摘要：本文阐述了电能计量自动化系统简介，分析了电能计量自动化系统功能，总结了用电检查工作中电能计量自动化系统的应用，旨在发挥电能计量自动化系统的作用，促进用电检查工作的高效开展，提升供电企业的效益。
关键词:计量自动化；用户窃电；发现分析
计量自动化系统是指对电厂、变电站、公变、专变、低压用户等发电侧、供电侧、配电侧和售电侧电能量等数据实现采集、监测与统计分析功能的系统，由计量自动化系统主站、通信通道、计量自动化终端组成，包括厂站电能量计量遥测、负荷管理、配变监测、低压集抄等模块。通过计量自动化系统数据进行监测，可以为基层人员进行故障排查定位，异常用电监控提供强有力的辅助工作。
1电能计量自动化系统简介
电能计量自动化系统包括计量表、通信网络、计算机系统和客户端4个部分，其在用电检查领域具有重要的应用意义，能够提供高效的技术手段。此外在日常用电管理中为供电公司收集有效用电数据，保障企业管理决策的科学性。特别是面对用电突发情况时，能够进行及时分析和解决，确保用户的用电安全和稳定。同时对用户用电实际负荷情况实施分析和处理，必要时能对客户进行跟踪和监管，促进用电检查工作稳定开展，降低工作中的失误，实现供电公司工作效率的提升。
2用户窃电行为发现分析
2017年9月22日，计量自动化系统日监测功能显示某专变用户（用电类别为商业）存在电量差动异常（现场同回路的终端日电量与电表日电量差异率大于10%），于10月12日通知用户将现场换表，但第二天该异常现象消失，系统显示该电表正常工作，10月25日，依旧现场更换电表。
返回单位后，电表厂家技术人员在实验室环境下对该电表进行启封开盖检测，通过技术软件读取到该电表有如下记录：9月22日21:46电能表断电、9月22日21:56表盖打开、9月22日22:10表盖恢复、9月22日22:18电能表断电恢复；对该电表进行内部检查，发现无明显异常，后将该用户列为用电异常重点监控对象。
2017年10月26日，计量自动化系统再次显示该用户存在电量差动异常，后续几天跟踪观察，该差动异常现象无自动恢复，在远程对现场终端进行历史数据比对发现无异常后，遂于11月13日在事先无打招呼的情况下，现场对该用户电表进行更换，并对现场拆下表计进行封存。
返回单位后，电表厂家技术人员在实验室环境下对该电表进行启封开盖检测，通过技术软件读取到该电表有如下记录：10月25日22:38:30表脚盖开盖、10月25日22:43:50电能表断电、10月25日22:54:37表盖开盖、10月25日23:01:00表盖开盖恢复、10月25日23:11:52电能表断电恢复、10月25日23:16:01表脚盖盖上恢复。详见附图（图一、图二）。
图一掉电记录
图二开盖记录
对该电表进行内部检查，直观发现内部三个电流取样互感器入端处加上了三条分流线，详见附图。
图三现场图片
在确凿的证据面前，用户也承认了窃电行为，并于12月22日依照规定缴纳补交电费5519.28元，3倍的违约电费16557.84元，共计22077.12元。
至此，这是一宗典型的通过在表计内部采样互感器加装分流线，从而故意使供电企业用电计量装置不准或失效的窃电事件。通过计量自动化的日常监控，在计量自动化终端保持高在线率和完整率的前提下，对现场采集回来的数据进行取样分析，可以快速、准确定位异常装置并予以重点关注，大大提高基层员工工作效率，及时挽回电网企业经济损失，具有可广泛推广的现实意义。
3结语
在电力计量自动化系统进行计量异常检查之前，传统的窃电检查只能停留在人工按计划进行抽检，难度大、效率低并且效果也并不理想。本文提出利用BP神经网络算法进行防窃电检查，从验证结果来看，在一定程度上表明该方式对窃电嫌疑系数的预测评估取得了较高的正确率。该方法为防窃电工作注入了新的思路，但是也还存在一些问题，在防窃电技术中，由于基于用户行为分析的防窃电技术方法只是针对单个用户用电情况，并没有从全局来考虑用户用电行为直接的联系，所以仅用此方法不能很好的判断出用户的窃电情况，特别是用户历史数据不够充分的时候。今后可以考虑从基于网络特征的分析的角度出发，可以弥补此类方法历史用电数据统计不足的缺点，从而完善防窃电技术。
参考文献
[1]周瑾.窃电与防窃电［J］.福建电力与电工，2004.24（3）：70-72.
[2]濮贤成，程文等.电能计量装置安装与接线判读[M].北京:中国电力出版社.2015:93-94
[3]周志华.机器学习[M].北京:清华大学出版社.2016:97-100
[4]钟颖，汪秉文.基于遗传算法的BP神经网络时间序列预测模型［J］.系统工程和电子技术，2002，24（4）：9-11.
[5]张婷婷,王昕;一起窃电实例及反窃电研究[J].云南电力术,2015,S2:106
[6]沈鑫,张林山,王昕;电子式电能表技术鉴定与防窃电分析[J].云南电力技术,2009,01:58-59
[7]柴鹏飞,陈国栋.数据分析在反窃电中的应用[J].河南电力,2013,02-061-04[28]
[8]曹峥,杨镜非,刘晓娜.BP神经网络在反窃电系统中的研究与应用[J].水电能源科学,2012,29(9):199-202.
[9]高磊.神经网络与线性回归的电力负荷预测[J].云南电力技术,2016,01:53-57
[10]董兴海,沈智罡,杨雪峰.电力负荷管理系统在防窃电中的应用[J].云南电力技术,2012,06:91-92
论文作者:韩晓峰,姚弘
论文发表刊物:《科技新时代》2018年12期
论文发表时间:2019/2/18
标签：窃电论文; 电表论文; 自动化系统论文; 电能论文; 用户论文; 异常论文; 电力论文; 《科技新时代》2018年12期论文;