李玉剛

（國網(wǎng)寧夏電力有限公司固原供電公司，寧夏 固原 756000）

一、電力系統(tǒng)主要竊電方式

（一）篡改短路

計(jì)量裝配竊電在電力系統(tǒng)運(yùn)行的過程中如果改裝了電路中的線路就被稱作是篡改短路計(jì)量裝配。竊取電力的基本操作原理是在電表內(nèi)部使用導(dǎo)體連接內(nèi)部線路，在內(nèi)部線路連接的過程中借助用電阻力來對電表實(shí)施分流處理。在這個(gè)過程中電表內(nèi)部的電流圈電流逐漸減少，電表中的電流出現(xiàn)分支，電表運(yùn)行速度減慢。

（二）切斷電壓連接的金屬片

切斷電壓連接金屬片或者在電流圈上分流電阻是指在電力表正常運(yùn)轉(zhuǎn)的過程中使用工具剪斷電表內(nèi)的電流線圈。在實(shí)施這樣的操作之后電表內(nèi)部的電壓會失去穩(wěn)定，在電力系統(tǒng)運(yùn)作的過程中容易因?yàn)殡娐穬?nèi)壓力的降低而引發(fā)一系列質(zhì)量問題。

（三）調(diào)換零火線的竊電

這種電力竊取主要是將電表中引進(jìn)線兩端的火線、零線進(jìn)行調(diào)整，通過必要的調(diào)整使得兩個(gè)金屬聯(lián)片在相反的的順序上出現(xiàn)接觸，在發(fā)生接觸之后電流輸入反向會和電路工作原理呈現(xiàn)出相反的狀態(tài)，最終會使得電表停止運(yùn)行。

（四）將零線切斷竊電

零線竊電的方式是在電表引進(jìn)線端口位置上將零線隱藏起來，隱藏之后將零線切斷，在外部重新連接線路。在電路開關(guān)閘關(guān)閉之后，電路圈內(nèi)部的電路可以繼續(xù)運(yùn)作。在切斷零線時(shí)電表內(nèi)的電壓無法保持在平衡的狀態(tài)。在竊電者竊電的時(shí)候電表會停止運(yùn)作。

二、反竊電智能系統(tǒng)的結(jié)構(gòu)及處理流程

反竊電智能系統(tǒng)結(jié)構(gòu)如圖1 所示，主要由無線采集裝置、專變采集終端、數(shù)據(jù)轉(zhuǎn)化器、系統(tǒng)主站、電能表構(gòu)成。反竊電智能系統(tǒng)包括電力負(fù)荷管理、實(shí)時(shí)數(shù)據(jù)采集、實(shí)時(shí)數(shù)據(jù)存儲、電力設(shè)備管理、客戶區(qū)域、線損、電流、電壓、電量行度、地理位置、拓?fù)潢P(guān)系、歷史曲線展示、數(shù)據(jù)存儲等功能，能實(shí)時(shí)反映計(jì)量電表的數(shù)據(jù)情況，并根據(jù)設(shè)置的閾值進(jìn)行預(yù)警，提示存在用電異常信息，通過歷史數(shù)據(jù)分析，能判斷出存在竊電的用戶。其實(shí)際工作流程如下。（一）在線監(jiān)測。通過大數(shù)據(jù)信息采集技術(shù)采集用電數(shù)據(jù)，對數(shù)據(jù)進(jìn)行分析，得到電能表掉電、電能表失壓、電能表故障、電能表失流、電能表外力受損等事件。（二）輔助分析。根據(jù)在線監(jiān)測信息與終端事件進(jìn)行輔助分析，確保分析的準(zhǔn)確性。（三）歷史數(shù)據(jù)分析。對存在潛在竊電行為的用戶，分析其計(jì)量信息、接線方式、歷史記錄、功率數(shù)據(jù)差。（四）智能診斷。分析用戶異常信息并及時(shí)處理，結(jié)合神經(jīng)網(wǎng)絡(luò)的反竊電模型評價(jià)體系，計(jì)算用戶的嫌疑指數(shù)，充分分析用戶竊電信息的準(zhǔn)確性。盡管竊電的方法多樣，但本質(zhì)上都是用戶實(shí)際的用電量大于用戶電能表示數(shù)。通過建立反竊電智能系統(tǒng)，能持續(xù)檢測用戶的用電量，一旦系統(tǒng)顯示存在竊電行為，便會發(fā)出竊電預(yù)警，幫助供電系統(tǒng)人員第一時(shí)間處理，減少電力企業(yè)的損失。

圖1 反竊電智能系統(tǒng)結(jié)構(gòu)

三、基于神經(jīng)網(wǎng)絡(luò)算法的反竊電模型

本文研究的反竊電模型以BP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)。為了減少算法計(jì)算的復(fù)雜度并保證計(jì)算的準(zhǔn)確性，本文采用三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行計(jì)算。

（一）輸入量的評價(jià)體系

反竊電模型的準(zhǔn)確與否最重要的是輸入量的準(zhǔn)確性。電量的數(shù)學(xué)公式表現(xiàn)形式是電壓、電流及功率因數(shù)角的乘積，所以當(dāng)電壓或電流出現(xiàn)異常時(shí)，電量也會出現(xiàn)異常。通過對已竊電用戶的歷史電量數(shù)據(jù)分析，可得出竊電前后電量變化特征量。當(dāng)檢測新用戶電量時(shí)，若出現(xiàn)了階段性用電量為零或電量變化規(guī)律與竊電樣本電量變化規(guī)律一致的情況，則判斷可能存在竊電行為。利用用戶月度用電量、客戶所在線路或臺區(qū)的線損情況、電表類型、計(jì)量電流和檢測電流的差值、電壓異常變化情況、客戶負(fù)載功率、負(fù)載功率因數(shù)變化等7個(gè)竊電判別指標(biāo)對用戶的竊電行為進(jìn)行綜合判斷，如果用戶在經(jīng)過7項(xiàng)特征參數(shù)檢查后，其嫌疑系數(shù)較高，那么說明該用戶可能存在竊電情況，需對其進(jìn)行監(jiān)視。

