摘要：為實現(xiàn)對異常信息的精確識別，文章提出基于電力載波通信技術(shù)的用電信息異常數(shù)據(jù)挖掘方法。該方法引進電力載波技術(shù)獲取用電信息；收集電力系統(tǒng)的用電數(shù)據(jù)，進行用電類別提取與異常判定；提取異常用電數(shù)據(jù)中的關(guān)鍵特征，實現(xiàn)對異常用電信息的挖掘。實驗結(jié)果表明，文章設(shè)計的方法可以實現(xiàn)對數(shù)組中所有異常數(shù)據(jù)的精確識別與挖掘。

關(guān)鍵詞：電力載波通信技術(shù)；異常判定；挖掘方法；異常數(shù)據(jù)；用電信息

中圖分類號：TP371 文獻標志碼：A

0 引言

電力系統(tǒng)的智能化和自動化水平的提高，使得用電信息的實時監(jiān)控和異常檢測成為保障電力系統(tǒng)穩(wěn)定運行的重要手段。用電信息異?？赡苌婕案`電、設(shè)備故障、非法用電等多種情況，如果不能及時發(fā)現(xiàn)和處理，不僅可能導致電力損失，還可能對電力系統(tǒng)的安全運行造成威脅。

目前，國內(nèi)部分機構(gòu)研究了部分數(shù)據(jù)挖掘方法。王宏杰等［1］通過人工蜂群算法的全局搜索能力和入侵雜草優(yōu)化算法的局部優(yōu)化能力，實現(xiàn)了對云平臺大數(shù)據(jù)的高效處理和分析。但由于云平臺數(shù)據(jù)的復雜性和動態(tài)性，算法的參數(shù)設(shè)置和適應(yīng)度函數(shù)設(shè)計可能面臨挑戰(zhàn)。同時，隨著數(shù)據(jù)量的不斷增長，算法的計算復雜度和時間成本可能會顯著增加，影響實時性。李瑛等［2］通過全局信息數(shù)據(jù)融合策略，融合網(wǎng)絡(luò)的原始采集數(shù)據(jù)，并運用平均不純度減少特征重要度計算方法選擇有效特征，形成特征集。在此基礎(chǔ)上，算法利用內(nèi)外卷積網(wǎng)絡(luò)深度學習網(wǎng)絡(luò)模型進行異常行為的分類和識別。但在應(yīng)用中，訓練深度學習模型往往需要大量樣本數(shù)據(jù)作為支撐，而實際場景內(nèi)異常行為的標注數(shù)據(jù)可能較為稀缺。

根據(jù)公司《南方電網(wǎng)公司十四五電能量數(shù)據(jù)深化應(yīng)用規(guī)劃》要求，文章將以某電力企業(yè)為例，引進電力載波通信技術(shù)，開展用電信息異常數(shù)據(jù)挖掘方法的設(shè)計研究。

1 基于電力載波通信技術(shù)的用電信息獲取

為滿足用電信息異常數(shù)據(jù)挖掘需求，文章設(shè)計方法時，引進電力載波通信技術(shù)，進行用電信息的獲取。在此過程中，文章引進載波技術(shù)中的頻移鍵控（Frequency Shift Keying，F(xiàn)SK）技術(shù)和相移鍵控（Phase Shift Keying，PSK）技術(shù)，進行用電信號的調(diào)制［3］。FSK技術(shù)可以將用電信息轉(zhuǎn)換為不同頻率的載波信號，從而在電力線上進行傳輸。此過程如式（1）所示。

公式中：Q表示載波信號轉(zhuǎn)換；T1表示采樣信息頻率1；T2表示采樣信號頻率2；F表示電信號采樣模板。在此基礎(chǔ)上，利用PSK改變載波信號的相位，確保采樣數(shù)據(jù)信號傳輸?shù)姆€(wěn)定性。通過將二者結(jié)合，建立電力載波通信模塊，實現(xiàn)對用電信息的獲取，此過程如圖1所示。

在數(shù)據(jù)傳輸?shù)钠鹗茧A段，文章采用FSK調(diào)制方式，以確保信號的穩(wěn)定傳輸和接收［4］，一旦信號同步建立并保持穩(wěn)定，可以切換到PSK調(diào)制方式，以提高數(shù)據(jù)傳輸?shù)乃俾屎托省?/p>

2 用電類別提取與異常判定

按照上述步驟，該方法收集電力系統(tǒng)的用電數(shù)據(jù)，包括電壓、電流、功率、用電量等實時或歷史數(shù)據(jù)。以此為依據(jù)，提取用電類別特征的提取，此過程如式（2）所示。

