摘要：随着我国经济社会的飞速发展，供电企业提供服务的单位和个人用电客户的数量较多。通过将全面覆盖、全采集和全费控的目标具体化实施，用电客户的数据信息数倍的增长，对这种庞大数据信息内容在存储和处理方面都是企业亟待解决的问题。通过对计算机信息技术的开发研究将其中大数据应用的用电信息采集全面实现，进而更便捷快速的实现后期的数据处理和应用。通过这种大数据信息的建立能够有效的实现供电企业的反窃电和职能监控的目的，针对供电企业的反窃电管控出现的问题，本文将展开详细的讨论。
关键词：大数据技术；反窃电；智能电网；信息采集
一、电力营销大数据的构成
在电力营销过程管理中，通过对电力系统运行数据进行收集与整合，及时分析电力输配的实际情况，通过电力营销手段实时掌握电力系统用电信息等。
（一）采集负控管理系统
采集负控管理系统，主要针对电力客户的实际用电信息进行实时收集与监控，并且针对配电变压器和终端客户的实际用电数据进行采集与分析，实现用电监控阶梯定价、负荷管理等相关的功能，确保自动抄表、用电检查、负荷预测等相关管理成效。在采集负控管理系统通过采集设备在线监测负荷电量、电压电流等相关的参数信息，确保线路设备安全准确运行，促进智能配电网的高质量发展。
（二）客户服务营销管理系统
在客户服务营销管理系统中，通过对客户建立电子档案，确保用电信息覆盖电力营销全过程，并且加强了客户电费管理、电能计量等相关的管理内容，在营销业务系统中，通过对电费管理进行分析，针对当月的电费核算项目进行全面审核，并且筛选出数据波动比较大的客户信息，确保电费不漏计、不错发，提高电费核算的准确性，提升电费管理质量和效率。
（三）营销稽查系统
营销稽查系统主要以营销、采集系统数据为基础，根据稽查工作流程，针对关键指标、关键工作环节以及相关服务进行全程监控，提高整个电力营销的业务处理效率，加大客户服务监管力度，不断提升电力营销管理水平。电力营销稽查重点是对售电量相关指标进行监控分析，不断提升经营业绩管理成效，强化售电量波动、零用电量客户、计量装置和线损异常等问题的全面监察，通过营销稽查系统快速筛选窃电嫌疑客户。
二、利用大数据模式提高供电企业反窃电效率的措施
（一）利用大数据技术分类电量数据
大数据的使用，在科技日新月异的现在社会，早便已不是什么新鲜的事了。用电用户的窃电行为是眼下供电公司最头疼的事，如果能在反窃电工作中，以自身服务器系统里的电量统计数据为基础，将用户用电的负荷实时记录并进行相关的波形对比与曲线分析，再依据电力的属性进行简单的分类，最后运用大数据相关模型与算法等，找出异常数据，综合分析数据存在的问题，并以此为依据，来判断用电用户是否存在着窃电的行为，便能为供电企业在反窃电工作上带来很大的便利。
如果想要利用大数据技术，来实时观测用户的用电应为，确定用户是否有窃电现象，首先，反窃电工作人员需要准确掌握一些数据，如供电企业向用户供电时，所使用的电网的线路特点，因为不同用电用户的用电路线，即便他们拥有着相同的供电线路设计，但是，只要受很合一点的外界因素的干扰，他们之间的电流负荷的变化，也都是不一样的。所以，反窃电工作人员在对用户做电力检查工作时，必须以实时数据的记录为主，并对其进行详细的分析。一旦发现数据异常，应立刻进行分时段的跟踪监测。抓住窃电行为，收集现场证据，保护窃电痕迹，依法处置窃电个人或者单位。利用这种反窃电侦察方式，可以有效提高反窃电工作的质量与效率。
此外，还可以以不同用电场所的用电数据所表现出来的不同的用电特征为依据，分析电量数据。根据具体的用电情况进行分层，根据用户的类型进行分类，将用电个人与用电单位分来来看，将不同性质的用电单位也分开来作分析。当层级划分变得详细的时候，供电企业便能够更加准确的了解各个电流负荷特征属于哪种用电模式，改善当下反窃电工作的基础条件。
期刊文章分类查询,尽在期刊图书馆
（二）分析用电量的数据
