梁木泉
广东电网有限责任公司肇庆供电局，广东 肇庆526060
摘要：本文就针对反窃电检查中电力营销大数据的应用意义进行分析，探究反窃电检查中电力营销大数据的应用策略，并通过案例进行了分析，希望能为电力企业反窃电工作的开展提供有利依据。
关键词：电力营销；大数据；反窃电检查；电量数据
引言
在大数据时代背景下，各个行业的工作方式出现了较大变化，能够利用大数据提高自身的工作效率及工作质量，且能够进一步降低企业成本，促进企业朝着良好的方向不断发展。将电力营销大数据应用到电力企业反窃电检查工作中，能够促进各项工作的有效进行，降低环境因素、人为因素及其他因素对反窃电检查工作的影响，使电力企业反窃电检查工作的目标得以顺利完成。目前电力营销大数据在反窃电检查工组中的应用水平较低，这就需要加强对反窃电检查中应用电力营销大数据的研究，提高相关工作人员对电力营销大数据的认识，使其能够充分发挥这一技术的价值，为电力企业反窃电检查工作的发展提供有利支持。
1 大数据理论在反窃电中的应用价值
1.1 提升反窃电的工作效率
众所周知,大数据技术集中了人工智能技术、自动化技术、互联网技术等的重要优势。在反窃电侦查中应用大数据技术主要是通过对大量用户用电信息的采集、用电行为的监管等来达到科学控制窃电行为的目标。通过对传统环境下的反窃电设备及技术进行对比分析得出,在传统的反窃电技术中大多为人工操作的设备与系统,需要电力工作者在反窃电中进行实地的检查和监督,对用户电能表及线路进行检测,从而确定是否存在非法窃电行为。但将大数据理论应用于反窃电侦查中可以提升反窃电的工作效率,对优化反窃电工作流程产生尤为重要的价值和意义。
1.2 加强反窃电智能化建设
随着我国供电企业发展水平的不断发展,越来越多供电企业在发展中开始积极加强反窃电智能化建设。这是因为通过反窃电智能化建设可以为供电企业带来诸多的价值:第一,通过反窃电智能化建设可以不断提升反窃电技术水平,从而降低相关工作人员的压力。第二,在反窃电侦查中积极应用大数据理论以实现智能化管理,可减少供电企业人力资源的浪费,可以节约大量的人力资源。这是因为不需要再像传统的反窃电侦查一样需要大量工作人员的参与,在智能化的反窃电系统中只需要观察计算机系统中显示出来的异常数据,收集异常资料通过系统进行分析,就可以初步判断出窃电行为。
1.3 扩大反窃电的工作范围
随着我国供电企业供电范围的不断扩大和拓展,越来越多供电企业在发展中面临着管理困难的问题。尤其是在人类科学技术发展水平不断提升的今天,许多用户在非法窃电中应用更为前沿的技术,这为供电企业的反窃电侦查和管理带来诸多的困境。在这种情况下,如果在反窃电系统设计中融入当前的大数据技术,将大数据理论中的相关知识与要点应用于反窃电侦查中,对逐步扩大反窃电侦查的工作范围产生尤为重要的意义。在大数据技术辅助的反窃电系统中,其可以全方位覆盖到供电企业的每一位用电用户,然后对用电用户的信息进行采集并建立档案,有助于供电企业反窃电措施的科学落实。
2电力营销大数据在反窃电检查中的应用分析
2.1 做好前期的准备工作
在应用电力营销大数据进行反窃电检查工作的时候，必须要做好前期的准备工作，其主要内容包括了大数据信息系统的构建、大数据技术人才的培养、数据安全控制等几个部分。
(1)大数据信息系统的构建。做好计算机设备、服务器、存储媒介等硬件设施的建设，利通过构建完善的大数据信息系统，对数据信息进行收集、处理、利用和保存，使其能够满足反窃电检查工作的需求。
(2)大数据技术人才的培养。选择线下与线上相结合的方式进行人才招聘，确保各个人员能够具备丰富的专业知识和工作技能，使大数据应用的人才需求得到满足。同时，需要加强人员培训工作，不断提高大数据技术人才的能力及素质，使其能够更加灵活地运用大数据进行反窃电工作。
