基于營銷大數(shù)據(jù)的竊電識(shí)別綜述

邵茹冰

（國網(wǎng)上海松江供電公司，上海 201699）

一些不法分子為了自身利益采取各種不法手段盜竊電能，對(duì)電力經(jīng)濟(jì)的發(fā)展和正常的供用電秩序造成了惡劣影響。此外，部分竊電手段不僅對(duì)電網(wǎng)的穩(wěn)定運(yùn)行帶來隱患，甚至可能嚴(yán)重危害人身安全，需要及時(shí)查明并采取手段制止竊電行為的發(fā)生。及時(shí)發(fā)現(xiàn)并查處竊電行為不僅能夠使供電企業(yè)收回經(jīng)濟(jì)上的損失，還能夠幫助維護(hù)整個(gè)市場公平有序的競爭環(huán)境，營造風(fēng)清氣正的和諧社會(huì)氛圍。

1 竊電常用手段

竊電常用手段主要有私自改接計(jì)量裝置和繞越表計(jì)用電兩種，其目的都是通過減少電能計(jì)量裝置所計(jì)量的電量來減少實(shí)際收取的電費(fèi)，實(shí)際上，竊電不僅違反道德要求，更是違反法律的行為。

1.1 私自改接計(jì)量裝置竊電

1.電壓改接。電壓改接竊電是指通過手段對(duì)電能表電壓線、接線盒、計(jì)量熔絲、計(jì)量電壓互感器等計(jì)量裝置進(jìn)行改接，使表計(jì)中計(jì)量到的電壓幅值小于實(shí)際用戶受電設(shè)備接入的電壓。一般表現(xiàn)為：將接入表計(jì)的電壓線路間歇性斷開或完全開路；電壓計(jì)量回路串聯(lián)電阻分壓；安裝遠(yuǎn)程操控裝置操控電壓回路；故意損壞計(jì)量熔絲或計(jì)量電壓互感器導(dǎo)致電壓降低或無法測量等。通過計(jì)量電壓幅值的減小，來減少計(jì)量到的功率，從而減少計(jì)量用電量的目的。

2.電流改接。電流改接竊電是指通過手段對(duì)電能表進(jìn)出電流線、接線盒、計(jì)量電流互感器等計(jì)量裝置進(jìn)行改接，使表計(jì)中計(jì)量到的電流幅值小于實(shí)際用戶負(fù)荷產(chǎn)生的電流。一般表現(xiàn)為：斷開上述計(jì)量裝置某處的電流回路；短接上述計(jì)量裝置某處的電流回路；故意損壞計(jì)量電流互感器或使其失效等。通過計(jì)量電流幅值的減小，來減少電能表功率和總用電量。

3.相序改接。相序改接竊電是指通過手段改變計(jì)量裝置電壓或電流的相位關(guān)系使計(jì)量的瞬時(shí)功率小于實(shí)際負(fù)荷。一般表現(xiàn)為：改變計(jì)量裝置中電壓或電流的接線相位；利用外部感性或容性電子元器件進(jìn)行相位轉(zhuǎn)移。

4.表計(jì)內(nèi)部改接。電能表內(nèi)部改接竊電是指對(duì)電能表內(nèi)部邏輯元器件的正常運(yùn)行進(jìn)行破壞，使電能表本身的計(jì)量功能受到影響，增大計(jì)量誤差甚至計(jì)量失靈。一般表現(xiàn)為：直接開蓋破壞標(biāo)記內(nèi)部元器件；外加強(qiáng)磁場等環(huán)境影響準(zhǔn)確計(jì)量；更改表計(jì)時(shí)鐘等。表計(jì)內(nèi)部的改接在日常工作中難以通過直接檢查發(fā)現(xiàn)，需要提前進(jìn)行數(shù)據(jù)分析，并現(xiàn)場借助掌機(jī)等專用設(shè)備查詢電表開蓋記錄后，再進(jìn)行開蓋檢查。

1.2 繞越表計(jì)竊電

繞越表計(jì)竊電是將用戶負(fù)荷直接繞過電能表等計(jì)量裝置接入公共電網(wǎng)中的行為，此方法簡單易操作，且裝拆快速，故仍然有較多用戶尤其是鄉(xiāng)村居民在繼續(xù)私自采用。但相比于計(jì)量裝置上的竊電，竊電現(xiàn)場更加直觀，易于發(fā)現(xiàn)也便于竊電的取證，是反竊電工作中查獲數(shù)量最多的竊電手段。

