力負(fù)荷序列進(jìn)行傅里葉變換后的最大值；Kmin表示電力負(fù)荷序列進(jìn)行傅里葉變換后的最小值[5]。通過以上計(jì)算提取到電力用戶智能用電特征，為后續(xù)用電異常檢測提供基礎(chǔ)。

1.3 基于無監(jiān)督聚類的用電異常檢測

在上述基礎(chǔ)上，采用無監(jiān)督聚類技術(shù)對用電特征進(jìn)行聚類分析，檢測到用電異常狀態(tài)，考慮到提取到的用電特征值比較大，直接對其進(jìn)行無監(jiān)督聚類分析，會導(dǎo)致聚類難以收斂，因此無監(jiān)督聚類分析前對提取的特征值進(jìn)行歸一化處理，其用公式表示為

式中：A表示歸一化處理后的電力用戶智能用電特征值；u表示電力用戶智能用電特征編號。完成歸一化處理后，確定無監(jiān)督聚類簇，考慮到此次是對用電異常檢測，用電特征主要分為正常用電和異常用電兩大類，因此此次建立2個聚類中心，將聚類簇取值為2，2個聚類中心分別為正常用電聚類簇和異常用電聚類簇[6]。從電力用電智能用電數(shù)據(jù)庫中選取一分部正常用電數(shù)據(jù)，將其列入到正常用電聚類簇中，將待檢測數(shù)據(jù)列入到異常用電聚類簇中，根據(jù)歐式距離計(jì)算出2個聚類簇的相似性，其計(jì)算公式為

式中：p表示待測樣本到正常用電聚類簇歐式距離，即2個聚類簇相似性；j表示用電特征數(shù)量；Aij表示第i個待測樣本點(diǎn)的第j個用電特征值；Aij*表示正常用電聚類簇的第j個用電特征值[7]。利用上述公式計(jì)算出2個聚類簇相似性，在此設(shè)定一個閾值。如果式（6）計(jì)算結(jié)果大于閾值，則表示待測樣本點(diǎn)用電特征與正常用電行為非常相似，當(dāng)前電力用戶智能用電正常；如果式（6）計(jì)算結(jié)果小于閾值。則表示待測樣本點(diǎn)用電特征與正常用電行為存在較大區(qū)別，當(dāng)前電力用戶智能用電異常，以此檢測出電力用戶智能用電是否異常。

2 實(shí)驗(yàn)論證

為了驗(yàn)證本次提出的電力用戶智能用電異常檢測思路的可行性與可靠性，選擇某區(qū)域電力用戶為實(shí)驗(yàn)對象，采用設(shè)計(jì)方法與傳統(tǒng)方法，對該區(qū)域電力用戶智能用電異常進(jìn)行檢測。實(shí)驗(yàn)準(zhǔn)備了8臺無線傳感器，將其安裝在電力用戶智能電表總線上，根據(jù)該區(qū)域電力用戶智能用電實(shí)際情況，將無線傳感器的掃描周期設(shè)定為0.26 s，掃描頻率設(shè)定為1.25 Hz，對區(qū)域內(nèi)150個電力用戶智能用電數(shù)據(jù)獲取，共獲取了800 GB電力數(shù)據(jù)，按照上述流程對數(shù)據(jù)清洗、異常特征提取、無監(jiān)督聚類分析，檢測到電力用戶智能用電異常情況共1 246個。實(shí)驗(yàn)以電力樣本數(shù)據(jù)量為變量，每完成對100 GB樣本數(shù)據(jù)檢測分析，記錄檢測虛警率，將虛警率作為2種檢測方法精度評價(jià)指標(biāo)。虛警率表示檢測結(jié)果中虛假次數(shù)占總預(yù)警次數(shù)的比例，其計(jì)算公式為

式中：r表示電力用戶智能用電異常檢測虛警率；e表示檢測結(jié)果中虛假數(shù)量；s表示檢測結(jié)果中正確數(shù)量。利用上述公式計(jì)算2種方法虛警率，并使用電子表格對實(shí)驗(yàn)數(shù)據(jù)進(jìn)行記錄，具體數(shù)據(jù)如表1所示。

表1 2種方法虛警率對比

設(shè)計(jì)方法在電力用戶智能用電異常檢測中，虛警率較低，最高虛警率僅為0.24%，最小虛警率為0.03%，平均虛警率為0.11%，可以將虛警率控制在1%以內(nèi)，并且虛警率不受樣本數(shù)據(jù)量變化影響，在最大虛警率限值范圍內(nèi)。而傳統(tǒng)方法在電力用戶智能用電異常檢測中虛警率較高，隨著樣本數(shù)據(jù)量的增加，虛警率逐漸增大，最高虛警率可以達(dá)到24.59%，最小虛警率為16.95%，平均虛警率為21.46%，遠(yuǎn)遠(yuǎn)高于設(shè)計(jì)方法。在檢測精度方面，設(shè)計(jì)方法優(yōu)于傳統(tǒng)方法，檢測結(jié)果基本與實(shí)際情況一致，相比較傳統(tǒng)方法更適用于電力用戶智能用電異常檢測。

3 結(jié) 論

此次將無監(jiān)督聚類技術(shù)應(yīng)用到電力用戶智能用電異常檢測中，提出了一個新的用電異常檢測思路，實(shí)現(xiàn)了對傳統(tǒng)方法的創(chuàng)新和優(yōu)化，有效降低虛警率。此次研究豐富了電力用戶智能用電異常檢測理論，推廣無監(jiān)督聚類技術(shù)在電力用戶智能用電異常檢測中的廣泛應(yīng)用，提高電力用戶智能用電異常檢測精度，具有良好的現(xiàn)實(shí)意義。但是由于此次研究時(shí)間有限，在研究內(nèi)容方面存在一些不足之處，今后會對該課題展開深層次探究，為電力用戶智能用電異常檢測提供充足的理論支撐。