［莊丹 郭向榮 鄧金榮 許學(xué)研 曹海山 陳慶專 黃偉群］

1 引言

隨著網(wǎng)絡(luò)強國戰(zhàn)略的不斷深入，邊遠地區(qū)手機基本普及，人民對5G 的需求不斷增加，移動通信運營商每年投入大量的資金建設(shè)5G 基站，基本遍布全國各區(qū)域。移動網(wǎng)絡(luò)站點廣泛分布在各處，基站用電無人看管，用電異常問題隨著基站數(shù)量的增加也日趨嚴重，偷漏電現(xiàn)象時有發(fā)生。

通信運營商每年支出大量的電費費用，通信基站偷漏電嚴重侵害了通信運營商的合法權(quán)益，給國家?guī)砹司薮蠼?jīng)濟損失，而且電壓不穩(wěn)對機房設(shè)備造成較大的安全隱患。

因此,探究基于高精度、低成本的用電異常檢測方法勢在必行。針對基站用電異常問題，本文通過電表大數(shù)據(jù)、基站設(shè)備數(shù)據(jù)、網(wǎng)管能耗數(shù)據(jù)、用戶行為等多維數(shù)據(jù)，研究一種精細化、多維度、場景化關(guān)聯(lián)的用電異常檢測方法，輸出用電異常站點清單，高效支撐現(xiàn)場排查取證。

2 檢測方法建立

2.1 提煉用戶行為特征

通信基站用電量短期內(nèi)相對平穩(wěn)，且總用電量受限于機房內(nèi)設(shè)備總額定功率。不同類型竊電用戶有不同的用電規(guī)律，主要用于工廠生產(chǎn)、家庭作坊、樓房出租照明、辦公樓用電、普通家庭日用等5 類場景。不同場景對應(yīng)用電特征如下。

2.1.1 工廠生產(chǎn)、家庭作坊、辦公樓用電

日常用電量大，但重要節(jié)假日停止生產(chǎn)，用電量急劇下降，假期結(jié)束后恢復(fù)生產(chǎn)，用電量又急劇上升。用電特征呈現(xiàn)“凹”字形。

2.1.2 樓房出租照明

與工廠類型類似，在春節(jié)、中秋節(jié)、國慶節(jié)等重要節(jié)日人員返鄉(xiāng)或外出旅游，該段時間用電量減少，臨近假期結(jié)束，人員返回出租屋，用電量呈現(xiàn)上升趨勢。用電特征呈現(xiàn)“凹”字形。

2.1.3 普通家庭日常用電

整體用電量小，由于使用習(xí)慣，每天的用電量難以精準控制，每天用電波動性大。

2.2 數(shù)據(jù)準備

在電力賬戶下4 500 個直供電電表每天產(chǎn)生用電數(shù)據(jù)，每月大概14 萬條數(shù)據(jù)，累積形成用電基礎(chǔ)信息庫。

提取每個網(wǎng)絡(luò)機房每臺設(shè)備、空調(diào)的每天功率數(shù)據(jù)，計算對應(yīng)機房的額定功耗上限，形成機房每天額定功率信息庫。

提取網(wǎng)管系統(tǒng)設(shè)備的每天能耗數(shù)據(jù)，和相關(guān)業(yè)務(wù)量數(shù)據(jù)，形成設(shè)備能耗信息庫。

2.3 多維模型建立

2.3.1 工廠、辦公偷電場景

工廠生產(chǎn)、家庭作坊、辦公樓用電和樓房出租照明用電特征均與節(jié)假日人流擴散相關(guān)，節(jié)假日的日均用電量低于非節(jié)假日電量，用電特征呈現(xiàn)“凹”字形，與基站在節(jié)假日期間的平穩(wěn)或上升的用電趨勢相背離。

取放假前電表每天平均耗電量為P1，假日期間電表每天平均耗電量為P2，假期結(jié)束后電表每天平均耗電量為P3，左側(cè)下降值D1=（P1-P2）/P2，右側(cè)上升值D1=（P3-P2）/P2，設(shè)置凹陷閾值N，當(dāng)D1＞N同時D2＞N時，說明用電趨勢呈現(xiàn)“凹”字，N值為凹陷深度，當(dāng)N值設(shè)置越大，凹陷越深，用電異?？赡苄栽酱?。

