楊 媛，薛峪峰，田光欣

（1.國網(wǎng)青海省電力公司海東供電公司，青海海東 810600；2.國網(wǎng)青海省電力公司信息通信公司，青海西寧 810008）

近年來，竊電問題層出不窮，給供電公司帶來巨大損失。隨著智能化技術(shù)的成熟，越來越多的供電公司使用集抄系統(tǒng)，雖然能夠有效減少抄表次數(shù)，減輕人工工作任務(wù)，但是，大用電客戶也有了更多的機會進行竊電操作。常用的竊電方法有欠流法竊電、移相法竊電、擴差法竊電以及借零法竊電，利用不同的手段改變電能表線路，達到竊電的目的[1-2]。

當(dāng)前，反竊電形勢越來越嚴峻，竊電預(yù)防及查處難的問題困擾著各種不同的供電企業(yè)。針對反竊電問題進行了較多的研究。文獻[3]利用DBN 深度學(xué)習(xí)算法研究了一種新的反竊電手段，選取多層神經(jīng)網(wǎng)絡(luò)模型確定圖像信息、文本信息和語音數(shù)據(jù)信息，實現(xiàn)反竊電工作。但是這種技術(shù)計算量過大，耗費時間過長，不具備實時性，無法適用于實際應(yīng)用中。文獻[4]提出了基于時空關(guān)聯(lián)矩陣的配電臺區(qū)反竊電預(yù)警方法，對數(shù)據(jù)進行清洗，利用線性插值算法校正缺失的數(shù)據(jù)，分析數(shù)據(jù)關(guān)聯(lián)，判斷是否存在竊電行為，建立關(guān)聯(lián)模型，尋找竊電信息，但是這種方法在電能計量裝置上應(yīng)用能力較差。

該文在傳統(tǒng)研究基礎(chǔ)上，設(shè)計了一種新的電能計量裝置現(xiàn)場反竊電自動化檢驗技術(shù)。在分析智能電表的不同類型和頻率后，給出了檢驗方法，通過實驗驗證了檢驗技術(shù)的實際應(yīng)用效果。

1 竊電數(shù)據(jù)挖掘

在對數(shù)據(jù)進行挖掘之前，檢測用戶用電數(shù)據(jù)是否存在異常，如果確定用戶存在異常，則分析異常狀態(tài)，判斷用戶是否存在竊電行為[5]。數(shù)據(jù)挖掘流程如圖1 所示。

圖1 電能計量裝置現(xiàn)場竊電數(shù)據(jù)挖掘流程

觀察圖1 可知，數(shù)據(jù)挖掘主要由數(shù)據(jù)信息集成、數(shù)據(jù)清晰度顯示、數(shù)據(jù)信息變換和數(shù)據(jù)內(nèi)容簡化組成。采集用戶的原始數(shù)據(jù)，并對其初始化處理。該處理主要是對數(shù)據(jù)質(zhì)量的篩選?；诖?，將初始化的數(shù)據(jù)統(tǒng)一集成，在完成集成后，將數(shù)據(jù)名稱、結(jié)構(gòu)、含義和字長完成轉(zhuǎn)換，去除空白數(shù)據(jù)和噪聲，去除原始數(shù)據(jù)中的噪聲數(shù)據(jù)和無關(guān)數(shù)據(jù)，通過重復(fù)處理和類型轉(zhuǎn)換得到更清晰的數(shù)據(jù)[6]。

同時使用監(jiān)督和無監(jiān)督的方式實現(xiàn)數(shù)據(jù)清洗，在實現(xiàn)連續(xù)數(shù)據(jù)離散化處理后，可減少數(shù)據(jù)量，從而保證數(shù)據(jù)分類更加準確。描述用電數(shù)據(jù)的特征，利用切換操作和旋轉(zhuǎn)操作完成規(guī)格化的處理，從而得到真實的屬性值[7]。

