何立強(qiáng)，隋政澔，杜 峰

(國(guó)網(wǎng)丹東供電公司，遼寧 丹東 118000)

近年來(lái)，隨著市場(chǎng)經(jīng)濟(jì)的多元化發(fā)展，電能作為一種清潔能源被廣泛應(yīng)用于國(guó)民經(jīng)濟(jì)的各個(gè)領(lǐng)域和人們的生產(chǎn)生活中。由于電能費(fèi)用占企業(yè)成本比重較大，一些不法經(jīng)營(yíng)者、個(gè)體私營(yíng)業(yè)主為謀取暴利，無(wú)視國(guó)家法律、法規(guī)，不擇手段地竊取電能。竊電行為嚴(yán)重?fù)p害了企業(yè)和個(gè)人的合法權(quán)益，擾亂了供用電秩序，阻礙了電力事業(yè)的高質(zhì)量發(fā)展，也給安全用電帶來(lái)了嚴(yán)重威脅。

通過(guò)大量分析竊電現(xiàn)場(chǎng)情況得出，竊電行為主要表現(xiàn)在借零竊電、電能表人為改變、計(jì)量箱破壞、強(qiáng)電擊損壞計(jì)量電子元件等[1-4]。當(dāng)前各公司缺乏對(duì)電能計(jì)量裝置有效監(jiān)督的措施，對(duì)用戶(hù)竊電行為的特征分析也不夠明確，對(duì)各類(lèi)數(shù)據(jù)缺乏整合利用，難以對(duì)“竊電”行為進(jìn)行有效的預(yù)警、監(jiān)督和查處。國(guó)內(nèi)外專(zhuān)家基于人工智能和大數(shù)據(jù)分析建立不同的反竊電模型，聚類(lèi)分析數(shù)據(jù)特征，利用神經(jīng)網(wǎng)絡(luò)等智能算法建立竊電用戶(hù)篩選規(guī)則，根據(jù)規(guī)則建立預(yù)警模型，但均限于理論階段，實(shí)際過(guò)程中能夠大幅度提升監(jiān)測(cè)精度的方法還未成熟[5-6]。

本文以臺(tái)區(qū)線(xiàn)損為切入點(diǎn)，從現(xiàn)場(chǎng)抓獲真實(shí)竊電案例出發(fā)，建立失壓斷相預(yù)警、電量差動(dòng)預(yù)警、電量波動(dòng)預(yù)警、功率差動(dòng)預(yù)警、電能表停走預(yù)警、電流異常預(yù)警、恒定磁場(chǎng)干擾預(yù)警、線(xiàn)損異常預(yù)警，并通過(guò)關(guān)聯(lián)度分析對(duì)線(xiàn)損值進(jìn)行判定，大幅度提升了竊電嫌疑用戶(hù)的篩選精度，對(duì)保證電網(wǎng)安全穩(wěn)定運(yùn)行具有重要意義。

1 基于關(guān)聯(lián)度分析防竊電模型

該模型的主要思路為對(duì)輸入數(shù)據(jù)進(jìn)行異常值處理，將缺失值使用均值代替，建立線(xiàn)損異常預(yù)警、電量差動(dòng)預(yù)警、失壓斷相預(yù)警、電流異常預(yù)警、電量波動(dòng)預(yù)警、電能表停走預(yù)警、恒定磁場(chǎng)干擾預(yù)警、功率差動(dòng)預(yù)警和關(guān)聯(lián)分析9種分析模型，利用Python作為數(shù)據(jù)分析工具，有針對(duì)性地收集、加工、整理數(shù)據(jù)，利用機(jī)器學(xué)習(xí)算法建模訓(xùn)練，實(shí)現(xiàn)通過(guò)模型挖掘數(shù)據(jù)價(jià)值，開(kāi)展電網(wǎng)智慧降損實(shí)踐。主要流程如圖1所示。

