谢玉玲
国网山东省电力公司郓城县供电公司 山东菏泽 274700
摘要：随着用电用户的迅速增加和智能电表的普及，供电企业能够从配电网中收集到海量的运行数据，因此电力企业需要对用户用电信息采集系统收集到的数据进行整理与挖掘，获取隐藏其中的信息。用电数据信息来源广，结构复杂，对企业进行数据分析造成了困难。数据挖掘技术能实现数据整理、数据分类、异常数据查找等功能，以此推动泛在电力物联网的建设，提升电网的全息感知能力。鉴于此，文章针对用电特征分析的异常用电检测方法进行了分析，以供参考。
关键词：用电特征分析；异常用电；检测方法
1导言
为电力系统运行的关键性环节，用电检查是目前保障系统作用效能的重要环节，因此要求相关人员能够结合运行标准，彻查系统情况，确定是否存在影响正常工作的故障。就目前用电检查和电力系统运行的情况来看，用电损耗作为一种界定安全用电的指标，需要引起检查和技术人员的注意，帮助企业获得更高的利润，提升对资源的利用率。在电力系统实际工作中，异常用电问题，避免因能量转化造成资源浪费的情况，提升整体结构的稳定性，形成安全的管理机制。
2用电特征分析
用电信息采集系统首先通过采集电力用户的用电数据信息，再对采集到的数据信息进行分析处理。此外，用电信息采集系统通过对每天采集的海量数据进行汇总、统计、分类，能够很好地分析和了解电力客户的用电情况，特别是对电能计量装置是否异常、台区（用户）电能质量是否达标等方面具有非常显著的效果，这些功能的应用对提升电网智能化管理水平具有重大意义。用电信息采集系统由采集设备、通信信道、主站三部分组成，目前我国大部分地区已基本实现用电信息采集“全覆盖、全采集”的建设目标，用电信息采集系统采集范围已覆盖所有的公变、专变、低压集抄电力用户，通过系统实时监控各类用户的电压、电流、功率、功率因数、电量等数据，以及多维度的数据采集、分析、应用，实现电能计量装置的在线监测，从而进一步促进了营销精益化管理水平。
2.1用电不平衡特征
用户在正常用电行为时呈现出三相用电平衡的特征，电表读取的电压数据在额定值的上下有轻微的浮动，电流的不平衡也在数值０附近波动。三相用电的专变用户出现的窃电行为能够从电压和电流不平衡率的偏移中体现出来．按照下式分别定义高供高计、高供低计专变用户电压、电流不平衡。
2.2电压异常特征
电压异常表现为在某时刻电压记录值偏移额定值或趋于零，电压数值异常降低通常能够判断存在窃电行为发生。定义电压异常特征序列反映用户用电过程中的电压偏移额定值的用电行为。用户电能计量装置的失压记录可能存在两种情况，计量回路断开或供电异常。目前国内各地供电可靠性逐步提高，用户平均停电时间４～５ｈ，因此设置失压持续时间剔除无计划停电所造成的失压记录，避免因短时停电事故造成的技术性损失重复报警。采取４ｈ作为失压持续时间的评判标准。失压持续时间在４ｈ以内记为暂时的供电异常，不记录为电压异常。
2.3电流异常特征
非法用户可能会将某时段内的电流计量修改为０，或将电流曲线进行移峰，使用电曲线的峰值转移到低电价时段。而对专变用户来说，每日电力负荷曲线是相似的，这就决定了正常用电用户的每日电流曲线也同样具有相似性。如图1所示的某专变用户的日电流曲线集合，能够看出每日Ａ相电流曲线的波动有较大的相似性。若电流曲线相较于前几日电流曲线的聚类中心有较大波动，则可能发生异常用电行为。
图1 某专变用户电流曲线
3异常用电检测方法分析
3.1提升用电检查效率和质量的办法
3.1.1构建常态化的检查机制
