胡正庭 招婉媚 梁旭常 严杰峰 郑爱武 冯广威 陈冠健
广东电网有限责任公司佛山供电局，广东 佛山528010
摘要：窃电方式多种多样，但是窃电而引发的计量异常在数据面上会改变用电真正属性，其电压和电流显示值异常波动。利用窃电行为必然会出现数值异常的特征，我们开展基于异常数据响应的窃电在线监测技术研究，通过对采集到的计量数据分析，筛选出电量异常数据，进而甄别出窃电迹象，本研究成果更是突破性地加强了对终端、表计的告警事件信息的关联度分析在故障诊断模型建立、以及计量装置远程监测方法上的应用，实现了用电异常的快速监控，从而解决发现、分析、处理窃电事件的滞后性问题，将窃电的影响量控制到最小。
Research?and?application?of?online?monitoring? technology?for?power?stealing?based?on?abnormal?data?response
HU Zhengting ZHAO Wanmei LIANG Xuchang YAN Jiefeng ZHENG Aiwu FENG Guangwei CHEN Guanjian
(Foshan Power Supply Bureau of Guangdong Power Grid Co., Ltd., Foshan 528010, Guangdong)
Abstract：there are many ways of stealing electricity, but the abnormal measurement caused by stealing electricity will change the real property of electricity consumption on the data plane, and the display value of voltage and current will fluctuate abnormally. Taking advantage of the characteristics that electricity stealing behavior is bound to appear numerical abnormality, we carry out the research on online monitoring technology of electricity stealing based on abnormal data response. Through the analysis of the collected measurement data, we screen out the abnormal data of electricity quantity, and then screen out the signs of electricity stealing. This research achievement is a breakthrough to strengthen the research on terminal, network and network The application of the correlation degree analysis of the alarm event information of the meter in the establishment of fault diagnosis model and the remote monitoring method of the metering device realizes the rapid monitoring of the abnormal power consumption, so as to solve the lag problem of finding, analyzing and handling the power stealing events, and control the influence of the power stealing to the minimum.
关键词：窃电；异常数据；计量装置；计量自动化系统；在线监测
Key words： stealing electricity; Abnormal data; Metering device; Measurement automation system; On line monitoring.
前言
窃电行为泛指采用不正当手段使电能计量装置不计量或者少计量，以达到不交或者少缴电费的目的用电行为。窃电行为不但将直接导致供电企业的经济损失，更会引发用电安全隐患，也更是危及供电设施安全的最大祸首，因此必须对其加以遏制。
窃电，最直接会在系统中呈现数据异常。但当前面对海量数据，凭人工经验的对异常数据的排查、筛选、分析等同于“大海捞针”，存在着计量异常发现、分析、处理的滞后性的问题，很难准确落实窃电非法行为取证。作者通过实践，研究出基于异常数据响应的窃电在线监测的实现方案，有助于通过对大数据多维度分析,对海量用户缩小用电时段间距的加密度监控,主要是从海量数据里对用户的电量、电压、电流、负荷曲线、电功率等异常变量跟踪，达到精准定性、异常警示，协助相关部门远程快速“围捕”窃电行为，逐步达到零容忍的目标，避免了供电企业经济损失。
一、技术框架构建