對節(jié)假日期間與放假前后進行電量比對，控制凹陷閾值，輸出異常用電清單，建立“節(jié)假日場景用電異常模型”，專攻工廠、辦公偷電場景。

2.3.2 普通家庭日常用電場景

普通家庭日常用電用電波動大，利用波動特性建立3種模型。

（1）額定功率超標模型

通過每天用電能耗與該電表下所有設(shè)備的最大理論功耗相比對，應(yīng)用pandas 進行數(shù)列快速計算，假設(shè)電表每天能耗數(shù)據(jù)為P1，該電表下帶機房里所有設(shè)備的最大理論功耗為P2，機房數(shù)據(jù)準確、正常用電情況下，不可能突破所有設(shè)備的最大理論功耗。以天為顆粒度進行檢測，只要出現(xiàn)某一天P1≥P2時，則站點可能存在用電異常現(xiàn)象。對超過最大理論功耗的站點進行定位，建立“額定功率超標模型”，專攻居民偷電場景。

（2）電表數(shù)據(jù)高偏離度模型

利用基站用電的穩(wěn)定性，應(yīng)用中心極限定理，隨機對電表大數(shù)據(jù)隨機m次抽取n個樣本求出平均值，按照EP校驗理論，平均值的分布應(yīng)接近正態(tài)分布。在我國國標《GB/T4882-2001數(shù)據(jù)的統(tǒng)計處理和解釋：正態(tài)性檢驗》中，在有方向的檢驗方法中，推薦了偏度和峰度檢驗；在無方向的檢驗方法中，推薦了Shapiro-Wilk檢驗和Epps-Pulley檢驗。本文選用EP 檢驗，假設(shè)H0 為正態(tài)分布，計算T，如果T落入拒絕域，則認為H0 為假：

其中，n為樣本的個數(shù)，為樣本方差（除以n），為樣本均值，為具體的樣本取值。統(tǒng)計量通常用計算機編程得到，其拒絕域為：

α為顯著性水平，衡量犯第一類錯誤（棄真錯誤）的概率。原假設(shè)H0是正態(tài)分布的，但是通過樣本估計總體后，錯誤的拒絕了原假設(shè)。錯誤的概率是α。

相應(yīng)的數(shù)據(jù)，如表1 所示。

表1 顯著性檢驗表

隨機抽樣的用電均值數(shù)量大概在50 左右，因此假設(shè)超過50 的，再隨機抽50 個進行計算，如果低于50，則隨機抽30 個進行測算，超過100 則按照100 測算，以此類推。

對原有的4 474個電表，取1～3月份的每天用電數(shù)據(jù)，得到統(tǒng)計結(jié)果如表2 所示。

表2 電表正態(tài)性檢驗結(jié)果信息表

從表2 可知，大約有8 成的電表符合正太分布的特征。

因此，可對電表進行偏離處理，當(dāng)出現(xiàn)了讀數(shù)明顯偏離了正態(tài)分布期望之外，大于3 倍樣本標準差值的平均值，輸出為疑似異常站點。建立“電表數(shù)據(jù)高偏離度模型”，專攻電表不正常波動高偏離場景。

（3）日耗電偏離設(shè)備能耗模型

通過在后臺采集到的射頻及基帶能耗數(shù)據(jù)，考慮業(yè)務(wù)量、空調(diào)能耗、線路損耗等因素，當(dāng)每天用電數(shù)據(jù)超過后臺設(shè)備能耗N倍時，輸出為疑似異常站點。建立“日耗電偏離設(shè)備能耗模型”，專攻設(shè)備用電異常場景。

如圖1 所示，通過建立多維度檢測模型，4 種模型同時檢測，加強用電異常檢測精度。

圖1 多維模型建立思路

3 檢測方法驗證

3.1 節(jié)假日場景用電異常模型

2021年2月11日至2月17日為春節(jié)假期，用2.8～2.17春節(jié)期間各直供站點的用電量，與1.1～1.10（停工前）、3.14～3.24（復(fù)工后）日均用電比對，凹陷閾值取-30%，共輸出4 個疑似異常站點。經(jīng)現(xiàn)場排查，4 個站點均發(fā)現(xiàn)存在搭線行為，偷電線路均用于生產(chǎn)，每天偷電數(shù)額較大。

如圖2 所示，以龍湖1 匯聚機房為例，站點建設(shè)在工廠樓房上，1.1～1.10 平均每天電表耗電量620 度，春節(jié)期間急劇下降至358 度，3.14～3.24 恢復(fù)生產(chǎn)后，平均每天電表耗電量500 度，現(xiàn)場取證發(fā)現(xiàn)業(yè)主從我司基站電表處偷搭電線，用于工廠生產(chǎn)。

