国网烟台市蓬莱区供电公司 山东烟台 265600
摘要：随着国民经济发展，人民生活水平提高，用电需求量不断增加[1]，线损管理问题也越来越突出。台区线损异常现象频发，不同负荷水平下线损情况有所不同，且各地区情况很不平衡。因此，现有模式下采用一刀切式的合格线损区间定义以及传统依靠人工排查异常的方式给降损工作带来了很大的难度.
关键词：数据挖掘；低压窃电；识别方法；
引言
低压配电网属于电力网的末端环节，连接着千家万户，与中高压电网相比其网络结构和用户性质复杂，管理难度更大。台区线损率作为衡量供电企业低压配电网运营情况的重要指标，其大小直接关乎供电企业经济利益。因此，加强台区线损管控，提高低压配电网运营水平，既可以为用户提供“安全、可靠、稳定”的电能，进一步提高供电服务质量，又可以降低电能在线路传输及分配中的损耗，提高供电企业经济效益。
1现阶段低压窃电的发展情况阐述
随着电力公司在新时期的发展中加大了技术投入，使得窃电行为在居民用户之间得到了有效减少，但在总体的电力运行情况中仍然存在非法的窃电行为。在新时期的电力设施发展的背景下，窃电行为具备了一定技术手段，导致在居民的用电管理工作中加大了管理难度。对此，在现阶段的窃电管理工作中需要加强设施的投入以及管理制度的完善，由此在良好的制度管理以及高新技术的应用下改善窃电等不良用电情况，最终提高电力传输的效率及居民的正常用电及用电安全.
2原理分析
台区线损按成因分为技术线损和管理线损（也称非技术线损）。技术线损主要包括不变损耗（也称固定线损）和可变损耗，大小基本上与电流的平方成正比；管理线损等同于不明损耗，由窃电、计量设备误差和失误等产生。用户窃电将会增加管理线损从而影响台区总线损。所以需要首先剥离技术线损，获得管理线损，使分析更准确。用户窃电导致的台区线损异常波动的特征为：1）区别于计量设备的偶然性误差和采集数据出错，窃电导致线损率异常上升一段时间后回落到正常水平或一直保持高线损率状态。2）线损率异常上升的同时，终端采集计入的用电量减小，两者之间存在负相关的关系，违背电网运行规律，且两者发生的时间具有一致性。因此，可通过识别非技术线损率异常波动的台区来初步划定嫌疑用户范围，再通过线损率与用户用电量的相关性分析提升识别可靠性。
3基于用电信息采集特征的窃电行为识别方法设计
本文设计的盗窃识别方法是基于通过逆向分析和云关键技术组合开发的已知电力、电力和电子信息的收集。主要内容由两个主要元素组成：过滤防盗特征数据和识别电磁异常数据。首先，通过将特征数据收集值设置为-1-1来提取收集的样本数据并使其规范化。使用筛选演算法筛选范例资料，并使用特征从属关系来评估特征对不同初始化功能分类结果的重要性。假设盗窃类型可以分类为A1，非盗窃类别可以分类为A2，其中{（n1，A1），（n2，A1），（n3，A1），（n k，A1）}，所得数据被定义为正常电气行为的示例记录{（n1，A2），（n）；（n ' k，A2）}，其中集合中的每个样品均表示为nk，其中k \ { 1，2，3，……，nk包含特性特性q \ { 1，2，3，……，其中nk在与相应类型相同的样品中找到最近的相邻样品nk•nb，并将该样品视为与另一个样品不同的适当的连续样品，重复这些步骤查找k样品中找到的所有中间样品和错误的相邻样品，并计算该样品的相对AlphaNb）+差（k，n-k）。Nm）]如果NK与相邻试样之间的距离较小，则此公式将产生误差。因此，统计数据的价值也在增加，表明电气工程特性属性可用于区分盗窃行为和非防盗行为，设置阈值，并可通过按降序对值进行排序来过滤远远超出阈值的特征数据。
4低压用户窃电嫌疑评估流程及算法
4.1异常台区分析流程