（二）BP神經(jīng)網(wǎng)絡(luò)的算法流程

1.輸入數(shù)值歸一化。針對智能反竊電模型中的7個(gè)竊電判別指標(biāo)存在差距較大的情況，對每種評價(jià)指標(biāo)進(jìn)行歸一化處理，處理方法是找出該組數(shù)據(jù)的最大值，然后分別用每個(gè)數(shù)據(jù)除以該最大值，即可將數(shù)據(jù)限制在[0，1]區(qū)間內(nèi)。2.訓(xùn)練樣本的選擇。在選取訓(xùn)練樣本時(shí)，應(yīng)滿足樣本輸入與輸出之間的非線性特征映射關(guān)系，訓(xùn)練樣本數(shù)一般選擇為網(wǎng)絡(luò)連接權(quán)總數(shù)的5～10倍，并保證樣本分布的均衡性，以減少訓(xùn)練學(xué)習(xí)的反復(fù)性。3.隱含層數(shù)設(shè)計(jì)。通常，選擇2個(gè)隱含層以滿足不連續(xù)函數(shù)的運(yùn)算需要，但對于反竊電模型的構(gòu)建來說，選擇一個(gè)即可滿足運(yùn)算函數(shù)的需要，只有當(dāng)隱含節(jié)點(diǎn)過多時(shí)才需要再增加一個(gè)隱含層。對于隱含節(jié)點(diǎn)的設(shè)計(jì)，則需按公式計(jì)算出初始值。（1）式中，l、n、m分別為輸入層節(jié)點(diǎn)數(shù)、輸出層節(jié)點(diǎn)數(shù)、隱含節(jié)點(diǎn)數(shù)；α 為常數(shù)，通常取值在1～4。在執(zhí)行算法過程中，先選取存儲的某個(gè)時(shí)間段內(nèi)的數(shù)據(jù)作為基礎(chǔ)，提取7種竊電評價(jià)指標(biāo)體系，并進(jìn)行歸一化處理，然后將歸一化的數(shù)據(jù)輸入反竊電模型中進(jìn)行訓(xùn)練，當(dāng)算法計(jì)算精度達(dá)到設(shè)定的精度閾值即退出程序，并輸出竊電嫌疑系數(shù)結(jié)果。整體流程如圖2 所示。

圖2 BP神經(jīng)網(wǎng)絡(luò)反竊電模型算法流程

四、反竊電智能系統(tǒng)的應(yīng)用實(shí)例

選取某地區(qū)80 例竊電用戶作為樣本進(jìn)行訓(xùn)練，神經(jīng)網(wǎng)絡(luò)層選為3 層。選取其中15例作為檢驗(yàn)樣本，對數(shù)據(jù)提取7種竊電評價(jià)指標(biāo)體系進(jìn)行訓(xùn)練。訓(xùn)練結(jié)果如下。（一）對客戶月用電平均值進(jìn)行建模，分析判斷不符合用電曲線規(guī)律的月數(shù)據(jù)，用電曲線規(guī)律月數(shù)據(jù)的天數(shù)和樣本總?cè)萘刻鞌?shù)比值為16%。（二）對客戶所在線路月度線損值進(jìn)行建模，并用計(jì)算機(jī)模擬月度線路平均值的天數(shù)，計(jì)算月度線損值大于平均值的天數(shù)與樣本總?cè)萘康奶鞌?shù)比值大于7%。（三）對客戶所在臺區(qū)月度線損值進(jìn)行建模，并用計(jì)算機(jī)模擬月度臺區(qū)平均值的天數(shù)，計(jì)算月度線損值大于平均值的天數(shù)與樣本總?cè)萘康奶鞌?shù)比值大于10%。（四）計(jì)算電流與實(shí)際檢測電流的差值大于3%。（五）電壓三相不平衡率為18%，發(fā)生失壓情況。（六）客戶負(fù)載容量大于總?cè)萘?2%，負(fù)荷率小于50%。（七）月度負(fù)荷功率因數(shù)變化值大于26%。上述結(jié)果證明，本文構(gòu)建的反竊電智能系統(tǒng)能分析出潛在的竊電用戶。

結(jié)束語

綜上所述，隨著供電規(guī)模的逐步擴(kuò)大，竊電行為相應(yīng)增多，如何顯著降低竊電行為，并對其進(jìn)行快速預(yù)警成了研究熱點(diǎn)。本文介紹了電力營銷域反竊電智能系統(tǒng)的結(jié)構(gòu)及其處理流程，提出了7種竊電評價(jià)指標(biāo)體系，并構(gòu)建了基于神經(jīng)網(wǎng)絡(luò)的反竊電模型，最后通過實(shí)際算例進(jìn)行算法驗(yàn)證，結(jié)果表明，該電力營銷域智能系統(tǒng)能準(zhǔn)確識別潛在的竊電用戶行為，并進(jìn)行預(yù)警，具有一定的工程實(shí)用價(jià)值。