基于大数据技术的窃电行为分析与查处
来源:用户上传
作者:
摘要：窃电是指用电客户为了达到少交或不交电费目的使用非法秘密的手段侵占电能的行为，给国家和电力企业造成了巨大的经济损失。本文研究通过基于聚类和分类的大数据技术，缩小窃电嫌疑用户范围，减少防窃电的工作量，提高稽查针对性，为供电单位进行窃电侦查提供依据，减少供电企业财务损失，保障电网运行安全。
关键字：窃电;聚类;分类;大数据
0 引言
当今社会，电能对国民经济的持续发展和人民生活水平的提高具有非常重要的作用，为了提高电能利用率，我们通过各种办法来降低线损率，而窃电行为是造成线损率高的重要原因之一。近些年，随着科学技术的发展，通过高科技手段进行窃电的行为逐渐增多，这些技术手段不但隐蔽性强，而且容易控制，用户的窃电量大，查处难度非常大。窃电行为日益严重，这不仅让电力企业遭受重大经济损失，也严重影响了经济建设和社会稳定，应该针对窃电发展的特点，运用先进的技术手段和方法，对窃电行为进行打击。
1 窃电起因与特征
1.1 窃电的产生
（1）电费仍然是广大企业客户生产和经营成本的一大部分，特别是高耗能企业，承包和租赁的私企。因此，一些客户采取窃电的方式来降低成本，解决资金不足问题。
（2）电网经营企业个别职工为利益与客户内外勾结，对客户窃电行为视而不见。另外用电营销管理上存在着一定漏洞，营销各环节间的制约、监督作用没有有效发挥，为窃电尤其是内外勾结窃电提供了可乘之机。
（3）群众的法律意识、法制观念淡薄，相关法律法规宣传力度不够，使众多客户认为窃电不是犯罪，加上多年来对窃电行为的查处力度不够，都是导致窃电屡禁不止的主要原因。
1.2 窃电的特点
随着社会整体用电量的不断增加，不但居民窃电现象在增加，而且工商戶、民营企业窃电的数量也在逐渐增加。在当前社会发展的条件下，反窃电的这种犯罪行为分析与查处已经变得非常困难，电网企业亟需开拓新的途径，利用新的技术手段和方法开展反窃电工作。
2 常用反窃电分析手段
（1）线损率判定法
该方法利用线损精细化平台对台区实测线损率的计算结果判定窃电重灾台区。例如，某些供电单位设定实测线损率≥50%的为窃电重灾台区、即窃电高发台区。线损精细化平台在评估台区线损率时采用的是同期供售电量比对的方法，供电量由台区供电变压器低压侧的计量装置量测，售电量则通过每月抄表电量加总获得。实际使用中本方法往往遇到两方面的问题：一是由于一些管理性问题（如户变关系不准确）或技术性问题（如表计接线错误、通信故障等），很多台区的实测线损率出现负值、零值或异常高值（甚至可能达到或超过100%），对实测线损率异常的台区本判定方法不再适用;二是台区技术线损率本来就因供电范围、供电户数、负载率、供电方式（架空线/电缆供电）等因素而有所不同，采用统一的阈值标准（如≥50%）往往出现窃电高发台区的错判或漏判。
（2） 功率因数分析法
该方法直接对逐个用户进行侦查，并主要应用于考核功率因数的大工商业用户。在正常用电方式下，一般而言用户的负荷功率因数比较稳定、或者在一定的波动范围内规律地波动。用户窃电主要采用使有功少计或不计的方式，故而会导致功率因数计量值的突降并保持低位运行。因此，通过功率因数的变化（例如低于历史值或标杆值10%）可判断大工商业用户是否存在窃电嫌疑。为应用功率因数分析法，需对大工商业用户做好功率因数统计工作，掌握其历史的功率因数情况和同行业用户的一般情况，这是一项复杂的工作。另一个问题是，功率因数异常低也可能由于无功补偿不足引起，因此应用中也存在误判的问题。此外，此类方法仅适用于大工商业用户，而窃电多发在低压的居民、非居民用户中，这也使得功率因数判定法在窃电侦查中的用武之地非常有限。
（3） 数据挖掘法
数据挖掘类侦查方法也直接针对每一用户进行，依据所使用的数据挖掘技术的不同，主要有基于聚类（clustering）、基于分类（classification）的两种方法。聚类方法基于窃电是小概率事件的思想，对用户群的负荷数据（一定时间跨度的负荷曲线）实施聚类分析，根据负荷曲线的相似程度将用户划分为若干簇。若某用户所属簇的用户数很少，则表明该用户用电模式与多数用户不同，从而被归为异常类、具有窃电嫌疑。分类方法则是一种有监督的学习方法。该方法需要已知一组用户，对这组用户不仅要知道历史负荷曲线，还需要知道经用电稽查判定该组用户是否窃电的标识量，这两类信息一起构成训练样本训练出分类器。分类器可以是一组判定规则、决策树、支持向量机等多种形式。然后，将训练出的分类器进一步用于其他用户是否窃电的判断。
3 案例分析
某供电单位通过对大量历史窃电案例进行基于PCA的大数据分析，生成窃电行为特征库，并对城区窃电告发区域进行分析。
通过对用户数据的分析，可以区分用户正常用电和非正常用电的特征区别，并以此来对用户以后的用电进行预测。实验测试通过基于 PCA 的用户用电特征提取算法对数据进行分析，提取用户用电特征。再使用基于RVFLN的用户窃电诊断算法进行用户窃电诊断。通过算法根据日常数据进行窃电、违约用电分析，发现用户存在窃电的嫌疑。
窃电的查处需要进一步结合现场查勘，查看的内容如下。
（1）防盗证明。在现场发现相关的窃电设备或被损坏电力设备。例如，对窃电场景进行拍照，并确定了窃电用户。
（2）估计反窃电时间。应对实际用电情况进行仔细了解，对近年来的每月用电量进行比较分析，从中找出疑点，更不能依据窃电者自己的陈述来确定窃电时间。
（3）确定窃电电量。在供电企业的供电设施上擅自接线用电的窃电量按私接设备额定容量乘以实际用电时间计算。以其他行为窃电的，所窃电量按计费电能表标定电流值乘以实际窃电时间计算确定。当无法查明窃电时间时，窃电日数至少以 180 天计算，每天窃电时间，动力用户按 12 小时计算，照明用户按 6 小时计算。
（4）窃电处理要快速、准确。在发现窃电行为属实后，按照有关规定马上进行停电。在保护现场的前提下，确定窃电类型并及时填写《违约用电、窃电处理工作单》，由窃电方责任人签字认可。
经现场检查发现，该户私自打开电表，更改计量回路阻值，根据《供电营业规则》规定，追补基本电费外，并追加基本电费的三倍违约使用电费。
4 结论
本文通过应用PCA和RVFLN大数据分析技术，实现对用户窃电行为的高效诊断和挖掘，减小供电企业的经济损失。
参考文献
[1]银见华. 电力营销大数据在反窃电检查中的应用研究[J]. 通讯世界，2018（08）：152-153.
[2]窦健，刘宣，卢继哲，吴迪，王学伟. 基于用电信息采集大数据的防窃电方法研究[J]. 电测与仪表，2018，55（21）：43-49.
黄宇斌，（1993-），男，本科，助理工程师，中级工，从事计量运维以及用电检查工作。E-mail：775697311@qq.com
转载注明来源:https://www.xzbu.com/1/view-14961315.htm
