劉寶云，崔 文，張曉華，生西奎，呂 曈

(國(guó)網(wǎng)延邊供電公司，吉林 延吉 133000)

隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展，工業(yè)生產(chǎn)和居民用電需求不斷增大，用電數(shù)量逐年攀升，有部分用戶通過(guò)各種的手段竊取電能。傳統(tǒng)的竊電檢查一方面由于用戶數(shù)量多，現(xiàn)場(chǎng)逐戶排查工作量大，效率低；另一方面由于竊電手段多樣，用電檢查人員現(xiàn)場(chǎng)檢查有時(shí)難以發(fā)現(xiàn)，造成電量持續(xù)丟失。

近年來(lái)，竊電手段新穎多變，一般有以下幾種常見的竊電方式：欠壓法、欠流法、移相法、擴(kuò)差法等[1-3]，現(xiàn)階段關(guān)于竊電檢測(cè)方法主要有統(tǒng)計(jì)學(xué)方法、支持向量機(jī)、聚類分析等[4-5]，如文獻(xiàn)[6]基于離群點(diǎn)算法對(duì)竊電方法進(jìn)行研究。隨著云計(jì)算、物聯(lián)網(wǎng)、人工智能等信息化技術(shù)的快速發(fā)展，以海量數(shù)據(jù)挖掘?yàn)榇淼拇髷?shù)據(jù)技術(shù)得到了空前的發(fā)展，在很多行業(yè)得到了廣泛的應(yīng)用[7-9]。近年來(lái)，電網(wǎng)企業(yè)在信息化建設(shè)和應(yīng)用方面較為突出，在多個(gè)專業(yè)領(lǐng)域建成并應(yīng)用了多套業(yè)務(wù)系統(tǒng)，包括用電信息采集系統(tǒng)和SG186系統(tǒng)等[10]，這些信息化系統(tǒng)在應(yīng)用過(guò)程中產(chǎn)生了海量的電網(wǎng)運(yùn)行數(shù)據(jù)，具有大數(shù)據(jù)應(yīng)用的典型特征：數(shù)據(jù)量大、數(shù)據(jù)類型多、價(jià)值密度低等特點(diǎn)[11-12]。將大數(shù)據(jù)技術(shù)應(yīng)用到智能電網(wǎng)領(lǐng)域，是泛在電力物聯(lián)網(wǎng)的具體應(yīng)用，也是國(guó)家“一帶一路”戰(zhàn)略的重要組成部分[13]。

本文采用人工智能和大數(shù)據(jù)技術(shù)，基于智能電表數(shù)據(jù)遠(yuǎn)程采集技術(shù)和用電信息采集系統(tǒng)海量的多元數(shù)據(jù)，從用電信息采集系統(tǒng)和SG186系統(tǒng)中的海量數(shù)據(jù)中提取出竊電用戶的關(guān)鍵特征，依據(jù)關(guān)鍵特征構(gòu)建用戶竊電的關(guān)聯(lián)性多維度分析模型，實(shí)現(xiàn)自動(dòng)判斷用戶是否存在竊電行為。

1 系統(tǒng)總體框架

數(shù)據(jù)驅(qū)動(dòng)下的竊電數(shù)據(jù)分析系統(tǒng)主要包括三個(gè)模塊：數(shù)據(jù)預(yù)處理模塊、竊電評(píng)價(jià)指標(biāo)體系模塊、竊電識(shí)別檢測(cè)模塊。數(shù)據(jù)預(yù)處理模塊將用電信息采集系統(tǒng)中多元化的數(shù)據(jù)進(jìn)行關(guān)聯(lián)性分析、降維處理、歸一化處理以及數(shù)據(jù)填充等，得到量化的電氣特征參量作為竊電評(píng)價(jià)指標(biāo)模塊的輸入；竊電評(píng)價(jià)指標(biāo)模塊將量化的電氣特征參量通過(guò)算法確定參數(shù)和量化權(quán)重，從而使評(píng)價(jià)指標(biāo)集能夠準(zhǔn)確表征竊電行為所具有的規(guī)律，建立竊電數(shù)據(jù)分析所需要的專家樣本數(shù)據(jù)；竊電識(shí)別檢測(cè)模塊基于樣本數(shù)據(jù)采用神經(jīng)網(wǎng)絡(luò)算法建立竊電分類預(yù)測(cè)模型，得到竊電檢測(cè)結(jié)果。整個(gè)流程見圖1 。