2 竊電分析的數(shù)據(jù)來源

隨著電子和通信行業(yè)技術(shù)的飛速發(fā)展，各種智能采集終端在電網(wǎng)管理和控制中被大規(guī)模地采用，此舉不僅提升了營銷系統(tǒng)的自動(dòng)化程度，提升了電力公司的工作效率，同時(shí)也為異常用電的檢測提供了更加廣闊的實(shí)現(xiàn)平臺(tái)，激發(fā)了人們圍繞這些智能設(shè)施對(duì)防竊電進(jìn)行更加深入的研究[1]。目前常用的用戶數(shù)據(jù)主要來源于用戶的電能信息采集系統(tǒng)，可以實(shí)時(shí)監(jiān)測并上傳用戶的用電電壓和電流等關(guān)鍵數(shù)據(jù)，高壓接入的電力用戶還可以采集到功率因數(shù)、電壓電流相序等其他用電信息。營銷業(yè)務(wù)系統(tǒng)中的用戶相關(guān)數(shù)據(jù)也為竊電用戶的整體行為分析提供了多維度計(jì)算的基礎(chǔ)。隨著用電信息采集裝置功能的擴(kuò)展，以及配電網(wǎng)內(nèi)監(jiān)測設(shè)備的大量配置，可以為竊電分析提供越來越多的數(shù)據(jù)源，且隨著時(shí)間推移逐漸形成體量龐大的海量數(shù)據(jù)庫。

3 竊電識(shí)別技術(shù)

目前竊電的主要識(shí)別技術(shù)有直接利用歷史竊電信息數(shù)據(jù)特征關(guān)聯(lián)[2-3]和根據(jù)大數(shù)據(jù)算法構(gòu)建數(shù)據(jù)模型分析計(jì)算[4-5]兩大類。直接利用歷史竊電信息數(shù)據(jù)特征關(guān)聯(lián)的技術(shù)手段包括：依據(jù)用電信息采集數(shù)據(jù)進(jìn)行竊電事件關(guān)聯(lián)；基于智能電表數(shù)據(jù)的灰色關(guān)聯(lián)分析；營銷業(yè)務(wù)系統(tǒng)竊電數(shù)據(jù)特征提取等。而基于高維隨機(jī)矩陣、模糊聚類算法等大數(shù)據(jù)算法的竊電識(shí)別定位，因其快速準(zhǔn)確的計(jì)算能力而更符合智能電網(wǎng)的發(fā)展要求。

3.1 基于高維隨機(jī)矩陣的竊電識(shí)別

1.隨機(jī)矩陣算法簡介。隨機(jī)矩陣是指隨機(jī)變量組成的矩陣，高維隨機(jī)矩陣定義為維數(shù)趨于無窮大的隨機(jī)矩陣，是對(duì)復(fù)雜系統(tǒng)進(jìn)行有效分析的計(jì)算工具。采用隨機(jī)矩陣算法對(duì)用戶用電數(shù)據(jù)進(jìn)行分析，將采集的用電歷史數(shù)據(jù)以及當(dāng)前采集數(shù)據(jù)、用戶基礎(chǔ)信息等海量數(shù)據(jù)信息進(jìn)行收集整理，構(gòu)建成為竊電分析的基礎(chǔ)數(shù)據(jù)庫，可以直接運(yùn)用數(shù)據(jù)庫進(jìn)行處理和分析計(jì)算，避免了電網(wǎng)結(jié)構(gòu)、運(yùn)行情況等具體物理模型的復(fù)雜因素干擾，減小計(jì)算難度并且加快計(jì)算速度。隨著電力系統(tǒng)智能化和數(shù)字化的發(fā)展，用戶用電信息采集系統(tǒng)可以產(chǎn)生海量、多態(tài)的數(shù)據(jù)，符合大數(shù)據(jù)分布特征，從而構(gòu)建隨機(jī)矩陣進(jìn)行進(jìn)一步的分析統(tǒng)計(jì)。