为抱枕用电检查效率和质量，作为管理和实际操作的人员要能够予以充分重视，制定定期的检查方案和机制，精确分析被检区域所出现的具体问题，将电能损耗控制在一定的范围内。常态化的运行机制需要配合抽检的形式，消除部分人员的侥幸心理，针对经常发生线损问题的企业，增加检验的次数，并结合线损发生的位置着重监管，避免因工作失误造成后续维护费用的增加。将常态化、抽检和精检模式相互配合使用，提升用电检查的质量。
3.1.2扩建有组织有纪律的人才队伍
检查人员是项目活动的实施者，其要在具备完善的科学理论的前提下，进入到检查区域，了解不同用电和发电设备的工作原理，结合作用机理，分析电力系统工作的基本情况。调取之前的检查报告，核查易损位置，发现问题及时记录，并能够保证将此报告上传到上级管理部门，采用电子档案和报告的形式，细化在检查中所发现的具体问题。检查人员还应当具备电力系统结构方面的知识，明确在实际检查中要按照由外到内的顺序，核定各部分运行效果，确保窃电行为被扼杀在源头，切实符合国家监管规定。管理人员同样需要具备一定的专业知识和技能，能够在发生用电损耗的情况后，给出预处理措施，确定是否需要施加停电整修办法，提升检查的精准度。
3.2用电负荷预测算法
3.2.1BP神经网络
BP神经网络包括输入层、输出层和隐含层，一般输入层与输出层为单层，而隐含层为多层，且隐含层的个数直接影响了神经网络解决复杂问题的能力和训练效率。通常情况下，单隐含层的BP神经网络即可实现对复杂非线性问题的拟合，且具备实现简单、训练效率高的优点；而多隐含层BP神经网络虽然能够显著提升网络的泛化能力与拟合精度，但训练效率过低直接影响了其在工程中的可用性。采用电力数据管理系统中的相关数据进行电力负荷预测实验结果表明，BP神经网络的初始权值和阈值对负荷预测精度的影响很大，但目前缺乏相关的初始值选择依据，为此，文中借助粒子群算法对BP神经网络的初始权值和阈值进行优化。
3.2.2粒子群算法
粒子群是研究人员从生物集群中受到启发后提出的一种智能寻优方法，该方法通过不断迭代粒子位置后，计算粒子群的整体适应度函数值，通过更新前后适应度函数值的比较获取最优粒子位置，最终实现全局最优解的搜索。
3.3电力数据异常检测算法
3.3.1数据预处理
数据预处理任务是去除数据中的噪声，降低不同类型数据之间量纲的影响，并将数据转换为需要的形式。对于电力异常数据检测，采用Z值归一化方法进行数据预处理。
3.3.2改进的谱聚类算法
谱聚类算法是一种基于图论的聚类算法，其主要特点是能在任意形状的样本空间上聚类且收敛于全局最优解，且对数据分布的适应性强、算法计算量小。针对电力数据的海量性，本节对谱聚类算法进行改进，采用小批量k均值聚类代替原始谱聚类中的k均聚类。小批量k均值聚类通过在各类数据中抽取部分数据进行聚类操作，既能够减少样本数据，又能够提高异常数据检测的运行效率。
4结束语
总之，基于用电检查基础的异常用电问题是困扰检查和管理人员的重要项目，因此要首先细化用电检查的具体流程，保证操作人员技能完备性的基础上，彻查不同区域的用电情况，制定详尽的检查方案，针对其中存在问题的设备和用户采取相应的措施，切实保证后续工作开展的顺畅程度。同时根据不同的作用效果，实施针对性的处理意见，积极引入先进的技术手段，确保在实际工作中能够发现问题并解决问题，提升企业的经济效益，对接资源型社会构建的要求。
参考文献：
[1]张思扬,匡芳君.基于改进人工蜂群算法的用电异常检测方法[J].长春理工大学学报(自然科学版),2019,42(01):123-127.
[2]祖佳卉,刘昊东.电力用户异常用电模式检测分析[J].科技创新导报,2019,16(11):83+85.
[3]杨玉锐,程杰,周刚,徐诒玥,吴伟健,吴佳.一种用于异常用电检测的负荷模式分析新方法[J].浙江电力,2014,33(09):10-14.