摘要：在电力企业防窃电形势日益严峻的情况下，需要在用电信息采集系统中引入防窃电技术，实现窃电行为的有效预测。基于此，本文对用电信息在防窃电上的应用价值展开了分析，然后提出了系统的防窃电技术方案，通过运用数据挖掘技术完成了防窃电预测模型的建立，促使防窃电工作效率得到提高。
关键词：用电信息采集系统；数据挖掘；防窃电技术
引言
在社会用电需求量不断增加的背景下，窃电问题也日渐突出，将造成电力企业承受较大损失。在防窃电技术应用上，如果能够实现用户窃电行为预测，能够有效预防窃电问题的发生。为此，需要加强用电信息采集系统中数据信息挖掘，以便加强用户行为分析，实现窃电行为的有效防控。
1用电信息在防窃电上的应用分析
在电力营销现代化建设中，用电信息采集系统得到了广泛应用，确保电力企业能够掌握用户用电信息需求。经过多年运营，电力企业积累了大量的用户用电数据，其中蕴含了丰富用户用电特征信息，能够用于实现异常用电检测，为防窃电工作的开展提供支持。在用户用电信息中，包含丰富消费信息，能够使用户用电行为得到反映。在正常的情况下，由于用户用电行为将遵循一定规律，所以用电信息将会保持稳定波动。一旦发生窃电行为，将造成数据稳定性遭到打破，引起电气量异常。因此通过对固定时段多种用电产量信息进行采集分析，并参考用户用电历史信息，能够完成异常用户识别和定位，为防窃电工作的开展提供依据。现阶段，窃电手法分为欠压窃电、欠流窃电等多种，都可以在用户用电量统计上得到反映。因此对用户用电信息进行分析，完成用户用电习惯和特征筛选，抓住窃电行为客观数据规律，能够为防窃电决策制定提供信息。
2用电信息采集系统中基于数据挖掘的防窃电技术
2.1防窃电方案
结合上述思路，在用电信息采集系统中进行防窃电技术的开发，需要实现用户多种用电信息的精确分析，以便掌握用户用电行为变化规律。考虑到系统用户规模较大，并且采集数据项较多，需要加强数据挖掘技术的运用，以便实现用户异常用电行为的高效检测分析，为窃电行为预测提供支持。从技术架构上来看，应包含三部分，如图1所示，输入部分负责进行用户电气数据采集，数据检测系统负责进行数据处理，包含预处理、用电特征提取、异常用电检测、用户特征数据输入、异常用电行为识别多个环节，输出部分可以完成疑似窃电用户的判断，并通过综合验证分析完成防窃电处理[1]。数据处理环节为核心部分，需要通过预处理将信息不全、属性不一等可能影响后续检测的数据消除。对用户用电行为特征进行提取，还要完成异常检测模型的构建，能够结合用户特征数据实现窃电行为的预测分析。在防窃电处理上，还要辅助人员进行分析和验证，通过异常用电稽查保证防窃电工作得以有效开展。
.png)
图 1 基于用电信息数据挖掘的防窃电技术架构
2.2数据挖掘分析
实际用电信息采集系统不仅能够实现各采集点电气参量信息实时获取，还存储用户历史用电信息数据，能够为窃电行为分析奠定扎实基础。按照数据时间属性，可以划分成当前数据、历史数据、事件数据，按照物理属性可以划分为工况数据、电能数据、电能质量越限数据等。利用当前数据，可以掌握用户实时用电信息。根据历史数据，可以对用户用电行为变化展开分析。根据事件数据，能够完成异常用电信息记录，如电压回路异常、总电能量异常等。在数据比较时，需要对同一计量点数据进行分析，确定数值差距和发展趋势。如果发现参数异常，需要完成其他参数检测分析，利用预测模型完成综合分析判断。采用基于距离的离群点算法，可以利用距离完成数据相似度描述，在距离越大时说明相似度越小。针对用户电量展开分析，可以采用一维欧式距离，对样本间相似度关系进行描述。对离群点目标进行定义后，可以进行算法挖掘[2]。具体来讲，就是通过计算电量波动率确定群体质心，然后对各样本与质心的相似度进行对比，完成离群点筛选。按照数据清洗规则，需要对与终端电表采集总正向有功数据进行清洗，将用户编码等信息缺失的无效数据删除。在计算时，假设avg2为基于电量波动率的样本质心，dx＞km×avg1为去除等无效样本的平均值，avg1为原始样本平均值。在计算得到的相似度超过0.2时，可以判断为离群点。
