基于用电特征分析的窃电行为识别方法

基于用电特征分析的窃电行为识别方法

许荧

宿迁三新供电服务有限公司沭阳分公司江苏省223600

摘要：近几年来，供电体系网络中窃电行为屡禁不止，对电力企业带来严重影响。窃电不但能让企业遭受不必要的经济损失，而且还能为供电网络埋下诸多安全隐患，威胁着人们的生命安全，所以电力企业必须要对此方面予以高度重视，不断提高供电效率和质量。

关键词：用电特征分析；窃电行为；识别方法

引言

随着我国社会主义市场经济的快速发展，在新时期背景下社会生产能力的大幅度提升，人们生活水平也随之不断提高，对电力的需求也越来越强烈。但是由于电力企业在为用户提供电力服务的过程中，会出现用户窃电以及违约用电的不良想象。这就给供电企业提出了更高的要求，因此就有必要针对这方面的问题进行分析和探讨。

1用电检查与反窃电工作的重要性

1.1促进电力企业健康发展

违规违章用电与窃电现象呈逐年上升趋势，而且窃电手段不断变化发展，使得窃电范围不断扩大，这给电力系统的正常运行造成了阻碍。为提高电能利用率，促进电力企业健康发展，就必须加强用电检查与反窃电工作，提高工作的现实性与实用性，确保电网安全、稳定运作，避免电力事故给用户、电力企业带来严重的生命财产损失。电力检查相关人员必须按照相关检查流程，对用电与供电环节进行严格检查，对出现的问题及时上报和处理，坚决杜绝用电安全事故的发生，从而确保用电的安全性，促进电力企业健康、稳定发展。

1.2满足电力用户的用电需求

在电力企业管理中，开展用电检查与反窃电工作，有利于更好的处理电力用户不合理的用电现象，并加强对其用电教育，提高他们的安全意识与正确用电能力，避免发生用电安全事故。同时还可以对电力用户实际用电情况进行掌控，根据市场电力情况为其提供更加优质的用电服务，满足用户多元化的用电需求。

2窃电行为识别方法的总体设计构思

这一方法具体是指建设科学合理的、行之有效的窃电用户行为鉴别模型。在此模型录入相关特征时，要想迅速得到和此行为有关的数据以及反常数据，不但要采用过滤式算法挑选窃电特征数据信息，而且还要利用专家经验布置动态数据异常鉴别阈值和要求，进而提升模型录入特征信息的准确性。然后采用逻辑回归算法，建设窃电行为辨别模型，录入相应的样本特征信息，输出样本划分的形式针对窃电行为展开判断，总体利用一种闭环作业的反窃电诊断体制，符合准确鉴别重点窃电嫌疑人的业务要求。第一，从销售业务应用体系内收集用户档案、无窃电常规样本、窃电样本等等，在用电信息搜集体系中开发客户计量指标信息，数据样本集由常规样本数据和窃电样本组成。第二，以窃电样本为基础，按照典型窃电实例的要求对其展开精简，建设相应的专家样本库。第三，逆向剖析此种实例，采用过滤式的算法挑选所需的特征数据，搭建满足窃电行为的数据库。第四，在特征数据项的基础上录入相关信息，筛选出不同时间域的用电动态曲线。第五，结合用户异常数据种类与基础特征数据项考虑，采用逻辑回归法建设窃电行为判断模型，完成对窃电行为的鉴别，如果判断准确率逐渐减少，那么把信息数据传递到上一步骤中，进而重新建设新特征异常种类。第六，抽查一段时间内的用户数据建设检验数据样本集，包括检测其判断方法。第七，参照检验输出的窃电怀疑人制作出窃电排查工作单，展开现场监测取证，在此过程中针对排查认定的窃电人员，确定其偷电行为和使用的手段。第八，当场校对结果同时将其传输到销售业务应用体系中，选取具有代表性的窃电数据作为实例引进专家样本库内，优化窃电行为判断指标系统，按照提供的窃电实例针对窃电行为的判断方法进行改正和完善。