圖1 智慧降損流程

1.1 數(shù)據(jù)范圍

本文各類(lèi)數(shù)據(jù)來(lái)源于一體化電量與線(xiàn)損管理系統(tǒng)、用電信息采集系統(tǒng)、營(yíng)銷(xiāo)sg186等業(yè)務(wù)系統(tǒng)。通過(guò)上述系統(tǒng)能夠快速、準(zhǔn)確地提取數(shù)據(jù)，為判別竊電行為提供了強(qiáng)有力的支撐。整理好提取的數(shù)據(jù)后，對(duì)缺失值進(jìn)行均值填補(bǔ)。

1.2 算法選取與模型構(gòu)建

a.失壓斷相預(yù)警

設(shè)定計(jì)量回路電壓基準(zhǔn)值，高供高計(jì)用戶(hù)計(jì)量回路電壓值為100 V，高供低計(jì)及低供低計(jì)用戶(hù)計(jì)量回路電壓值為380 V、220 V，如果電壓值偏離基準(zhǔn)值50%，尤其是電壓值為零，則判斷為失壓斷相。該預(yù)警策略主要針對(duì)高壓用戶(hù)、考核表及低壓重點(diǎn)用戶(hù)的電壓曲線(xiàn)等信息進(jìn)行分析判斷。

b.電量差動(dòng)預(yù)警

針對(duì)100 kVA及以上用戶(hù)，加裝負(fù)荷監(jiān)控裝置，該裝置含有2個(gè)不同的計(jì)量回路，分別為含有485接口的計(jì)量回路和交流采樣回路。其中交流采樣回路作為485接口的考核表使用，用以對(duì)比監(jiān)測(cè)2個(gè)不同回路的電量，對(duì)比2個(gè)不同回路電量值，分析計(jì)量回路和對(duì)比回路同時(shí)段的電量差值比，設(shè)定電量超值比的閾值K為20%，對(duì)超出閾值的用戶(hù)需進(jìn)一步判定是否有竊電嫌疑。

c.電量波動(dòng)預(yù)警

將用戶(hù)的用電時(shí)間以天為單位，按類(lèi)別劃分為普通日和特殊日。其中特殊日包括節(jié)假日、停電檢修日、用戶(hù)休息日等，依此總結(jié)用戶(hù)的用電規(guī)律，并將本月用電量與上月進(jìn)行環(huán)比，與去年同期進(jìn)行對(duì)比，評(píng)估用戶(hù)每月用電量的波動(dòng)情況。當(dāng)波動(dòng)大于設(shè)定的閾值時(shí)，認(rèn)為該用戶(hù)有竊電嫌疑，觸發(fā)電量波動(dòng)預(yù)警，并根據(jù)波動(dòng)程度深入計(jì)算竊電可能性的大小。

d.功率差動(dòng)預(yù)警

針對(duì)10 kV高壓用戶(hù)，按照一定的時(shí)間間隔，使用不同的負(fù)荷差動(dòng)模型對(duì)功率差動(dòng)進(jìn)行分析。根據(jù)終端負(fù)荷、電能表總負(fù)荷以及差動(dòng)模型獲得總負(fù)荷差值、負(fù)荷差動(dòng)率、負(fù)荷差動(dòng)閾值信息，根據(jù)以上信息判斷是否達(dá)標(biāo)，當(dāng)波動(dòng)大于設(shè)定的閾值時(shí)，認(rèn)為該用戶(hù)有竊電可能，并根據(jù)波動(dòng)程度計(jì)算竊電可能性大小。

e.電能表停走預(yù)警

針對(duì)10 kV高壓用戶(hù)的電量數(shù)據(jù)、電流數(shù)據(jù)，判斷10 kV高壓用戶(hù)是否存在電能表停轉(zhuǎn)現(xiàn)象。該現(xiàn)象表現(xiàn)為某時(shí)刻電量為零，對(duì)應(yīng)時(shí)間的任意相電流大于0.1 A，在單日數(shù)據(jù)中連續(xù)出現(xiàn)3個(gè)時(shí)間段內(nèi)且累計(jì)出現(xiàn)超過(guò)12次，則判斷該用戶(hù)存在竊電嫌疑。同時(shí)進(jìn)行電能表開(kāi)蓋或計(jì)量門(mén)關(guān)閉分析，通過(guò)采集系統(tǒng)獲取電能表的狀態(tài)，判斷電能表開(kāi)蓋時(shí)間與電能表安裝時(shí)間差值大于時(shí)間閾值，排除正常電能表開(kāi)蓋，則判斷存在異常情況。