(3)数据安全控制。基于大数据时代背景下，企业的数据量不断增多，需要在进行数据共享的同时，对数据安全进行保护，防止出现数据泄露等不良情况。具体来讲，可以制定完善的数据安全防护系统，设计科学合理的应急方案，使数据安全得到有效保障。
2.2对营销大数据进行电量数据分类
对于供电企业而言， 提高反窃电检查的工作效率和工作质量，利用营销大数据是一条准确和快捷的捷径。 供电企业先以系统电量统计数据为基础依据， 再根据不同用电属性进行分类，例如分析不同类别用电线路的特点，利用客户用电负荷实时曲线大小及波动进行对比等， 最后根据相应的数据模式或者算法发现数据中的异常之处， 从而判断用户是否存在窃电行为。
在对营销大数据进行分类的过程中，首先，相关的工作人员必须明确供企业向居民供电的线路特征， 因为用户一旦受到不同因素的干扰，即便是同一线路，其电流负荷都会发生变化。 所以，供电企业的工作人员在每次检查时，必须对用户的用电信息等实时数据进行详细的记录，认真分析失压、三相电流不平衡或反向、相位异常等现象。 一旦发现数据异常时，应立即分时段继续进行跟踪监测。 抓住并保护窃电现场，收集现场窃电证据，揪出窃电行为，依法惩处窃电人员。 利用这种查处方式， 能够有效的提高供电企业在反窃电检查的工作效率和工作质量。
除此之外， 供电企业还可以根据不同用电场所的用电特征将电量数据做出分析， 从而根据具体用电情况进行分层分类，例如工业用电、商业用电、居民用电和其它用电等等。
其中， 工业用电就是从事大规模生产加工行业等企业所用的电量，商业用电就是普通企业或者公司所使用的电量，居民用电就是居民所用的电量。 经过详细的层级划分后，供电企业将更加了解各个电流负荷，为反窃电检查工作提供基础条件。
2.3分析用电量的数据
供电企业以自身所掌握的所有数据为基础， 通过对用电量的数据进行分析和统计处理，从而发现数据中存在的问题。在进行用电量数据的分析和统计前， 需对所有数据进行归一化处理，以便提高后期分析统计工作的效率，提升最终数据的准确度。 数据归一化方法包含 min-max 标准化法和 Z-score标准化方，对于用电量数据，通常采取前者，其具体公式为 X=（x-min）/（max-min）。 在此公式中 ，X 表示归一化后的数值 ，x表示为某一时间段的实际数值，min 表示数据中的最小负荷数值，max 表示数据中的最大负荷数值。在数据处理的过程中， 相关的工作人员需要拟合出数据的变化率，以此来降低甚至是避免数据变化带来的影响，从而能够计算出所有用户的平均用电量。 除此之外，还需要计算概率，其具体方式为：利用计算出的所有用户的平均用电量和标准差，再通过正态分布表达出正负荷的变化规律，计算出平均用电量和标准差中所有的概率， 最后利用所得到的评价函数对用户用电量的变化情况进行判断， 帮助企业获取用电量变化情况较大的用户。 此后，供电企业可以采取横向或者纵向分析方式对存在窃电可能的用户进行分析， 必要时可以让管理部门进行现场检查，以便收集窃电证据。
3案例一分析
某供电企业对某小区的 60 户居民进行供电服务，60 户居民分布标记为 A1~A60。 在进行营销大数据分析前，需根据各用户的实际用电量进行分类，其中高负荷用户 8 户，中负荷用户 42 户，低负荷用户 7 户，零电量用户 3 户。 对所有数据处理的流程为： 数据的整体和输入→数据的均值计算→对数据进行分类→对数据归一化处理→评价函数值的计算→输出最终的结果。 通过评价函数值，对所有用户进行评价，评价值越高，其窃电嫌疑越大。 该供电企业将所有存在较大嫌疑的用户单独列出，为了提高准确性，其进一步分析了嫌疑用户的月度用电指标，包括是否为非常住用户、电表是否出现问题和其它客观因素。 最后，锁定了 A5，A20 和 A23 等三家用户，并且及时安排相关工作人员到现场进行检查，以便收集更多的证据，提升管理效率。