公式中：r表示用電類別特征；b表示數(shù)據(jù)整合；R表示用電用戶的特征。該方法將收集到的用戶用電數(shù)據(jù)轉(zhuǎn)換為計算機可分析的統(tǒng)一格式，包括用電量、用電時間、功率因數(shù)等多個維度數(shù)據(jù)［5］。根據(jù)用電特征，構(gòu)建支持向量機模型，用于用戶用電類型的劃分。文章利用支持向量機（Support Vector Machine，SVM）模型，在高維空間中尋找最優(yōu)的決策邊界，將不同類別的數(shù)據(jù)有效區(qū)分，將用電數(shù)據(jù)劃分為正常和異常兩個類別，使用標記數(shù)據(jù)進行模型訓練。模型訓練完成后，該方法將其應(yīng)用于新的用電數(shù)據(jù)，以自動判斷其是否屬于異常類別。此過程如式（3）所示。

f=V+m·γ（3）

公式中：f表示異常判定；m表示模型訓練；γ表示SVM模型。按照上述方式，該方法完成用電類別提取與異常判定。

3 異常用電信息挖掘

在完成用電類別提取與異常判定的基礎(chǔ)上，文章進一步開展異常用電信息挖掘工作，以更深入地挖掘電力系統(tǒng)中的異常用電行為。

針對異常用電數(shù)據(jù)類別，該方法進行異常用電行為的特征提取與模式識別，通過提取異常用電數(shù)據(jù)中的關(guān)鍵特征，如用電量異常增長、用電時間異常變化等，可以識別出異常用電的具體模式。此過程如式（4）所示。

公式中：A表示異常用電的具體模式；i表示用電時間；U表示分類器；q表示電量異常增長。在模式識別的基礎(chǔ)上，該方法進一步分析異常用電行為的原因，包括由于設(shè)備故障、竊電行為、誤操作等多種因素導致的用電信息異常數(shù)據(jù)。

文章收集大量的正常用電數(shù)據(jù)和異常用電數(shù)據(jù)，建立一個完善的數(shù)據(jù)庫存儲信息，正常用電數(shù)據(jù)提供電力消耗的正常范圍和模式，而異常用電數(shù)據(jù)則揭示數(shù)據(jù)的異常現(xiàn)象。文章利用數(shù)據(jù)分析工具和技術(shù)，對比正常用電數(shù)據(jù)和異常用電數(shù)據(jù)的差異。文章通過對比，挖掘異常用電數(shù)據(jù)中的關(guān)鍵特征，如用電量突增、用電時間異常波動、用電負荷分布不均等。根據(jù)特征，文章對其進行聚類，得到異常數(shù)據(jù)簇的平均值，將此數(shù)值作為異常數(shù)據(jù)中的中心數(shù)值，以此為依據(jù)，對此數(shù)據(jù)的邊緣數(shù)據(jù)進行提取，即可實現(xiàn)對用電信息異常數(shù)據(jù)的挖掘。按照上述步驟，文章完成異常用電信息的挖掘，實現(xiàn)基于電力載波通信技術(shù)的用電信息異常數(shù)據(jù)挖掘方法設(shè)計。

4 對比實驗

完成用電信息異常數(shù)據(jù)挖掘方法的設(shè)計后，文章為實現(xiàn)對該方法應(yīng)用效果的檢驗，以某電力企業(yè)作為試點，展開對比實驗研究。

目前，試點企業(yè)已建立了一套完善的異常數(shù)據(jù)檢測與處理系統(tǒng)。通過實時監(jiān)測用戶的用電數(shù)據(jù)，系統(tǒng)能夠自動識別異常數(shù)據(jù)，并觸發(fā)相應(yīng)的處理機制。但隨著該企業(yè)的用戶規(guī)模不斷擴大，截至2023年年底，企業(yè)已擁有數(shù)十萬用戶，極大程度上增加了用電信息管理的難度。

盡管該企業(yè)在用電信息異常管理方面取得了一定的成效，但異常率仍然較高。據(jù)統(tǒng)計數(shù)據(jù)顯示，2023年該企業(yè)的用電信息異常率達到了23%，較上年略有上升。這與用戶用電行為的多樣性和復雜性有關(guān)，也說明了企業(yè)在異常數(shù)據(jù)檢測與處理方面仍存在不足。

為解決現(xiàn)階段企業(yè)用電信息異常數(shù)據(jù)管理工作中的不足，該方法搭建對比實驗平臺，準備用電信息。實驗環(huán)境參數(shù)如表1所示。