2 竊電關(guān)聯(lián)性多維度評(píng)價(jià)指標(biāo)

隨著智能電表的推廣，實(shí)現(xiàn)了分鐘級(jí)(15 min)的數(shù)據(jù)采集，用電信息采集系統(tǒng)中采集到的用電負(fù)荷數(shù)據(jù)(各相電流、電壓、功率因數(shù)、臺(tái)區(qū)線損等)以及用電異常(終端報(bào)警及違約竊電處罰信息等)等數(shù)據(jù)信息能夠反映用戶的用電情況，同時(shí)，用戶每日、每月的用電量及用電異常情況也反映了用戶的用電行為。

用電信息采集系統(tǒng)中能夠采集到各相電流、電壓、功率因數(shù)等用電負(fù)荷數(shù)據(jù)以及用電異常數(shù)據(jù)，系統(tǒng)中包含了各類用電用戶的實(shí)時(shí)及歷史電能信息(如計(jì)量在線監(jiān)測(cè)、線損分析等)，計(jì)量在線監(jiān)測(cè)采集用戶電能信息進(jìn)行對(duì)比分析，對(duì)各類異常事件進(jìn)行告警提示，并與營(yíng)銷系統(tǒng)進(jìn)行閉環(huán)處理，因此，通過(guò)分析用電信息采集系統(tǒng)的電氣特征參量，建立電氣特征參量與竊電模型特征的關(guān)聯(lián)性關(guān)系，為甄選竊電模型的多維度特征值提供分析依據(jù)。

通過(guò)調(diào)研發(fā)現(xiàn)，用電行業(yè)類別與竊電有著一定的關(guān)系，對(duì)計(jì)量數(shù)據(jù)根據(jù)用電行業(yè)采用決策樹算法進(jìn)行驗(yàn)證，證實(shí)了用戶用電行業(yè)、用電量、用電時(shí)間與竊電有著密切的關(guān)系，因此按行業(yè)類別如非工業(yè)用戶、居民用戶、供熱用戶、酒店餐飲用戶、普通工業(yè)用電用戶等進(jìn)行有針對(duì)性的構(gòu)建竊電預(yù)測(cè)模型，將大大提高預(yù)測(cè)的準(zhǔn)確性。

將采集系統(tǒng)中的電氣參量與竊電模型特征參量按類別進(jìn)行分類和對(duì)應(yīng)，共分為三類：I類為物理電能數(shù)據(jù)(如相電壓、相電流、日用電量、有功功率等)，II類為越限和線損率(如功率因數(shù)、線損及線損值變換率、電壓/電流不平衡度越限等)，III類為異常事件記錄(如電流回路異常、電壓回路異常、電能表開蓋記錄、電壓斷相等)。

通過(guò)海量數(shù)據(jù)，建立用電信息采集系統(tǒng)中各類數(shù)據(jù)、異常事件與竊電有關(guān)的關(guān)聯(lián)性關(guān)系，從中提取竊電用戶的關(guān)鍵特征，根據(jù)竊電多維度特征值，構(gòu)建竊電關(guān)聯(lián)性多維度評(píng)價(jià)指標(biāo)(見圖2)，為供電企業(yè)反竊電稽查提供竊電預(yù)警模型的數(shù)據(jù)支撐。

三相電流不平衡率和三相電壓不平衡率表征的是用電過(guò)程中電壓和電流的波動(dòng)情況。用戶改變計(jì)量電流是竊電中常用的一種方式，在三相供電系統(tǒng)中，正常用戶的電流和電壓基本保持平衡，若存在三相電流(電壓)不平衡率較大，則表明該用戶存在竊電嫌疑，其計(jì)算方式為三相電流(壓)的最大值與最小值之差比上最小值。

