◆趙長(zhǎng)軍 傅瑤

基于實(shí)時(shí)多維數(shù)據(jù)的竊電行為分析平臺(tái)

◆趙長(zhǎng)軍 傅瑤

（重慶工業(yè)職業(yè)技術(shù)學(xué)院 重慶 401120）

本文設(shè)計(jì)基于實(shí)時(shí)多維數(shù)據(jù)的竊電行為分析平臺(tái)，利用大數(shù)據(jù)分析建模技術(shù)，將與用戶相關(guān)的生產(chǎn)、生活、信用多維數(shù)據(jù)通過(guò)流水線方式注入，進(jìn)而利用全景竊電行為分析模型進(jìn)行計(jì)算，得到有效的竊電嫌疑用戶數(shù)據(jù)、竊電特征等結(jié)果，為電力企業(yè)精準(zhǔn)的竊電定位提供支持。

多維數(shù)據(jù)；竊電行為；大數(shù)據(jù)

1 引言

隨著社會(huì)用電量的增大，各種用戶的用電費(fèi)用增加，竊電問(wèn)題變得越來(lái)越突出?？茖W(xué)技術(shù)的發(fā)展也讓竊電手段日益高明，方法更加隱蔽，給查處帶來(lái)了很大的難度。每年因?yàn)橥惦姡瑢?dǎo)致供電單位損失巨大。據(jù)統(tǒng)計(jì)，上海一年經(jīng)過(guò)查處的竊電損失超過(guò)3000萬(wàn)元，且還存在大量無(wú)法稽查到的情況；天津市2016年查處偷電案2256件，挽回經(jīng)濟(jì)損失七千萬(wàn)。

本文設(shè)計(jì)基于實(shí)時(shí)多維數(shù)據(jù)的竊電行為分析平臺(tái)，通過(guò)Hadoop大數(shù)據(jù)分析，將與用戶相關(guān)的生產(chǎn)、生活多維數(shù)據(jù)通過(guò)流水線方式實(shí)時(shí)注入系統(tǒng)中，進(jìn)行全景竊電行為模型計(jì)算分析。分析模型考慮了用戶的家庭情況、氣候、信用等多種參數(shù)，從而得到更為精準(zhǔn)的竊電嫌疑用戶數(shù)據(jù)、竊電特征等結(jié)果，為電力企業(yè)進(jìn)行準(zhǔn)確的竊電定位提供支持，提升企業(yè)的經(jīng)濟(jì)效益，保證社會(huì)用電安全。

2 基于實(shí)時(shí)多維數(shù)據(jù)的竊電行為分析平臺(tái)架構(gòu)

本文利用云平臺(tái)的計(jì)算服務(wù)實(shí)現(xiàn)多維度竊電行為分析的大數(shù)據(jù)計(jì)算，采用部署于云端的Hadoop大數(shù)據(jù)平臺(tái)構(gòu)建分析系統(tǒng)，作為供電企業(yè)現(xiàn)有的本地?cái)?shù)據(jù)中心的擴(kuò)展；利用服務(wù)總線（Service Bus）實(shí)現(xiàn)服務(wù)共享，整合與其他系統(tǒng)如氣候系統(tǒng)、電商系統(tǒng)、企業(yè)經(jīng)營(yíng)數(shù)據(jù)系統(tǒng)的服務(wù)與數(shù)據(jù)共享。通過(guò)數(shù)據(jù)共享方式，實(shí)現(xiàn)幾個(gè)分析維度數(shù)據(jù)的整合。平臺(tái)架構(gòu)見(jiàn)圖1。

多維度的數(shù)據(jù)通過(guò)數(shù)據(jù)服務(wù)共享方式統(tǒng)一獲取到系統(tǒng)中，進(jìn)一步進(jìn)行竊電行為大數(shù)據(jù)分析。基于Hadoop，將幾個(gè)維度的數(shù)據(jù)建立竊電分析模型。竊電分析模型設(shè)計(jì)基于上述幾個(gè)維度的數(shù)據(jù)，模型采用幾個(gè)策略：

（1）用戶用電歷史：顆粒度分別到天、月、年，以及多年的歷史用電數(shù)據(jù)。此維度作為用電情況的參照數(shù)據(jù)。

（2）近期/實(shí)時(shí)用戶用電數(shù)據(jù)：與歷史同期同顆粒度用電情況進(jìn)行對(duì)照分析，分析是否有變化、變化的幅度、方差等。

（3）水表、氣表數(shù)據(jù)：家庭的用水用氣情況基本能夠反映家庭的人口情況，例如人口的增加，一般會(huì)帶來(lái)持續(xù)的用水、用氣增加，反之亦然。此維度數(shù)據(jù)可作為判斷家庭人口變化的基準(zhǔn)，而人口增加，必定也會(huì)帶來(lái)用電量的增加。當(dāng)一個(gè)家庭的用水持續(xù)激增，而用電量反而在下降，同樣存在一定的竊電嫌疑。

（4）氣候數(shù)據(jù)：參與對(duì)歷史同期用電量的分析。例如同日期、同天氣、同氣溫的情況下，歷史同期的用電變化情況。分析的粒度可以為天、周、月。特別是夏、冬兩個(gè)季節(jié)，因?yàn)橹评浜腿∨瘯?huì)使用高功率設(shè)備，如果在家庭情況不產(chǎn)生大的變化情況下，同期連續(xù)用電量差異較大，則嫌疑增加。