电力企业使用大数据技术实施反窃电工作需要将所有用户电量数据进行统计分析。将电力企业中所有数据收集整合进行分析，之后根据电力企业部门中的问题以数据为依据分析差错，之后采取有效的措施调整部门中的不足之处，在对电量符合的分析工作实施之前需要通过相关计算公式的使用对用户电量的使用情况进行计算，得出用户用电量的数值差，之后通过数据中所体现的正态负荷变化得出电量使用概率，为电力企业函数收集工作的展开提供保证，将收集所得的评价和拿书作为用户电量使用情况的判断依据，当有较大用电差值数据的用户出现，则电力企业需要及时对该用户近期用电情况进行实际分析，利用横向与纵向分析方式对用户的电量使用做到精准分析。电量使用自身具有一定的特点，分析核对中时间相近会有差异的存在，属于合理情况，对于不正常的现象需要及时监测其是否有窃电行为的存在，对用户电量信息的使用情况进行全面的收集，相关部门对其展开实时监察，分析窃电行为，一经确定则需要及时处理改正。
三、大数据技术的反窃电案例分析
（一）案例一
例如在某个线损较严重的路段，利用大数据技术对其进行分析，这个路段上有50家用电用户，将其进行标注，从A1到A50，首先对这50个用户进行分類，高负荷为5户，重负荷用户为25户，低负荷用户为10户。计算评价值的流程是：第一步将数据输入，第二步将平均值计算出来，第三步将数据进行分类。第四步对数据进行归一化处理，第五步计算出评价的函数值，最后一步输出结果。
通过分析可以得出，评价值越高的用户窃电的嫌疑越大，可以将该用户单独列出来。在确定有窃电嫌疑的用户以后，为了提高准确性，可以对嫌疑用户逐一进行排查，排查的主要内容是月度用电指标，也就是对电能表计量、客观条件的排查，后在对这些嫌疑用户进行横向比较，也就是对这些用户最近几月的用电量进行比较。
例如A3用户7月份的用电量以及A25、A338月份的用电量下降的幅度较大，那么这三个用户就有窃电的嫌疑，还有几家用户也出现的类似的情况，然后对这几家进行排查，从而锁定有多重嫌疑的用户，这时候要及时的安排相关的工作人员对其进行检查。
通过大数据技术对电力企业以前用电数据信息的分析，然后联合技术部门对线路线损进行研究，可以确定出具有窃电嫌疑的路段，然后对该路段的用电数量进一步分析可以确定有窃电嫌疑的用户，这样有效的提高了反窃电的工作质量和工作效率。
（二）案例二
从电力用户用电信息采集系统导出高损线路某某线路所有用户的日用电量与线损。对相关数据进行整理并对比分析，该条线路线损从2016年10月24日大幅增加，找出线损产生突变时刻，用电量有较大变化的用户。发现用户某钢绞线有限公司一块电表，日用电量比以前减小一半，并且整条线路售电量也明显减小，减小的电量与该用户减少的用电量及线路日损失电量基本吻合。这说明该用户是引起线损增加的重大嫌疑用户。
为了进一步确定情况，我们核查该线路2016年10月至2017年4月所有用户的日用电量，并结合线路的线损明细整理可知，该用户的用电量与线路线损有极大的相关性，并且线损升高后用户的用电量为原来的一半，可能是电表电流线分流造成的。后来组织相关人员去现场稽查，发现是更换倍率低一半的电流互感器引起的。最后为公司挽回损失100多万元，由此可见反窃电工作的重要性。
四、结束语
着科学技术的发展，窃电手段也呈现多种多样，同时也慢慢往信息化和技术化的方向发展，因此反窃电手段必须要不断的进行更新，变得更加的智能化和科学化，从而提高电力企业的反窃电水平，推动大数据技术的反窃电应用，促进电网企业的更好发展。
参考文献：
[1]楼丹.如何利用大数据模式提高供电企业反窃电效率[J].电子世界，2018（14）：174+176.
[2]黄彦龙，邵剑华，王波，吕增东.大数据反窃电的探索和实践[J].农村电气化，2018（02）：50-51.
[3]张玉梅.智能反窃电数据采集技术与应用分析[J].科技创新与应用，2017，（20）：41，43.
论文作者:吴慧锦
论文发表刊物:《基层建设》2019年第21期
论文发表时间:2019/10/16
标签：数据论文; 用户论文; 窃电论文; 电量论文; 用电量论文; 电力论文; 嫌疑论文; 《基层建设》2019年第21期论文;