摘要：社会的进一步发展，促使现阶段我国电力事业发展速度不断加快，此种背景下，如何方式窃电行为，成为稳定电力系统的关键所在。基于此，本文立足于用电采集系统角度，分析了常见的窃电手段以及原理，研究了数据挖掘技术在防窃电过程中的应用，希望以下内容的论述可以推动我国电力事业稳步发展。
关键词：用电信息采集系统；数据挖掘；窃电；离群检测
引言：近几年，随着我国经济水平的不断提升，电网建设范围不断扩大，电力用户的增加促使用电信息采集系统压力增大。虽然在当下电网建设中，融合应用了大量的尖端科技，但是窃电问题仍然存在，造成了电力损耗，并且降低了电网线路使用寿命。因此，对用电信息采集系统中基于数据挖掘的防窃电技术分析有着鲜明现实意义。
1窃电分析
1.1窃电常用手段
从各个窃电案例的调查结果中可以发现，造成窃电问题频频发生的根本原因是电力用户用电意识较差。很多电力用户认为窃电行为并不会触碰法律，仅仅是道德问题，所以为了获得更加巨大的经济效益往往铤而走险，加之现阶段我国电力系统对于窃电行为的检测仍然没有针对性方案，技术手段较为落后，很多窃电行为排查都需要依靠电力工作人员走访，所以窃电问题很难根治。
就电力运行角度而言，电能的传输效率较高，并且无法完成存储，所以电力用户的窃电行为其实并非是对电能的搬运或转移，而是通过特殊手法该对带能表相关设备进行改动，让设备最终的计数产生偏差，这样就可以达到少交，甚至是不交电费的目的。
常见的窃电手段可以分为以下几种：
①电压窃电。此种窃电方法主要是对相关设备的回路电压进行改动，让其低于电力应用实际电压，从而达到窃电的目的。例如可以使回路开路，或者直接回路接触不良等。
②电流窃电。此种方法与电压窃电法较为相似，主要改动的是设备回路电流，以此达到窃电目的。例如，可以使电流回路开路，或者直接对原有电路连接方法进行改变等。
③移相法。所谓的移相法其实就是更改电压与电流原有相位，其目的在于降低系统计量功率，从而达到窃电目的。例如，可以改变电流、压回路的接线方法，或者直接应用外接电流改变电能表正常读数等。
④扩差法。此种窃电方法主要是对相关设备内部构造进行破坏，从而达到影响电能表正常读数的目的。例如，可以通过拆卸电能表从而改变带能表内部的构造，或者直接改变设备内部互感器的状态等。
⑤表前分流。采用非法接线方法，让电流直接流入到用电设备，不经过电能表，这就可以降低电能表读数。但是此种方法的应用容易被巡检人员发现，所以应用频率逐渐减少。
1.2窃电原理分析
从上述各类窃电手段分析中可以发现，所有窃电手段的应用其实都是围绕电能表开展，而从计量角度分析，窃电其实就是改变实际电气参数。电能计量其实会受到用电时间以及用电功率的影响，决定用电功率的因素有计量电压、电流以及相位，想要达到窃电目标，只要改变上述三个影响因素中的一个即可。
2用电信息采集系统中基于数据挖掘的防窃电技术研究
2.1数据挖掘在防窃电领域的应用
近几年，在经济与科技的共同影响之下，电力系统信息化建设速度不断加快，各类智能技术被广泛的应用到电网建设当中，用电信息采集系统就是各种电网与信息技术融合的产物，就实际应用情况而言，可以准确、高效的采集用电信息，极大程度上提升了电力工作质量与效率。
期刊文章分类查询,尽在期刊图书馆
之所以从用电信息采集系统的角度进行窃电问题研究，一方面是因为现阶段的用电信息采集系统有良好的技术基础，无论是软件还是硬件都可以达到改造需求；另一方面，毕竟我国电力窃电用户人数较少，在窃电过程中势必会产生电力波动，通过对采集的数据信息进行分析，可以及时发现窃电行为。
2.2基于数据挖掘的窃电用户检测