f.電流異常預(yù)警

對(duì)電流信息進(jìn)行采集和判斷，如果超出最大額定電流的120%，則電流互感器出現(xiàn)少計(jì)電量情況，配置電流互感器的用戶(hù)最大額定電流為5～6 A，直通表分別60 A、80 A、100 A；針對(duì)高壓用戶(hù)使用三相電機(jī)，一般情況下不易出現(xiàn)電流缺相情況，如某一相或多相出現(xiàn)電流為零的情況，應(yīng)將用戶(hù)列為竊電嫌疑。除光伏、電容反送電及電梯等自由落體用戶(hù)外，電能表電流不能小于零，某一相或多相出現(xiàn)小于零的情況，說(shuō)明電流互感器電流極性反接。上述預(yù)警策略主要針對(duì)高壓用戶(hù)、考核表及低壓重點(diǎn)用戶(hù)的電流曲線(xiàn)等信息進(jìn)行分析和判斷。

g.恒定磁場(chǎng)干擾預(yù)警

分析采集終端上報(bào)的磁場(chǎng)干擾事件，判斷對(duì)用戶(hù)進(jìn)行竊電分析時(shí)周?chē)欠癯霈F(xiàn)磁場(chǎng)干擾異常情況。

h.線(xiàn)損異常預(yù)警

使用線(xiàn)路線(xiàn)損及臺(tái)區(qū)線(xiàn)損數(shù)據(jù)，輔助分析竊電嫌疑用戶(hù)，通過(guò)將線(xiàn)損異常期間的用戶(hù)電量與線(xiàn)損正常期間的用戶(hù)電量進(jìn)行對(duì)比，發(fā)現(xiàn)并統(tǒng)計(jì)線(xiàn)損異常區(qū)域中的電量突減用戶(hù)。

i.關(guān)聯(lián)分析

用電信息采集系統(tǒng)中的各類(lèi)異常事件與竊電行為及種類(lèi)存在關(guān)聯(lián)，基于防竊電異常分析結(jié)果，結(jié)合各類(lèi)異常分析模型的權(quán)值和不同模型間的關(guān)系，以及關(guān)聯(lián)分析算法進(jìn)行綜合分析，判斷用戶(hù)竊電可能性大小。選取相關(guān)性最高的異常信息統(tǒng)計(jì)等影響因素，利用關(guān)聯(lián)度累加算法構(gòu)建防竊電預(yù)警模型，實(shí)現(xiàn)對(duì)現(xiàn)場(chǎng)計(jì)量異常情況的統(tǒng)計(jì)，其關(guān)聯(lián)分析算法如式(1)所示：

(1)

式中:n為同時(shí)發(fā)生的異常數(shù)量；pi為第i個(gè)異常權(quán)值；Rjk為第j個(gè)異常和第K個(gè)異常的關(guān)聯(lián)度。當(dāng)E≤0.8時(shí)，判斷為持續(xù)關(guān)聯(lián)，若連續(xù)多天未恢復(fù)，則按照異常處理；當(dāng)0.83時(shí)，判斷為重要關(guān)聯(lián)，對(duì)異常進(jìn)行處理。