4、案例二分析
某供电局部分线路线损率一直波动较大，在目前精益管理的大方向下，对公司整体线路线损达标率产生较大影响。下面以某电所六集线日线损异常问题为例进行说明。
2020年2月某日，在查看同期线损系统10 kV线路线损日计算时，发现A线26日线损率为-1.44%，线损电能量为-213.10 kWh，而正常情况下该线路线损率完成值在1%—2%，是一条低损线路。因受疫情管控缘故，供电所人员未能马上下现场排查处理。
4.1异常问题分析
在3月份随着疫情管控逐步放开后，线损管理人员针对B线线损异常问题，利用同期系统、营销系统、采集系统进行比对，查看线路模型配置、关口变比、高压用户电能量、下属台区线损率、线路所属母平、高压用户及台区线变关系、线路关口电流及电压情况，均不存在异常。
进一步分析线路整体电能量分布，发现B线日均电能量在
16 000 kWh左右，而线路所属高压用户食用菌加工厂日常用电能量约为8 000 kWh，占到该线路售电能量的二分之一。其他用户及台区用电能量均在600 kWh以下。因此，线损管理人员将B线异常原因锁定在该用户。
4.2现场核查明确原因
线损管理人员根据推测情况，前往现场进行核查。现场核查该高压用户以及线路关口表计，均未发现计为进一步验证该分析，3月23
日在23时至次日0时，线损管理人员去现场每十分钟记录一次电能表表码，同时在采集系统中0时对该用户表码进行了召测，发现用户正向有功表码为4 442.26，与终端0时表码一致，而采集系统冻结表底为4 442.04，与23:30时表码相同。
4.3解决措施
3月26日，线路管理人员拆除该用户终端，重新安装新终端，采集系统冻结数据与终端0时数据一致。至此，确定该线路线损异常为用户表计时钟偏差所致。线路管理人员对该食用菌加工厂终端进行更换后，线路线损恢复正常。4月份，该供电所的线路线损达标率达到了99.909%。
5提升措施
一是加大线路日线损监控力度，同时加强日常线路巡视及线路档案核查，结合营配贯通治理、营业普查，提升感知问题、预测问题的敏锐性，提高解决方案和发现问题的契合度。二是利用公用变压器的接地电流来推测是否存在跑漏滴现象。三是利用一二次电流值差异判断是否存在窃电行为。四是利用电能设置峰谷平时钟与实际时钟差异来达到赚取电价差电费。
6.结束语
综上所述，电力营销大数据在电力企业反窃电检查工作中的应用价值较高，能够提高反窃电检查工作的整体质量，使电力企业的经济利益得到保障。为充分发挥这一技术在反窃电检查中的作用，需要做好前期的准备工作，通过营销大数据提高反窃电检查效果，准确分析用电信息，并完善工艺流程、确定技术标准，通过各种方法提高反窃电检查工作水平，为电力行业的可持续发展奠定良好基础。
参考文献
[1]王安军，谌艳琳.浅谈电力营销大数据在反窃电检查中的应用[J].科研，2016，06（10）：00059.
[2]张军霞，张永杰.如何利用大数据模式提高供电企业反窃电效率[J].工程技术：全文版，2016，11（7）：00186.
[3]段运发.电力营销反窃电工作中负荷管理系统的应用[J].通讯世界 ，2017，23（14）：250.
[4] 贺彬.基于大数据理论的反窃电措施[J].大众用电,2019(8):22-23.
[5] 吴毅良.基于大数据的电力大客户窃电分析[J].现代制造,2017(3):15-16.