高維隨機(jī)矩陣的分布是指矩陣維數(shù)趨于無窮時(shí)，其特征值的概率密度分布。目前應(yīng)用較為廣泛的高位隨機(jī)矩陣分布定理包括M-P 律、半圓律和單環(huán)定律。其中，M-P 律描述了隨機(jī)矩陣的奇異值的漸近收斂特性；半圓率針對(duì)n×n 的Hermitian 矩陣進(jìn)的經(jīng)驗(yàn)譜分布進(jìn)行描述；單環(huán)定律則用于N 個(gè)非Hermitian 矩陣的分析處理。雖然高維隨機(jī)矩陣的頻譜密度是指維度趨近于無窮大的情況，但在實(shí)際應(yīng)用中，根據(jù)現(xiàn)有計(jì)算經(jīng)驗(yàn)和結(jié)果，矩陣維度為102 數(shù)量級(jí)時(shí)，已經(jīng)可以出現(xiàn)較好的收斂結(jié)果，為該理論在實(shí)際數(shù)據(jù)處理應(yīng)用提供了實(shí)際操作的可行性。

對(duì)于N 個(gè)獨(dú)立非Hermitian 矩陣進(jìn)行相乘并在歸一化后計(jì)算其經(jīng)驗(yàn)譜密度：當(dāng)非Hermitian 矩陣的維度無窮大時(shí)，特征值復(fù)平面上體現(xiàn)為圓環(huán)，外圓的半徑為1，內(nèi)圓的半徑隨著隨機(jī)矩陣的行數(shù)和列數(shù)變化。將配電網(wǎng)數(shù)據(jù)采集系統(tǒng)收集到的節(jié)點(diǎn)電壓、電流及功率等電網(wǎng)運(yùn)行數(shù)據(jù)，按照時(shí)間序列進(jìn)行儲(chǔ)存，生成隨機(jī)矩陣。由于竊電分析涉及的節(jié)點(diǎn)及支路相關(guān)的數(shù)據(jù)量龐大，故直接作為高維隨機(jī)矩陣進(jìn)行分析處理。將待測數(shù)據(jù)輸入算法計(jì)算后，若新的隨機(jī)矩陣特征值譜半徑平均值處于圓環(huán)的環(huán)形區(qū)域，則待測數(shù)據(jù)正常，若新的隨機(jī)矩陣特征值譜半徑平均值處于內(nèi)圓的內(nèi)側(cè)，則待測數(shù)據(jù)異常，存在竊電風(fēng)險(xiǎn)，需要結(jié)合現(xiàn)場用電情況進(jìn)行進(jìn)一步排查?？梢酝茢?，當(dāng)系統(tǒng)正常運(yùn)行時(shí)，隨機(jī)矩陣的特征值基本處于外圓和內(nèi)圓之間。若該部分電網(wǎng)數(shù)據(jù)中包含竊電數(shù)據(jù)，特征值將向內(nèi)環(huán)內(nèi)部集中。

2.算法特點(diǎn)。由于在龐大的電力用戶運(yùn)行數(shù)據(jù)中，竊電用戶的實(shí)際數(shù)量極少，故數(shù)據(jù)源中存在大量冗余數(shù)據(jù)，高維隨機(jī)矩陣算法可以將這些冗余數(shù)據(jù)在矩陣特征值計(jì)算過程中予以篩選，在復(fù)平面上只保留具有代表性特征的數(shù)據(jù)，既保留了全體數(shù)據(jù)的整體趨勢，也便于對(duì)計(jì)算結(jié)果進(jìn)行直觀的分析和統(tǒng)計(jì)，對(duì)存在竊電情況的配電線路及時(shí)進(jìn)行進(jìn)一步排查處理。但由于實(shí)際異常數(shù)據(jù)點(diǎn)在計(jì)算過程中發(fā)生融合，難以直接判斷竊電發(fā)生的具體位置，適合進(jìn)行初步感知判斷，為現(xiàn)場竊電的查處提供整體方向指導(dǎo)。

3.數(shù)據(jù)和處理。數(shù)據(jù)及其處理包括特征選擇和關(guān)聯(lián)隨機(jī)矩陣的構(gòu)建。特征選擇的優(yōu)點(diǎn)是在確保選擇監(jiān)測措施的時(shí)效性的基礎(chǔ)上，確保及時(shí)可靠地識(shí)別不同類型的竊電，并準(zhǔn)確地監(jiān)測智能網(wǎng)絡(luò)的狀況。聯(lián)結(jié)矩陣網(wǎng)絡(luò)用于確定節(jié)點(diǎn)與網(wǎng)絡(luò)內(nèi)區(qū)域之間的相對(duì)關(guān)系。