圖2 節(jié)假日場景用電異常模型部分典型異常站點

反過來，利用模型顯示的用電特征，可以指導(dǎo)現(xiàn)場排查取證。以龍湖2 基站為例，現(xiàn)場可發(fā)現(xiàn)在基站電表處被偷搭電線，現(xiàn)場測試搭線電流為12 A，因站點所屬城中村樓宇密集線路復(fù)雜，通過摸查線路無法確認偷電用戶。該站點節(jié)日期間異常用電特征明顯，結(jié)合偷電線路電流情況，初步判斷為工廠、作坊類用電。經(jīng)逐戶排查，排除春節(jié)不停工的餐飲類商鋪，發(fā)現(xiàn)不遠處有一家服裝制作類家庭作坊，通過現(xiàn)場蹲守+電表拉閘斷電方式，確認該家庭作坊為偷電用戶，以特征反向確認場景，從而制止相關(guān)偷電行為。閾值為30%時，異常用電特征明顯，但輸出數(shù)量有限，為進一步優(yōu)化模型，將凹陷閾值由30%調(diào)整為10%，凹陷敏感度有所降低，總共輸出10 個站點。經(jīng)過現(xiàn)場排查驗證，7個站點存在偷電行為，偷電用于家庭作坊、出租屋等，與預(yù)測基本一致；2個站點春節(jié)期間故障導(dǎo)致用電下降，1 個站點空調(diào)功率大經(jīng)多次排查無問題，判定為正常波動。

3.2 額定功率超標模型

用1～5 月份的每日電表能耗數(shù)據(jù)與設(shè)備最大理論功耗數(shù)據(jù)進行比對，共38 個站點出現(xiàn)某天電表用電量超過機房設(shè)備額定功率的現(xiàn)像。將檢測顆粒度由以前的“月”，精細化到“天”，相當(dāng)于加了“放大鏡”作用。38 個站點經(jīng)現(xiàn)場排查，9 個存在用戶搭線行為，29 個經(jīng)現(xiàn)場確認存在綜資后臺設(shè)備錄入型號、數(shù)量、功率等與現(xiàn)場不一致的情況，修正綜資數(shù)據(jù)后已正常。

如圖3 所示，以潮南1 基站為例，基站最大理論功耗為每天72 度，但有部分時間電表的用電量接近90 度，經(jīng)現(xiàn)場驗證，用戶在基站線路中間搭線，偷電用于家庭的日常使用，導(dǎo)致基站電表用電出現(xiàn)異常。

圖3 額定功率超標模型部分典型異常站點

3.3 電表數(shù)據(jù)高偏離度模型

每個電表從1～3 月份共90 個采樣點中，隨機抽取10個采樣點，取200 組，由于離散的關(guān)系，每組平均能耗值理論上應(yīng)較為集中，呈現(xiàn)正太分布，取與期望值偏離誤差較大（大于5%）作為異常站點。如圖4 所示，模型共輸出18 個異常站點，經(jīng)現(xiàn)場排查，核實搭線偷電站點6 個，12 個站點經(jīng)鉗制電流、摸查線路等手段驗證無偷電現(xiàn)象。

圖4 電表數(shù)據(jù)高偏離度模型部分輸出清單

3.4 日耗電偏離設(shè)備能耗模型

取1～5 月份每日電表能耗數(shù)據(jù)，無線機房采集1～5月份設(shè)備的能耗數(shù)據(jù)，匯聚機房采集1～5 月份動環(huán)數(shù)據(jù)，無線機房N1=每日電表能耗數(shù)據(jù)/設(shè)備能耗數(shù)據(jù)，N1＞3時輸出為異常清單；匯聚機房N2=每日電表能耗數(shù)據(jù)/動環(huán)數(shù)據(jù)，N2＞1.1 時輸出為異常清單。共輸出24 個疑似異常站點。

經(jīng)現(xiàn)場驗證，核實搭線偷電站點12 個，3 個為源數(shù)據(jù)問題，9 個站點經(jīng)鉗制電流、摸查線路等手段驗證無偷電現(xiàn)象。

4 結(jié)束語

本文針對通信機房用電異常問題，將用戶行為場景化并提煉相關(guān)用電行為特征，構(gòu)建了多模型的通信機房偷電偵查方法，通過4 種模型的層層卡控，實現(xiàn)精準、高效、場景化打擊基站偷電行為，有助于營造不敢偷不想偷的良好運營環(huán)境，保護國有資產(chǎn)的合法權(quán)益。