確定IS-A 語義關(guān)系。根據(jù)語義關(guān)系減少元件數(shù)量，從而提高數(shù)據(jù)的計算效率[8]。分析數(shù)據(jù)屬性，實現(xiàn)數(shù)據(jù)簡化，由于直接挖掘會影響數(shù)據(jù)挖掘結(jié)果，因此必須要分析數(shù)據(jù)本身的內(nèi)容，確定數(shù)據(jù)特征，從而使數(shù)據(jù)挖掘的規(guī)則更加簡單。確定數(shù)據(jù)特征和屬性，通過抽樣方法實現(xiàn)數(shù)據(jù)的剪枝處理，采用因子分析的方法得到數(shù)據(jù)主成分，以零散化的方式實現(xiàn)屬性處理，對比不同的特征屬性，從而使知識狀態(tài)擁有更多空間維數(shù)。從關(guān)聯(lián)分析的角度出發(fā)，設(shè)定置信度指標(biāo)，使支持度較低的元組能夠得到分解[9-10]。

2 竊電行為分析

在完成數(shù)據(jù)挖掘后，分析用戶的用電特性，確定電力用戶的算法。數(shù)據(jù)預(yù)處理在用電信息采集的基礎(chǔ)上，針對不同裝置的用電量、功率、負荷等因素進行處理[11-12]。

處理序列中值，統(tǒng)計內(nèi)部的異常數(shù)據(jù)，設(shè)定移動寬度為m，利用窗口分析數(shù)據(jù)的有效性輸出信號，實現(xiàn)數(shù)據(jù)的統(tǒng)計，當(dāng)工作時間為t時，數(shù)據(jù)的表達公式為：

其中，w表示t時刻的測量值；x表示輸出值。

確定數(shù)據(jù)的中值，從而得到用戶電力數(shù)據(jù)尺度序列，計算公式為：

其中，{d1,d2,…,dm}表示得到的電力數(shù)據(jù)尺度序列；Z表示得到的數(shù)據(jù)中值。

確定數(shù)據(jù)中值后，計算測量值濾波如式（3）所示：

其中，x(t)表示在沒有經(jīng)過濾波處理時輸出的數(shù)值；表示經(jīng)過濾波處理后輸出的數(shù)值；LDT表示得到的門限參數(shù)；MAD(t)表示得到的中值偏差。

在對用戶數(shù)據(jù)進行預(yù)處理時，要分析濾波器特性，分析噪聲特點和信號運算速度，從而實現(xiàn)信息的基礎(chǔ)處理[13]。

在利用PCA 算法進行計算的過程中，所有的用電用戶數(shù)據(jù)設(shè)置統(tǒng)一均值為0，統(tǒng)一方差值為1，從線性函數(shù)角度出發(fā)，完成歸一化處理，歸一化過程如式（4）所示：

在剔除不同歷史數(shù)據(jù)的異常數(shù)據(jù)后，完成歸一化分析和有效統(tǒng)計。得到用電數(shù)據(jù)特征后，診斷用戶的竊電數(shù)據(jù)，引入RVFLN 的隱含層函數(shù)，計算互聯(lián)網(wǎng)絡(luò)中心，分析不同節(jié)點的寬度，通過聚類的方法將信息輸入函數(shù)中心。選擇線性回歸的方式求解不同的數(shù)據(jù)，引用二次優(yōu)化技術(shù)得到輸出層的權(quán)值，在完成信息處理后，分析不同模型參數(shù)的有效性。

3 反竊電自動化檢驗

當(dāng)用戶出現(xiàn)竊電行為時，電表或鄰近用戶電表的電壓也會下降，因此需要對用戶行為異常進行檢驗，從空間維度、時間維度和關(guān)系維度三方面進行辨識，用戶竊電行為判別樹如圖2 所示。

圖2 用戶竊電行為判別樹

根據(jù)圖2 可知，利用不同的數(shù)據(jù)建立判別樹，對異常因子進行采集，尋找不同的因素，篩選局部異常因子，檢測用戶電壓表中LOF，確定用戶是否為異常用戶，對不同用戶的電壓、電流和功率因子進行整合，判斷用戶的竊電行為[15]。