（1）合并數(shù)據(jù)：所有電氣特性都必須在一定程度上融合到空間中，以便在一段時(shí)間內(nèi)將這些電子特性結(jié)合在一起，檢測工作狀態(tài)，并形成一個(gè)狀態(tài)監(jiān)測矩陣。在擴(kuò)大高空間和時(shí)間維結(jié)構(gòu)的過程中，數(shù)據(jù)監(jiān)測矩陣的狀況。

（2）數(shù)據(jù)分析和可視化：采用滑動(dòng)窗口法對(duì)高維時(shí)空狀態(tài)監(jiān)測矩陣進(jìn)行處理，因此，每個(gè)電氣量之間的相對(duì)關(guān)系幾乎沒有改變，空間維度低的數(shù)據(jù)也統(tǒng)一呈現(xiàn)出高維數(shù)據(jù)狀態(tài)。利用隨機(jī)矩陣?yán)碚搶?duì)化簡后的時(shí)空狀態(tài)監(jiān)測矩陣進(jìn)行分析檢測，實(shí)現(xiàn)對(duì)電網(wǎng)運(yùn)行狀態(tài)的實(shí)時(shí)判別。

3.2 基于模糊神經(jīng)算法的竊電識(shí)別

3.2.1 模糊聚類算法簡介

模糊聚類算法通過對(duì)輸入數(shù)據(jù)進(jìn)行初始類別劃分，并不斷迭代更新樣本聚類中心點(diǎn)的方式計(jì)算最適宜的分類及對(duì)應(yīng)的樣本分布。聚類算法通常作為數(shù)據(jù)提取常用的算法，可以用于處理原始數(shù)據(jù)作為其他算法的初始數(shù)據(jù)處理工具，也能單獨(dú)用作數(shù)據(jù)分析算法。數(shù)據(jù)集通過特定學(xué)習(xí)方式將給定的數(shù)據(jù)集分成幾個(gè)類簇，其結(jié)果是，同一組中的數(shù)據(jù)盡可能相似，不同組數(shù)據(jù)之間的差異是明顯的，從而實(shí)現(xiàn)了數(shù)據(jù)分類的目的。

基于劃分的聚類算法：給定一個(gè)數(shù)據(jù)集和要?jiǎng)澐值念悇e數(shù)，數(shù)據(jù)集中的所有數(shù)據(jù)首先進(jìn)行分類，然后根據(jù)每組數(shù)據(jù)迭代更新其數(shù)據(jù)中心，將數(shù)據(jù)根據(jù)新的中心重新分類到其所屬類別，以便在達(dá)到具體條件時(shí)提高分類的質(zhì)量。代表算法有k-means 和fuzzy C-means。劃分聚類使用簡單高效，并且時(shí)間和空間復(fù)雜度都較低。然而，當(dāng)數(shù)據(jù)量較大時(shí)，容易發(fā)生局部結(jié)果最優(yōu)而停止繼續(xù)迭代優(yōu)化的情況，需要根據(jù)實(shí)際數(shù)據(jù)情況，預(yù)先確定合理的聚類中心，避免局部最優(yōu)。

模糊聚類算法是數(shù)據(jù)挖掘模型中的常用算法，在常用的模糊聚類算法中，k 均值聚類（k-means）算法與模糊c 均值法的使用范圍最廣，這兩種算法通過對(duì)比不同分類數(shù)據(jù)的相似程度，將不同分組的數(shù)據(jù)中心進(jìn)行迭代明確，達(dá)到數(shù)據(jù)分析需要的結(jié)果。目前，大多數(shù)聚類算法是根據(jù)數(shù)據(jù)之間的差異來進(jìn)行迭代和分類的。然而，可通過考慮數(shù)據(jù)變量的相關(guān)屬性進(jìn)行研究，以獲得更多信息。與此同時(shí)，可構(gòu)造被指定對(duì)象與其屬性變量到同質(zhì)塊最優(yōu)劃分的聚類算法，這種聚類算法被稱為塊聚類。