数据挖掘下的窃电检测需要立足于用电采集系统，考虑多方面因素，通过建立检测模型达到检测目的。针对窃电基本手段、用电信息采集系统特点，本文将数据挖掘的窃电检测模型分为三个层次：第一层为数据输入层，第二层为检测系统层，第三层是信息输出层。具体的检测流程可以总结为以下内容：首先，用电采集系统对各个电力用户用电信息进行采集与存储[1]。其次，在检测系统中首先进行数据筛选与预处理，之后对相关的电力用户用电特征进行归纳与分类，然后将用户用电特征导入到异常用户检测模型当中进行用电行为分析。最后，输出用点行为分析结果，确定窃电用户。
需要注意，用电信息采集系统的数据挖掘技术应用，虽然可以在一定程度上可以提升窃电处理效率与质量，但是并不代表技术的应用可以直接取代稽查人员作用，日常工作中，稽查人员仍然需要发挥检查作用，在技术应用缩小排查范围的前提下提升工作质量与效率。
2.2.1离群点检测
数据挖掘技术中的离群点检测是较为常见的一种检测方法，通常情况下也会被称之为异常检测，应用过程中主要是对与主群行为特征不相符的对象进行分析，而这一对象就是离群点。从数据形成与分析角度而言，一个数据的排布一般都是呈高斯状进行，这就表明，在限定区域周围存在与主体不相符的点，这些点中很有可能产生不同对象，之后对这些不相符的点进行检测即可。
就目前应用情况而言，离群点检测还可以分为分布式检测、深度检测以及偏移检测等方法，不同方法应用特点存在一定差异性，例如分布式检测方法是通过假设建立模型，不服从假设的部分就会被认定为是离群点。
离群点检测方法在窃电检测中的应用需要从多个角度进行综合分析，因为电力系统本身具有明显的复杂性，并且用户数量较大，加之电力用户用电存在差异性，所以选择的离群点检测方法需要适应以上检测环境。建议采用距离全局检测方法，而分布情况的描述，则采用分布模型进行处理，这主要是因为电力用户本身的电压电流等电气量受供电线路或负荷状况影响，检测参数在不同情况下可能会发生一定程度的波动。基于密度的检测方法则从局部角度入手挖掘离群点，相比从全局角度出发的，如基于距离的离群检测算法，在处理密度分布不均衡的数据集合时，效果更加显著[2]。综合考虑，基于密度的检测算法能够更好地适应内部结构复杂的电气数据集，故本文建议选择基于密度的离群检测方法应用于窃电筛查之中。
2.2.2 SVM理论
SVM理论是一种从统计学理论基础上形成的一种机器化学习方法。相比于传统方法而言，SVM理论不仅可以考虑到经验风险，而且可以考虑到结构风险，基本上可以适应多种决策分类。
从实际应用角度而言，SVM理论存在的主要意义在于解决电力数据挖掘中的二分类问题，在数据分类理论的帮助下，会建立一个最为优化的分类界面，促使界面两侧样本之间的距离相等，或者最大化，这样就可以让向量机拥有最优性能，进而判断窃电信息。一般而言，SVM求解的问题大多为凸优化问题，所以实际检测中，不仅会表现出明显的泛华性能，而且可以满足小样本等多种检测的需求。
结论：综上所述，窃电行为势必会造成用电波动，造成终端电力不稳定，相比于传统方法而言，从用电采集系统角度进行窃电行为分析具有一定的针对性，并且数据挖掘技术也为电力采集数据的分析提供了必要条件，总的来说，用电采集系统的数据挖掘技术应用可以很好的降低窃电问题发生概率，但是也需要相关电力人员加强巡检。
参考文献：
[1]强浩,戴巧云,吴柯,杜健,殷新博,陈琛.基于大数据的变结构BP神经网络反窃电技术研究[J].江苏理工学院学报,2019,25(02):10-14.
[2]丁力.用电信息采集系统中基于数据挖掘的防窃电技术研究[D].重庆邮电大学,2017.
论文作者:罗武
论文发表刊物:《基层建设》2019年第22期
论文发表时间:2019/11/11
标签：窃电论文; 电力论文; 数据挖掘论文; 采集系统论文; 目的论文; 信息论文; 用户论文; 《基层建设》2019年第22期论文;