在明確實驗環(huán)境參數(shù)的基礎(chǔ)上，實驗平臺進行實驗中用電信息的準備，數(shù)據(jù)樣本如表2所示。

完成實驗數(shù)據(jù)的準備后，實驗平臺引進王宏杰等［1］方法、李瑛等［2］方法，將其作為對照組方法1、2，在已知數(shù)組中異常數(shù)據(jù)條數(shù)的基礎(chǔ)上，使用3種方法，使用對照組方法與文章方法，進行用電信息異常數(shù)據(jù)的挖掘。統(tǒng)計實驗結(jié)果，如表3所示。

從表3所示的實驗結(jié)果可以看出，使用3種方法進行用電信息異常數(shù)據(jù)挖掘，只有文章方法可以實現(xiàn)對數(shù)組中所有異常數(shù)據(jù)的挖掘，而傳統(tǒng)方法無法實現(xiàn)對所有異常數(shù)據(jù)的挖掘。綜合上述結(jié)果可以得到結(jié)論：相比現(xiàn)有方法，文章設(shè)計的基于電力載波通信技術(shù)的挖掘方法應(yīng)用效果良好，按照規(guī)范進行用電信息異常數(shù)據(jù)挖掘，可以實現(xiàn)對數(shù)組中所有異常數(shù)據(jù)的精確識別與挖掘，以此種方式，規(guī)范電力終端用戶用電信息的規(guī)范化管理。

5 結(jié)語

數(shù)據(jù)挖掘技術(shù)是一種從批量數(shù)據(jù)集和信息集中提取價值知識與信息的過程?，F(xiàn)階段，此項技術(shù)在各個領(lǐng)域都有廣泛的應(yīng)用。在電力系統(tǒng)中，數(shù)據(jù)挖掘技術(shù)可以幫助技術(shù)人員分析用電信息，發(fā)現(xiàn)潛在的異常模式，為電力系統(tǒng)的穩(wěn)定運行提供有力支持。為實現(xiàn)對此方面工作的推進，文章引進電力載波通信技術(shù)，通過用電信息獲取、用電類別提取與異常判定、異常用電信息挖掘，開展了用電信息異常數(shù)據(jù)挖掘方法的設(shè)計研究。該技術(shù)通過電力載波通信技術(shù)獲取用電數(shù)據(jù)，再利用數(shù)據(jù)挖掘技術(shù)對數(shù)據(jù)進行處理和分析，可以發(fā)現(xiàn)用電信息中的異常模式，為電力系統(tǒng)的運行和維護提供重要參考。

參考文獻

［1］王宏杰，徐勝超.人工蜂群聯(lián)合入侵雜草優(yōu)化的云平臺異常行為數(shù)據(jù)挖掘［J］.現(xiàn)代電子技術(shù)，2023（20）：86-90.

［2］李瑛，楊麗娟，朱蓬華.基于數(shù)據(jù)挖掘的船用通信網(wǎng)絡(luò)異常行為分類和識別研究方法［J］.艦船科學技術(shù)，2023（21）：181-184.

［3］段磊，楊超，朱衡，等.基于抗差估計與改進GSA數(shù)據(jù)挖掘的配網(wǎng)異常數(shù)據(jù)聚類檢測方法［J］.電力科學與工程，2023（12）：41-50.

［4］孫立吉，邢偉，郝立波，等.EM分類法在區(qū)域地球化學數(shù)據(jù)挖掘中的應(yīng)用：以湖南省洞口地區(qū)1∶20萬水系沉積物Pb異常識別為例［J］.科學技術(shù)與工程，2023（23）：9820-9827.

［5］高楊.大環(huán)境數(shù)據(jù)挖掘的網(wǎng)絡(luò)異常數(shù)據(jù)快速采集在環(huán)境保護管理系統(tǒng)中的應(yīng)用［J］.環(huán)境工程，2023（1）：348.

Data mining method for abnormal electricity consumption information based on power carrier communication technology

Abstract： To achieve accurate identification of abnormal information， the article proposes a method for mining abnormal data in electricity consumption information based on power carrier communication technology. This method introduces power carrier technology to obtain electricity consumption information， which collects electricity consumption data of the power system， extracts electricity consumption categories and determines anomalies. It extracts key features from abnormal electricity consumption data and achieves mining of abnormal electricity consumption information. The experimental results show that the method designed in the article can accurately identify and mine all abnormal data in the array.

Key words： power carrier communication technology; abnormal judgment; excavation methods; abnormal data; electricity consumption information