武凤婷
国网介休市供电公司 山西省晋中市 032000
【摘要】反窃电一直是电力企业管理工作中的重要组成部分，但是以往的反窃电工作往往以人工排查为主，具有明显的滞后性，不能很好的打击窃电行为。近年来，随着数字通信技术、电子信息技术和计算机技术的成熟发展，为信息化的快速查找窃电及违约用电技术提供了必要的技术支持。
【关键词】大数据；反窃电；违约用电；探索；分析
1.基于信息化的快速查找窃电及违约用电技术——电力营销大数据应用措
1.1对电力营销大数据进行电量数据分类
在供电企业的发展中不断加强反窃电检查工作，并促进反窃电检查工作质量和效率的提升，有助于更好地发展反窃电行为。将电力营销大数据技术应用于供电企业反窃电检查中，其具备良好的准确性与便捷性。在应用电力营销大数据技术的过程中，供电企业反窃电检查人员可将系统电量相关数据作为主要的评价标准。然后对用电属性实施科学分类，比如说，在不同类型的用电线路特征分析中可充分结合客户的用电负荷曲线进行比较，通过比较大小和波动来确定相应的变化量，然后通过数据模式与电力算法判断异常数据，从而科学判断出用户的窃电行为。在电力营销大数据的相关分类工作中，工作者必须要明确供电企业的线路规划特征，了解线路的基本运行规律。在每一次的反窃电检查中都要准确收集广大用户的相关信息，并进行实时数据分析，不断发现失压、三相电流不平衡或反向、相位异常等现象。在数据分析中一旦发现异常情况，就要进行分时段跟踪调查取证，维护窃电现场证据，并依法给予窃电人员一定的惩处。
1.2对用户用电量数据进行分析
供电企业要想做好反窃电检查工作，需要利用已有的数据进行用电量数据的分析和统计。在数据分析过程中，反窃电检查工作人员需要收集数据并且对数据进行整合处理，这样就可以发现其中存在的问题，才能采取恰当的措施处理问题。在用户用电量数据处理过程中，需要计算用户用电量的平均值和标准差，在此基础上根据负荷值的变化计算差值，这样就可以为供电企业提供参考信息，判断用户是否存在窃电行为。反窃电检查工作人员需要在认识用户用电量的波动状况的基础上进行判断和分析，找出用电量变化比较大的用户。针对用电量变化比较大的用户，需要分析他们最近一段时间的用电量，对实际用电量进行核实，这些用户的电量有一定的损耗，所以，如果在一段时间内用电量变化不大代表着不存在窃电行为。如果用电量变化比较大，需要对其用电量进行进一步的核实，判断其是否存在窃电行为，数据差值越大，窃电的可能性越大，这时，需要对该用户长期的用电状况进行比较，展开相关的排查工作，注意证据的收集，必要时可以进行突击检查，如果检查出存在窃电行为，必须进行惩罚，为其他人起到一定的震慑作用。由此可以看出，在反窃电检查工作中，电力营销大数据发挥着越来越重要的作用，供电企业也需要进一步提高管理人员和工作人员的专业能力，促使他们能够及时发现问题，对窃电行为做出准确的判断，进而提高反窃电检查工作的质量和效率，降低国家经济损失。
2. 基于信息化的快速查找窃电及违约用电技术案例应用
2.1案例一
“挖矿”是币界的行话，具体指用计算机芯片的技术能力，在比特币系统产生的区块（BLOCK）中不断进行“哈希碰撞”，赢取记账权，从而获得系统奖励的比特币。一个挖矿机窝点，其主要的生产工具为矿机以及为矿机降温的大型风扇。电费是挖矿的主要成本，约占每个比特币成本的70%以上。因此，一些比特币矿主就动起了窃电的歪脑筋。
挖矿机实际上就是一台台持续在进行超级计算的特种电脑，它们的最大日用电特征就是功耗总体平衡并略有波动。其用电特征反映在负荷曲线上就是日负荷基本恒定且最大最小负荷基本一致。反映在日用电量上则是日用电量基本相同。由于比特币挖矿是由计算机程序自动运行完成，正常情况下并不需要人工干预，因此，比特币挖矿机窃电用户一般全天24小时，全年365天时时刻刻都处于窃电状态，而运用大数据分析法可以快速地定位比特币挖矿窃电。