利用線性插值計算對不同的數(shù)據(jù)進行補正，對獲取的缺陷數(shù)據(jù)進行分析，通過線性插值的計算方法確定缺失數(shù)據(jù)的異常值，實現(xiàn)數(shù)據(jù)預(yù)估[16]。對現(xiàn)場的電能計量裝置線損進行計算，從而為反竊電預(yù)測模型異常分析提供基礎(chǔ)，確定異常數(shù)據(jù)的竊電風(fēng)險[17-19]，在不同時間內(nèi)獲得線索波動曲線，同時比較標(biāo)準偏差和理論線損，實現(xiàn)關(guān)聯(lián)分析，與閾值進行對比，如果超過閾值，則證明存在竊電行為。

驗證分析結(jié)果，比較電流差和波動值，分析數(shù)據(jù)之間的重合度，尋找不同電能計量裝置存在的竊電風(fēng)險，同時對數(shù)據(jù)的時間戳進行記錄。記錄電壓變化、電流變化和功率因素變化時得到的時間重合度，分析時間維度。設(shè)定不同的判斷別方式，以遠程審核的手段檢測現(xiàn)場，確定竊電用戶，同時提取可疑用戶的數(shù)據(jù)庫，從終端實現(xiàn)數(shù)據(jù)查詢和布線，防止在查詢過程中，出現(xiàn)用戶追蹤的線性。

4 實驗研究

為了檢測該文提出的電能計量裝置現(xiàn)場反竊電自動化檢驗技術(shù)的有效性，設(shè)定實驗。針對某電能計量裝置的反竊電預(yù)測分析，利用供電公司所提供的最小特征值設(shè)定閾值，在檢測過程中，涉及的配電臺區(qū)共有50 個，配電采取用戶有7 000 名。電能計量裝置結(jié)構(gòu)如圖3 所示。

圖3 電能計量裝置結(jié)構(gòu)

比較不同地區(qū)的平均線損波動率，得到的線損波動情況如圖4 所示。

根據(jù)圖4 可知，該文研究的特征閾值為15，如果用戶的平均線損波動率超過這一數(shù)值，則證明用戶存在異常，有可能存在竊電行為，采集點共有35 個，實驗對4 組用戶進行檢測，由結(jié)果可知，用戶3 和用戶4 的線損波動率始終超過額定閾值，他們的用電行為存在異常，可能出現(xiàn)竊電行為。

對用戶1 和用戶2 的電壓離群現(xiàn)象進行檢測，得到的檢測結(jié)果如圖5 所示。

圖5 電壓離群現(xiàn)象檢測結(jié)果

根據(jù)圖5 可知，用戶1 和用戶2 的離群點分散情況不夠集中，被其他離散點孤立，由此可見，都存在竊電行為。

使用該文檢驗技術(shù)對竊電量進行竊電量檢測，檢測結(jié)果如表1 所示。

表1 竊電量檢測結(jié)果

由表1 可知，該文提出的檢驗技術(shù)檢驗結(jié)果與實際竊電量結(jié)果基本吻合，檢測能力較強。綜上所述，該文提出的檢驗技術(shù)具有很強的檢驗?zāi)芰Γ軌蚓珳实貙崿F(xiàn)竊電量檢驗。

5 結(jié)束語

該文在傳統(tǒng)分析的基礎(chǔ)上，針對電能計量裝置研究了一種現(xiàn)場反竊電自動化檢驗技術(shù)，通過對信息的精準核查和不同竊電量的預(yù)估，實現(xiàn)自動檢測。在完成用戶信息采集后，對數(shù)據(jù)進行處理，明確不同的信息和參數(shù)，利用技術(shù)型手段判斷是否存在竊電行為，從而提高反竊電效果。該文研究的技術(shù)能夠精準地提煉數(shù)據(jù)特征和屬性，從而保證能夠很好地分割正常用電和非正常用電，引入線性特征，實現(xiàn)信息的有效控制和研究。在控制過程中，從分析的角度提高信息管理的準確性。

雖然該文研究的電能計量裝置現(xiàn)場反竊電自動化檢驗技術(shù)實用性較高，但是對于閾值依賴較大，后續(xù)需要深入分析樸素貝葉斯分類算法，從而更好地確定閾值，提高技術(shù)的實際應(yīng)用能力。