線損率作為衡量供電線路的損失比例，通過(guò)臺(tái)區(qū)線損結(jié)合局部線路拓?fù)潢P(guān)系，可計(jì)算出用戶所屬線路在某天的線損率。鑒于用戶每天所用電量存在一定的波動(dòng)，采用統(tǒng)計(jì)該用戶t天的線損平均值，根據(jù)前后t天的線損增長(zhǎng)率是否大于1%，從而判斷該用戶是否存在竊電行為。

功率因數(shù)異常是一個(gè)相對(duì)穩(wěn)定值，而且與用戶電量使用時(shí)間無(wú)關(guān)，因此，可將功率因數(shù)作為竊電的一個(gè)主要的參考評(píng)價(jià)依據(jù)?！豆β室驍?shù)調(diào)整電費(fèi)辦法》中規(guī)定，工業(yè)用戶功率因數(shù)應(yīng)大于0.8，考慮到系統(tǒng)其他行業(yè)用戶，可將功率因數(shù)異常的閾值進(jìn)行調(diào)整，比如0.6，統(tǒng)計(jì)功率因數(shù)異常大于閾值的次數(shù)作為模型評(píng)價(jià)指標(biāo)。

異常次數(shù)是用電異常事件的總和，異常事件主要包括電流回路異常、電壓回路異常、電能表開蓋事件記錄等，統(tǒng)計(jì)與竊電相關(guān)的異常事件的次數(shù)，作為竊電模型評(píng)價(jià)指標(biāo)。

用戶日用電量是表征電量使用最具代表性的指標(biāo)特征，用戶竊電最終表現(xiàn)在用電量下降這一表象上，正常用戶的用電量相對(duì)平穩(wěn)，竊電用戶的用電量則會(huì)出現(xiàn)陡降趨勢(shì)，因此，電量降幅應(yīng)作為竊電評(píng)價(jià)指標(biāo)中一個(gè)重要的特征指標(biāo)。因節(jié)假日的關(guān)系，用戶電量降幅采用統(tǒng)計(jì)連續(xù)5天的日用電平均值的斜率作為衡量指標(biāo)。

3 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理包括數(shù)據(jù)清洗、缺失數(shù)據(jù)值處理、數(shù)據(jù)歸一化處理等。

數(shù)據(jù)清洗是將樣本數(shù)據(jù)中特別離譜的數(shù)據(jù)、標(biāo)注不明確的無(wú)效數(shù)據(jù)等進(jìn)行剔除，將贅余的數(shù)據(jù)過(guò)濾掉。

原始數(shù)據(jù)中不可避免的出現(xiàn)缺失值的現(xiàn)象，尤其是用戶電量、功率等參數(shù)的缺失將直接影響竊電分析和預(yù)測(cè)的準(zhǔn)確性，常用的數(shù)據(jù)插補(bǔ)算法有K近鄰填充(KNNI)算法、拉格朗日插值算法等。本文采用最小二乘法的擬合算法對(duì)用戶日用電量進(jìn)行缺失數(shù)據(jù)插補(bǔ)。

數(shù)據(jù)歸一化處理是根據(jù)竊電評(píng)價(jià)指標(biāo)將原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，一般將樣本數(shù)據(jù)處理為0～1的數(shù)，數(shù)據(jù)歸一化的公式如為：

(1)

式中：xi為樣本數(shù)據(jù)中任意第i個(gè)樣本值；xmin為樣本數(shù)據(jù)中的最小值；xmax為樣本數(shù)據(jù)中的最大值。

4 模型構(gòu)建

神經(jīng)網(wǎng)絡(luò)作為人工智能中經(jīng)典的算法，具有自適應(yīng)能力和很強(qiáng)的魯棒性、容錯(cuò)能力，本文利用神經(jīng)網(wǎng)絡(luò)結(jié)合數(shù)據(jù)技術(shù)構(gòu)建基于海量數(shù)據(jù)的竊電識(shí)別檢測(cè)模型，預(yù)測(cè)用電竊電嫌疑。

BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)(輸入層、隱含層、輸出層)，通過(guò)反向傳播不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。

算法實(shí)現(xiàn)過(guò)程如下：有k個(gè)輸入樣本x(k)；期望輸出值為d(k)；實(shí)際輸出值為y(k)；設(shè)定誤差函數(shù)e為：

(2)

計(jì)算隱含層各神經(jīng)元的激活函值sj：

(3)

式中：wji為輸入層到隱含層的連接權(quán)值；θj為隱含層各單元的閾值。

激活函數(shù)采用S型函數(shù)：

(4)

計(jì)算隱含層j單元的輸出值bj：

(5)

計(jì)算輸出層第k個(gè)單元的激活值sk：

(6)

式中：vkj為輸出層到隱含層的連接權(quán)值；θk為輸出層各單元的閾值。

修正輸出層和隱含層的權(quán)值和閾值，輸出層的校正誤差為：

dk=(ok-yk)yk(1-yk)

(7)

式中：yk為實(shí)際輸出，ok為希望輸出。

最終得到神經(jīng)網(wǎng)絡(luò)的全局誤差E：

(8)

設(shè)定BP神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)數(shù)為3，輸出節(jié)點(diǎn)數(shù)為1，隱層節(jié)點(diǎn)數(shù)為10，將表征用戶歷史用電數(shù)據(jù)的評(píng)價(jià)指標(biāo)數(shù)據(jù)作為輸入，將竊電結(jié)果(是否竊電0或1)作為期望目標(biāo)輸出，對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，當(dāng)模型訓(xùn)練達(dá)到精度要求時(shí)，將待檢測(cè)的用戶數(shù)據(jù)輸入到訓(xùn)練好的模型中，進(jìn)行竊電嫌疑預(yù)測(cè)。

5 系統(tǒng)測(cè)試驗(yàn)證

因用戶行業(yè)類別與用電量、電費(fèi)、用電時(shí)間密切相關(guān)，根據(jù)模型測(cè)試，發(fā)現(xiàn)用電行業(yè)與竊電行為有著一定的關(guān)聯(lián)，所以本文根據(jù)模型特征，將數(shù)據(jù)分為供熱用戶、餐飲用戶、居民用戶、工業(yè)用戶進(jìn)行模型檢測(cè)，提高模型預(yù)測(cè)的精確度。

以某供電局2014年1月至2018年12月的用電信息采集系統(tǒng)中的數(shù)據(jù)作為測(cè)試對(duì)象，經(jīng)現(xiàn)場(chǎng)勘查取證，確認(rèn)竊電用戶數(shù)8個(gè)，系統(tǒng)模型預(yù)測(cè)結(jié)果見表1 。

表1 系統(tǒng)模型預(yù)測(cè)結(jié)果

從表1也可知預(yù)測(cè)竊電的預(yù)測(cè)值與實(shí)際竊電有很高的吻合度，在一定程度上反映了模型預(yù)測(cè)的準(zhǔn)確性，為大數(shù)據(jù)背景下開展竊電偵查工作提供了技術(shù)依據(jù)。

6 結(jié)論

隨著智能電表的推廣及用電信息采集系統(tǒng)建設(shè)的逐步完善，電網(wǎng)公司積累了海量用戶用電數(shù)據(jù)，為大數(shù)據(jù)技術(shù)在電力領(lǐng)域的應(yīng)用提供了基礎(chǔ)。本文提出一種基于神經(jīng)網(wǎng)絡(luò)和決策樹算法的竊電預(yù)測(cè)模型，從試驗(yàn)比對(duì)和驗(yàn)證結(jié)果看，基于優(yōu)化的神經(jīng)網(wǎng)絡(luò)能更快的收斂并且準(zhǔn)確性也相對(duì)提高。