（5）電商信用數(shù)據(jù)：獲取此用戶消費(fèi)信用數(shù)據(jù)、消費(fèi)力數(shù)據(jù)。電商一般對(duì)用戶的消費(fèi)、退貨、糾紛情況建立了對(duì)應(yīng)的信用制度，可以作為個(gè)人信用的參考。同時(shí)從總體上來(lái)說(shuō)，消費(fèi)力較好的用戶，竊電概率也會(huì)降低，依次為一定權(quán)重的參照系數(shù)，分析用戶情況。

（6）企業(yè)產(chǎn)量、營(yíng)業(yè)數(shù)據(jù)：對(duì)企業(yè)用電用戶來(lái)說(shuō)，產(chǎn)量與營(yíng)業(yè)數(shù)據(jù)仍然反映了用電的情況。可以獲取同類型企業(yè)用電-產(chǎn)量比，得到單位產(chǎn)量的用電情況，進(jìn)而分析此企業(yè)/用戶用電是否偏離正常。

圖1 平臺(tái)架構(gòu)圖

3 數(shù)據(jù)分析與建模

根據(jù)上述接口，獲得全量多維數(shù)據(jù)后，可加載入系統(tǒng)，可按照防竊電分析模型進(jìn)行嫌疑分析等。例如，對(duì)幾個(gè)代表性的用戶進(jìn)行了數(shù)據(jù)采集，多維數(shù)據(jù)如表1所示。

表1 用戶數(shù)據(jù)表

從氣象系統(tǒng)獲取歷年每月平均氣溫?cái)?shù)據(jù)。在采集了上述數(shù)據(jù)后，加載竊電行為分析計(jì)算模型到Hadoop大數(shù)據(jù)分析引擎中。分析步驟為：

（1）計(jì)算每月平均氣溫偏離比，得到每月用電影響氣溫因子：

即計(jì)算出當(dāng)前月份往前12個(gè)月的平均氣溫與上輪對(duì)應(yīng)12個(gè)月份的平均氣溫偏離比。例如當(dāng)前為6月，平均氣溫為25度，而對(duì)應(yīng)偏離比為|（26.5-25）/26.5| = 0.0566。

（2）獲得用戶信用值

每個(gè)用戶都有自己的信用值，主要參考阿里提供的芝麻信用。芝麻信用是一個(gè)綜合的信用評(píng)估報(bào)告值，結(jié)合了各個(gè)的資產(chǎn)、貸款、信用卡、生活繳費(fèi)等多個(gè)維度的信用情況，具有很好的參考意義。

（3）計(jì)算家庭人口變化系數(shù)

用戶家庭的水、氣的使用情況往往隨著人數(shù)變化而變化，根據(jù)抽樣，可近似為線性增長(zhǎng)。

（4）計(jì)算預(yù)估用電值

預(yù)估用電值，主要反映用戶在氣溫變化、人口變化情況下，預(yù)計(jì)的本月用電量。是根據(jù)過(guò)去兩年對(duì)應(yīng)月份用電量，及家庭人口變化系數(shù)和每月用電影響因子，計(jì)算出預(yù)估本月用電量。

（5）計(jì)算竊電嫌疑評(píng)估值

根據(jù)預(yù)估的用電量，對(duì)比當(dāng)月用電量，結(jié)合用戶信用值，得到每個(gè)用戶嫌疑評(píng)估值。

通過(guò)上述驗(yàn)證數(shù)據(jù)，可得出用戶的竊電行為評(píng)估值結(jié)果。

4 結(jié)論

本文通過(guò)設(shè)計(jì)基于實(shí)時(shí)多維數(shù)據(jù)的竊電行為分析平臺(tái)，將各類系統(tǒng)的數(shù)據(jù)進(jìn)行數(shù)據(jù)集成，利用云計(jì)算大數(shù)據(jù)模型進(jìn)行分析。構(gòu)建竊電行為分析模型，將數(shù)據(jù)分析過(guò)程與結(jié)果提供給供電單位，讓他們能夠從中提取到自己關(guān)心的具有竊電嫌疑個(gè)體信息，開(kāi)展針對(duì)性的稽查工作。利用大數(shù)據(jù)與云計(jì)算技術(shù)的優(yōu)勢(shì)整合現(xiàn)有的各類數(shù)據(jù)，建立云端的竊電行為分析系統(tǒng)，其有別于傳統(tǒng)的部署大量用電計(jì)量防竊終端的方式，也有別于拉網(wǎng)式的人工稽查方式，讓數(shù)據(jù)分析為工業(yè)生產(chǎn)服務(wù)。平臺(tái)不僅僅基于現(xiàn)有的用電數(shù)據(jù)，更是引入了多維度的信息，包括天氣變化對(duì)用電的影響、個(gè)人信用因素的影響、生產(chǎn)經(jīng)營(yíng)數(shù)據(jù)的影響等，這些數(shù)據(jù)讓分析的結(jié)果更準(zhǔn)確，更有實(shí)用價(jià)值。

[1]張素香，劉建明，趙丙鎮(zhèn)，等. 基于云計(jì)算的居民用電行為分析模型研究[J]. 電網(wǎng)技術(shù)，2013（6）.

[2]郝然, 艾芊, 肖斐. 基于多元大數(shù)據(jù)平臺(tái)的用電行為分析構(gòu)架研究[J]. 電力自動(dòng)化設(shè)備，2017（8）.

[3]徐磊, 楊秀, 張美霞. 基于數(shù)據(jù)挖掘的工業(yè)用戶用電行為分析[J]. 電測(cè)與儀表， 2017（16）.

[4]李端超, 王松. 基于大數(shù)據(jù)平臺(tái)的電網(wǎng)線損與竊電預(yù)警分析關(guān)鍵技術(shù)[J]. 電力系統(tǒng)保護(hù)與控制，2018（5）.