（1）线路线损突变，提示该线路发生窃电
经同期线损系统监测，某10千伏线路2019年3月31日线损率为51.32%，进一步查询该线路3月份日线损，发现从2019年3月21日起，该线路线损突增，日损失电量为18800千瓦时左右，疑似发生窃电。
（2）从日损失电量，初步确定嫌疑用户范围
该线路日损失电量18800千瓦时，按一般窃电户日生产时间12~24小时，一般窃电户超容30%左右计算，初步确定嫌疑用户变压器运行容量在620千伏安~1250千伏安左右。查询同期线损系统，该线路下高压用户6个，合同容量在上述区间的用户仅一户，为某机械厂。
（3）查看用户日负荷曲线
从用采系统查询该用户用电视图，可以看出该用户负荷曲线是否近似一条直线，且最大负荷曲线和最小负荷曲线基本重合在一起，与挖矿机用电特征基本一致。
2.2案例二
某区域的电力公司共有987万电力用户，承担着上千万只电能计量表的运行维护工作，其中电力大客户约有4.6万户。本文以这4.6万电力大客户为案例目标范围展开分析，其中在2017年6-8月份中有疑似窃电行为的电力大客户有110户，这110户作为此次疑似窃电分析目标。
（1）窃电用户特征分析
对于这110户疑似窃电的电力大客户，需要对其建立类别目录，此时可以借助二阶类聚法完成电力大客户的分类和各类别特征分析。这些电力大客户主要包含以下类别：采矿业类、建筑业类、制造业类以及交通运输业类，根据这些电力大客户的信用等级、重要客户标识以及电压等级等特征排除掉39户不具代表性的窃电电力大客户，接下的工作中只需对剩余71户进行分析和锁定。
（2）疑似窃电电力大客户锁定
通过深度学习和决策树建立电力大客户窃电预测模型，判断电力大客户在选定日期内的风险得分，通过之前的分类可以针对不同的目标群体制定不同的应对策略。通过深度学习分类算法以及决策数分类算法可以逐步缩小目标范围，并在对目标进行反复确认后再进行锁定，从而在一定程度上提高了反窃电行为的针对性和准确性。
（3）疑似窃电用户取证
通过分析电力大客户的用电负荷曲线和用电量曲线，借助箱线图法找出异常值和离群值，然后进行电力大客户异常用电时间和异常用电量的分析、记录。通过实时的分析以及对电力大客户不同时期内用电量的横纵比较可以从箱线图中找出用电异常。工作人员携带窃电分析结果作为稽查证据，并辅以电力设备进行检查，从而实现反窃电的高效管理。
在本次的反窃电稽查中，最终锁定的电力大客户大部分都存在不同程度的窃电行为，验证了基于大数据的电力大客户反窃电技术的可行性和可靠性。
3.结束语
窃电及违约用电行为不但会造成电力企业的经济损失，并且也会阻碍整个社会的和谐健康发展，所以，加大力度研发反窃电技术具有十分重大的意义。在推进反窃电工作的过程中，需要全面的运用最前沿的大数据技术，借助专业的技术和信息数据对窃电行为进行有效的分析判断，提升反窃电工作的效率和质量，促进电力企业健康稳定的发展。
参考文献
[1]胡若琳,刘宇,苏雨婷,黄丹丹,曾子晗,强浩.基于电能量计量系统的同期线损五项管理机制[J].低碳世界,2019,9(04):105-106.
[2]明东岳,李振华,李俊,汪应春,李君,王琪,王信.配网线损同期化计算与多维分析系统[J].电网与清洁能源,2019,35(04):30-36.
[3]徐飞,孙明柱,凌松,程辰.基于电力大数据的配电网同期线损管理[J].安徽电力,2019,36(01):43-46