3窃电行为识别方法的建设过程分析

3.1采用过滤式算法挑选窃电特征数据项

第一，要针对样本特征数据展开标准化处置，取值在【-1,1】。第二，采用此算法挑选样本数据，一般做法为：围绕原始特征用特征关联性判断其在类分结果中的必要性。据大量实践表明，统计量数值愈大，则代表其特征属性鉴别非窃电和窃电的能力愈高，在降序排列此数值后，假设出一个合理阈值，把超过阈值的统计量作为挑选出来的特征数据项。

3.2通过规则鉴别动态用电反常特征数据

在以往反窃电排查进程中，有关人员一般利用用电信息搜集系统、销售业务应用系统供应的搜集信息与历史信息比较展开人工鉴别，但这些用电信息动态变化时常伴有明确的窃电鉴别数据，相关专家结合其较多的反窃电阅历针对其展开判断。所以，对于此种用电动态信息树立信息反常鉴别规则，综合阈值的形式判断特征数据异常同时提供出具体种类，例如电量骤减、三相不均衡等。充分结合反窃电专业人士丰富的判断经验，筛选出电压、电流、相位角、电量数据的特征反常种类。因为反窃电识别是在目前数据搜集基础上展开的，所以诊断数据曲线是当天搜集数据、上一周搜集数据、上个月搜集数据、上季度搜集数据与去年搜集数据，分类树立识别规则。具体阈值和规则制定为：三项四线断相：k*额定电压大于每个相电压，其他两个相电压中每个相电压都超过k*额定电压。若以上规则成立，那么说明其是电压失压断相。针对电量走势骤降异常搜集数据曲线来讲，模型的异常特征指标等于电量走势下滑指标，有些企业用户在重大法定节假日数据上会出现误判结果的情况，必须要及时去除。对于一天的电压数据搜集曲线来讲，反窃电专业人士从此数据转变识别此用户电压数据反常情况，称为电压失压断相。但是，只依靠一天搜集数据展开特征反常识别，一般会造成局部视野不开阔。例如用户某些区间一天电量数据无法发现其用电量反常，必修要向前推一年或者半年的用电量来进行识别。此时要尽量站在动态规则的角度模仿人工鉴别角度，通过不同尺度的阈值和规则制定完成一类特征反常判别，进而最大化的贴近人工判别，提升窃电种类鉴别的准确性。而有关工作人员也要积极学习和掌握先进的理论知识与业务技能，不断提高本身的综合素养，确保能独立识别不良用户的窃电行为，具备处理突发事件的能力。主动参加企业组织的培训和再教育活动，全面了解人们的用电特征和数据分析方法，确保各项工作有序进行。

4结语

综上，现代电力企业要想向着更健康的方向发展，必须要加大基于用电也正和数据分析的窃电行为识别方法的研究力度，通过建设分析模型提升识别准确度，为工作人员供应技术支持。但是此方法依然存在漏洞和不足之处，相关人员一定要在实践中及时发现问题，及时处理问题，从而提高人们的用电质量。

参考文献

[1]基于高维随机矩阵分析的窃电识别方法[J].王颖琛,顾洁,金之俭.现代电力.2017(06)

[2]基于数据挖掘算法的用户窃电嫌疑分析[J].周文婷,顾楠,王涛,韩双立,邓家贵.河南科学.2015(10)

[3]浅谈窃电技术与反窃电措施[J].高明,史涛,叶生,刘盛.电气应用.2015(S1)

[4]无线通信技术在防窃电工作中的应用[J].王辉,刘斐.电测与仪表.2015(01)

[5]基于数据挖掘的计量装置在线监测与智能诊断系统的设计与实现[J].肖坚红,严小文,周永真,陈月燕.电测与仪表.2014(14)

[6]用电监察中窃电和反窃电技术剖析[J].翁健翔.山东工业技术.2016(06)

[7]用电检查中的难点分析和对策[J].李思明.科技展望.2016(06)

[8]用电监察(检查)面临的问题及反窃电措施分析[J].孔久红.中国新技术新产品.2014(21)

[9]窃电新趋势及防范措施[J].张保国,毛国圈.中国电力企业管理.2018(26)