1.3 基于Python的智慧降損模型建立

利用Python進(jìn)行數(shù)據(jù)分析，對(duì)海量用戶(hù)數(shù)據(jù)進(jìn)行預(yù)處理，將缺失值進(jìn)行均值替代。引入Python中的matplotlib庫(kù)、seaborn庫(kù)對(duì)處理過(guò)的數(shù)據(jù)進(jìn)行可視化處理，便于直觀感受參數(shù)間的關(guān)系[7-8]。使用K折交叉驗(yàn)證得到測(cè)試集，再利用邏輯回歸、決策樹(shù)、隨機(jī)森林等機(jī)器學(xué)習(xí)算法進(jìn)行建模訓(xùn)練，不斷調(diào)整電壓、功率等相關(guān)參數(shù)，根據(jù)準(zhǔn)確率、召回率對(duì)模型進(jìn)行評(píng)估，得出降損準(zhǔn)確率評(píng)分最高的模型。若模型訓(xùn)練準(zhǔn)確，使用測(cè)試集進(jìn)行測(cè)試可快速得到線(xiàn)損異常的用戶(hù)，進(jìn)而實(shí)現(xiàn)監(jiān)控違約用電。

2 案例分析

2.1 竊電分析過(guò)程

2019年5月，10 kV藍(lán)東乙線(xiàn)出現(xiàn)線(xiàn)損值異常情況，損失電量27萬(wàn)kWh、線(xiàn)損率為9.8%。對(duì)該線(xiàn)路進(jìn)行了理論線(xiàn)損計(jì)算，確定理論線(xiàn)損值為3.95%，據(jù)此計(jì)算出線(xiàn)路管理?yè)p失電量為16萬(wàn)kWh，異常容量區(qū)間在217 kW及以上。

利用Python模型分析出是大容量小電量的竊電特征，列出重點(diǎn)檢查用戶(hù)清單，結(jié)合業(yè)務(wù)系統(tǒng)數(shù)據(jù)逐戶(hù)排查發(fā)現(xiàn)，容量為250 kV企業(yè)用戶(hù)具有重大竊電嫌疑，具體特征如下。

a.該企業(yè)存在總電量的差值。利用Python模型對(duì)該市230家水產(chǎn)加工企業(yè)進(jìn)行行業(yè)用電比較發(fā)現(xiàn)，其與同容量同類(lèi)型的企業(yè)相比，存在近80萬(wàn)kWh的電量差異。

b.該企業(yè)出現(xiàn)嚴(yán)重電流差值。交流采樣回路電流高于計(jì)量回路電流近4/5，并歸納出該戶(hù)的竊電規(guī)律及手法：用戶(hù)于4時(shí)至22時(shí)，采用疑似欠流的方式進(jìn)行竊電，22時(shí)至次日4時(shí)采用疑似失流的方式進(jìn)行竊電。

c.該企業(yè)出現(xiàn)嚴(yán)重回路電量差值。即計(jì)量回路日電量比交流采樣回路日電量少近4000 kWh。

2.2 取得成果

通過(guò)大數(shù)據(jù)挖掘分析確定，該戶(hù)竊電時(shí)長(zhǎng)1198天,追補(bǔ)電量87.45萬(wàn)kWh，追繳違約電費(fèi)55.55萬(wàn)元、違約使用電費(fèi)153.7萬(wàn)元,為供電企業(yè)挽回經(jīng)濟(jì)損失合計(jì)209.65萬(wàn)元。此舉有效打擊了竊電者的囂張氣焰，獲得社會(huì)各界一致好評(píng)。事后，7月線(xiàn)路日線(xiàn)損率恢復(fù)正常，較查處前下降了16個(gè)百分點(diǎn)，目前保持在4%以下，與理論線(xiàn)損值基本持平，線(xiàn)損治理效果良好。治理前后線(xiàn)損率對(duì)比如圖2所示。

圖2 治理前后線(xiàn)損率對(duì)比

3 結(jié)束語(yǔ)

電網(wǎng)線(xiàn)損異常治理診斷分析模型應(yīng)用主要以用戶(hù)用電信息為主，綜合利用多數(shù)據(jù)源信息關(guān)聯(lián)分析模型，利用Python技術(shù)對(duì)現(xiàn)場(chǎng)竊電行為進(jìn)行在線(xiàn)診斷及全過(guò)程管理，助力供電企業(yè)方便靈活地開(kāi)展防竊電分析，減少經(jīng)濟(jì)損失。同時(shí)，降低竊電用戶(hù)發(fā)生危險(xiǎn)的可能性，保障電網(wǎng)安全可靠運(yùn)行。