1）提取待评估台区的历史线损率数据进行数据预处理；2）提取台区历史平均线损率大于10%的台区，直接列为异常台区，设定异常系数a=1；3）对其余台区历史线损率数据进行聚类，聚类个数K=3；4）聚类后判断是否有样本数目小于总体样本数目1/10的类，若有，舍弃掉后进行二次聚类，若无则跳过二次聚类；5）计算聚类所得的最高类中心与最低类中心之间的距离D，若存在cDS则将该台区列为异常台区；6）提取异常台区聚类结果中线损率最高类的时间坐标序列T，进行时间离散度分析，并根据分析结果计算嫌疑台区的异常系数a。
4.2台区下用户嫌疑评估步骤
根据电量波动指标CV选择对用户进行离群点或聚类算法继续分析，根据算法结果获取用户窃电疑似度指标Q1；2）比较用户疑似窃电前后用电量是否有异常减小，若有，Q1=Q1'；若无，11Q0.8Q'=，并作窃电行为分析；3）对用户单日用电量与台区线损率变化进行关联分析，获取关联嫌疑指标c；4）将用户疑似度'Q1作为基本嫌疑，用户与台区关联的趋势嫌疑c与台区的异常程度a相乘后作为辅助嫌疑，得到用户的综合疑似度Q=Q+ac'1。根据上文分析，Q的取值范围为[0，2]。第3）步骤中11Q0.8Q'=，这里系数选择0.8的依据分析如下。首先，在已知窃电的258个窃电用户随机抽取10%，即26个用户，分析窃电后10天用电量的平均值是否比窃电前10天平均值异常减小，分析结果：有20户异常减小，即76.9%窃电用户异常减小。基于此加入修正系数，比较用户疑似窃电前后用电量是否有异常减小，若无，疑似度减小。这样做的目的是排除正常用户，一般用电量不变或变大的用户是正常用户的可能性非常大，但是有时候计算出来的疑似度也有可能偏高。接着对于计算出疑似度指标的用户，疑似度分别乘以系数0.65~0.9（间隔0.5），对比分析窃电用户排名情况，系数0.8的时候结果比较合理，最终选用系数0.8。
5窃电政策的宣贯内容及实施角度
（a）加强立法的传播。电力的生产和应用需要依法合法应用，而《电力法》和《电力设施保障规定》等内容需要在新的进化历史中更广泛地传播思想，从而良好地传授思想。（2）传达各种表现形式的盗窃风险。从文化宣传和意识形态起义中盗窃的危险必须以漫画、书籍、图片和短片的形式带来，通过各种理论形式的宣传加深人们对盗窃损害的认识。（3）结合新介质应用增强能量标准的准则。新时代媒体术语的发展使得信息的传播和传播更加广泛，将盗窃政策和电力安全知识与应用媒体技术的时间进展结合起来，同时通过新形式的传播简化了电力知识的传播，以促进人们的接受和理解。利用微博平台、微软平台或低功耗、基于知识的通信平台，可以在新时代更广泛地传播信息。
结束语
新的低压用户窃电识别方法，在真实数据案例的基础上对该方法进行验证，结合人工查证可成功抓取窃电用户。研究结果表明，该方法通过剥离技术线损、二次K-means聚类、离群点算法、关联性分析等多重分析，突破了单个算法的缺陷与单一角度的局限，能够更加有效地抓取窃电用户。此外，未来工作需同时从更多的角度，发掘更多的基本算法融入于整体识别方法，提高该方法的有效性和稳定性。
参考文献：
[1]程淑亚，蔡慧，沈海泓，陈含琪，谢岳，王颖.基于数据挖掘的新型低压窃电识别方法[J/OL].电测与仪表.
[2]贺超，谷骞.识别低压居民窃电以及窃电政策宣贯[J].大众标准化，2019（14）：58+60.
[3]邱德标.配网窃电损失要因分析及对策研究[D].广东工业大学，2019.
[4]鲍毅.窃电特征识别与反窃电远程稽查系统研究[D].昆明理工大学，2019.
[5]李福有.基于用电特征和数据分析的窃电行为识别方法[J].化工管理，2018（35）：232.