2.3防窃电模型
在防窃电模型建立上，需要完成用电异常检测模型的建立，然后通过对功率因素异常、线损异常、交流电压异常等数据进行综合分析得到疑似窃电行为预测模型。采用模型对用户线损数据和电量数据进行分析时，可以城市电网为例。在线损异常检测上，月线损异常在超出5%时，需要完成线损电量阈值分析，并对线损率越界次数进行累计。在电量差值异常判断上，还应对前后两段电量比例关系展开分析，在比例波动率超出50%时完成越界次数的统计。对负控终端和电能表计量的电量值进行计算，电量差异相对值如果超出阈值，需要完成线损率越界次数的累计。综合统计，可以得到输出线损与电量越界次数。对电压异常行为进行检测分析，需要完成各相电压是否存在线损或电量差值越界记录完成越界次数统计。针对功率因素，可以对功率因素＞0或＜0.6情况进行统计，确定因数偏离历史数据程度后，完成越界次数累计。针对电流异常数据进行检测，需要划分为电流不平衡和失流异常两种，完成相应状态模型构建，根据预设值完成越界分析与判断，最终实现越界次数的统计。在疑似窃电行为预测上，需要对各种越界次数进行统计，设定A、B、C三个等级的限值，完成窃电行为等级判断，如图2。在连续一天监测中，对各种异常越界行为赋予不同权重，然后完成窃电系数的计算，可以确定用户行为疑似窃电的程度，继而为防窃电工作的开展提供依据。
.png)
图 2 疑似窃电行为预测分析
2.4防窃电流程
按照防窃电流程，用电信息系统需要通过各种计量设备和保护回路完成用户负荷数据、用电量数据等信息的采集，经过终端处理后传递至主站，完成实时分析和异常判断。在交流采样装置中，包含电流互感器，能够实现电压电流数据高速采集，并转换为低压交流信息，完成采样结果计算，确定用户用电有功功率和无功功率等数值，对用户用电异常行为进行监测和定位。而在实际应用中，不能仅凭一天或两天异常确定用户窃电，因为用户用电可能受到各种复杂因素影响。因此在系统设定上，需要完成连续三天异常的设置，促使系统发出窃电报警。在完成疑似窃电行为判断后，系统会与历史数据进行比较，在用户负荷基本不变且用电量差异较大时，确认用户存在窃电行为[3]。根据不同的判据，可以完成用户窃电行为发生时间和种类的识别，并且对用户进行定位，因此能够高效的开展防窃电工作，使窃电行为得到严厉打击，继而为电力系统的稳定运行提供保障。
结论：
综上所述，开展防窃电工作，需要加强窃电行为预测分析。运用数据挖掘技术对用电信息系统数据展开分析，能够结合用户用电行为分析结果实现窃电行为的预测，掌握窃电事件发生规律，缩短用电异常情况的发现和处理时间，因此可以使防窃电工作效率得到提高，继而为电力企业稳定发展提供保障。
参考文献：
[1]李宁，王伟峰，蔡慧，等.基于电量离群点挖掘的窃电辨识方法研究[J].中国计量大学学报，2018，29（03）：331-337.
[2]张耀，赵猛，张琛馨，等.防窃电预警分析应用实施[J].电子测试，2018（12）：108-109.
[3]梁见星，于雷，盖佳麒.电能计量装置防窃电综述[J].电子世界，2018（11）：65-66.
论文作者:王长征
论文发表刊物:《电力设备》2019年第19期
论文发表时间:2020/1/15
标签：窃电论文; 用户论文; 数据论文; 异常论文; 信息论文; 电量论文; 技术论文; 《电力设备》2019年第19期论文;