根據(jù)聚類算法，構(gòu)建IF-THEN 規(guī)則，并根據(jù)歷史竊電數(shù)據(jù)進(jìn)行建模，將歷史數(shù)據(jù)進(jìn)行初步分類并確定每一類數(shù)據(jù)的聚類中心。

依據(jù)模糊C 均值聚類方法，求取待測點(diǎn)與聚類中心的距離平方數(shù)，即該類別內(nèi)各樣本點(diǎn)與對(duì)應(yīng)中心的偏離程度，再將此類樣本的全部距離平方和進(jìn)行迭代計(jì)算。

將待測數(shù)據(jù)代入歷史聚類結(jié)果進(jìn)行計(jì)算，能夠得出它到每個(gè)聚類中心的距離，根據(jù)歷史聚類的正?；蚋`電概率來估計(jì)該待測數(shù)據(jù)對(duì)應(yīng)的竊電概率分布。也可以將此數(shù)據(jù)納入原始數(shù)據(jù)庫，對(duì)隸屬度矩陣和聚類中心進(jìn)行更新，便于后續(xù)使用。

3.2.2 算法特點(diǎn)

模糊聚類算法的計(jì)算結(jié)果提供待測數(shù)據(jù)竊電的概率并初步篩選出疑似竊電行為的電力用戶供進(jìn)一步排查。優(yōu)點(diǎn)在于可以直接篩選出竊電可能發(fā)生的具體樣本點(diǎn)，但與此同時(shí)，若要實(shí)現(xiàn)對(duì)大量用戶的同時(shí)計(jì)算，在計(jì)算速度和結(jié)果的輸出判別上存在一定的困難，且需要預(yù)先給定聚類數(shù)目和初始中心，對(duì)噪聲和離群值比較敏感。

4 竊電識(shí)別技術(shù)的應(yīng)用

采用基于大數(shù)據(jù)算法的竊電識(shí)別技術(shù)可以對(duì)電力用戶用電大數(shù)據(jù)進(jìn)行初步分析排查，基本確定竊電范圍后再進(jìn)行進(jìn)一步人工排查分析。某供電公司利用數(shù)據(jù)分析結(jié)果，結(jié)合公司營銷部日常用戶管理工作及反竊電大行動(dòng)等活動(dòng)集中進(jìn)行排摸處理。據(jù)統(tǒng)計(jì)，僅2023 年1 月1 日至3 月8 日期間，該公司共查處竊電、違約用電等影響線損的案件99 件，完成追補(bǔ)電量41.6萬千瓦時(shí)，追補(bǔ)電費(fèi)和違約使用電費(fèi)共計(jì)91.39 萬元，大大提升了竊電查處效率。由于鄉(xiāng)村竊電數(shù)量占比大，地理分布廣，采用大數(shù)據(jù)手段大大減少了工作人員的排查工作量。當(dāng)前，全面推進(jìn)鄉(xiāng)村振興戰(zhàn)略，為鄉(xiāng)村振興提供堅(jiān)強(qiáng)的能源保障是各供電公司的重要任務(wù)之一。加大竊電查處力度、減少線路損耗，保障鄉(xiāng)村能源的安全、合理使用，確保計(jì)量的準(zhǔn)確性是重要一環(huán)。結(jié)合竊電高損臺(tái)區(qū)治理工作，融入大數(shù)據(jù)識(shí)別技術(shù)，對(duì)于科學(xué)有序推進(jìn)理論線損、采集設(shè)備改造、高損負(fù)損治理等達(dá)標(biāo)率提供了高效途徑。

5 結(jié)語

隨著經(jīng)濟(jì)社會(huì)的發(fā)展和國民素質(zhì)的不斷提升，以及對(duì)應(yīng)竊電查處力度的加大，竊電本身發(fā)生的數(shù)量已經(jīng)在逐漸減少。竊電的大數(shù)據(jù)分析在快速識(shí)別和精準(zhǔn)定位方面為實(shí)際用電檢查工作提供了有效的技術(shù)手段，大大減輕了竊電用戶篩選方面的工作量，提升了工作效率，為配電網(wǎng)智能化發(fā)展的經(jīng)濟(jì)和技術(shù)方面都提供了有力支撐。