窃电技术日益“高超”，窃电手法越加隐蔽，窃电调查取证难度加大，相应必须应用严谨的管理措施和科学的技术手段来制止窃电行为，即管理上刚性执行用户电力工程电子化移交管理机制使用户信息被及时准确的系统录入，确保用户的用电行为被系统从报装开始的运行全过程受系统监控；技术上建立用户特征历史数据库，计量和线损计算曲线分析模型库，将当前动态的运行数据与相关业务特征匹配计算、比对、分析，实现数据异常在线监测，通过数据分析技术提高科技手段和周期数据化巡查等手段，达到监控远程化、智能化、及时化，快速“截流”堵截源头，杜绝窃电“可乘之机”。
1.异常分析模型设计
建立智能过滤、辨识、合并计算模型，通过模型计算分析，准确找出真正存在异常的计量装置，进而定性窃电行为，异常数据监测模型设计如下：
a.对“海捕”的异常数据项确定。从海量的数据里，计量回路、终端、电能表的电压、电流的异常反应最为直接，是发现现场异常或故障最直观的告警信息。例如首先可以将计量自动化系统中，投产时间比较长，但电流、电压值又长期为零的用户筛选出来，再比较上月不为零这月为零等等进一步过滤筛查。
b.规律性非连续算法的筛选和分析。非连续性是指在某个特定的时段里数据出现突然性的变动，并持续了一段时间。规律性非连续算法的工作流程是：第一步将计量自动化系统回流数据库里存在异常电流和电压数据曲线筛查出来；第二步将这些用户数据曲线的变化规律进行排列，将异常持续一段时间后得以恢复，随后进一步过滤出这种异常和正常又会交替出现情况的用户，从而完成一次命中率更高的数据分析过程；第三步以其断续密度的不正常用电时段、异常电量数据定格用户的异常用电行为“画像”；第四步待该用户“走进”类似的用电行为“画像”框里时，系统曲线马上响应并标出此类规律性变化情况，准确地锁定窃电对象的窃电行为。
假设任性小段曲线可以拟合成直线，该方程满足
.png)
对所有数据逐一进行拟合，与连续性数据进行比较，则可以确定非连续性数据出现的异常状态，进而实现异常预警和异常点分析。
c.电压和电流的分类连续差值算法筛选和分析。第一步，用户电流电压数据来自计量电能表的电压值采集，而事前，根据运行经验值分别将同类用户的运行电流数据、电压数据按不同的标准进行分类，当纳入分析的用户数据与这标准出现差值时，就认为是异常数据，而连续差值算法其实就行整段电压曲线的分析，在这纳入分析的连续时间段，其异常数据点能达到一定程度就认定为异常；第二步，结合用户的用电特性、生产属性、生活规律等进行二次判断，依次循环进行离散性分析，精准窃电目标。
假设数据点为A,B
建立方程:
.png)
逐次进行判断，直到找到所有的异常点。
d.电能表告警事件算法筛选和分析。以告警事件、用户拓扑关系等关联关系，从时间和空间的角度进行数据的筛选和辨别，再排除线路故障、通道故障的干扰等参比量，认定异常情况。
.png)
2.异常数据逻辑确定
a.进行异常装置统筹管理。对发生过异常的装置进行统计、分析，形成故障统计数据，指导决策。改变以往“发现一单，查处一单”的被动做法，将非居民用电客户划分为A、B、C三大类，其中A类为重要客户、有窃电前科或存在重大窃电嫌疑客户；B类为双电源、重点谐波客户，五金厂、酒楼等高耗能客户及窃电易发客户；C类为专变及非居民低压客户，按照划分类别分别设置半年、一年、两年的检查周期，对客户电力使用情况开展常态化、预防性的数据监测分析。对有窃电前科或存在重大窃电嫌疑的客户，检查周期缩短为半年，跟踪检查两年无异常后归入其所属正常客户分类。
b.建立用户用电评价指标体系。监控窃电的关键是对窃电突变数据信号相应，根据窃电行为必然发生异常现象，通过异常信号追踪来实现反窃电技信息化、智能化，缩小搜索范围，提升工作效率。根据窃电特点设计窃电嫌疑系数或权重叠层分析法，建立窃电指数评价体系。主要利用计量自动化系统回流数据，并结合发输配用电的类型特性、各类线损、电流电压功率的三相不平衡率、功率因数等参比值来提取基础特征量。
c.在计量自动化系统中建立告警事件识别、过滤智能分析功能。充分利用系统后台的强大检索功能，进行表计、终端告警事件智能识别、过滤、合并，并根据告警事件以及告警事件所携带的数据，结合计量自动化系统定期采集得到的电能量数据，对异常进行排查筛选，精确锁定疑似窃电用户。
.png)
3.异常监测步骤
在线实时召测高损台区用电数据，确定“海捕”的异常数据项；通过规律性非连续算法的筛选和分析、电压和电流的分类连续差值算法筛选和分析、电能表告警事件算法筛选和分析，结合开盖记录痕迹法、数据分析对比法、线损电量差异法等综合分析确定疑似窃电用户，对窃电嫌疑户进行多维度分析，精准识别，可以在线确定用户窃电方式，随后触发现场靶向检查工单。
a.开盖记录痕迹法。利用智能电能表开盖记忆功能，应用计量自动化系统召测台区用户开盖记录，显示用户开盖发生时刻、结束时刻以及对应时刻止码，当用户开盖后月均电量小于开盖前月均电量的50%，则判定用户用电异常，立即触发现场耙向检查。运用开盖记录痕迹法不仅快速锁定改表窃电用户，还为后期处罚追责提供准确的时间和追补电量依据。
b.数据分析对比法。应用计量自动化系统导出台区智能表关键数据，进行在线数据比对，筛选功率异常、电量异常、电量表码逆走飞走跳走异常，分析判断窃电类型，为下一步现场检查指明方向。
c.线损电量差异法。根据计量自动化系统的线损数据变化分析比对，锁定异常台区，关联分析台区日线损量和用户日用电量，分析异常时段，筛査零度用户和电量突变用户，缩小检査范围，精准识别嫌疑对象，触发现场靶向检查工单，提高反窃电成效。
4.主要技术关键难点
a.计量装置异常模型构建——通过告警事件和电能量数据对计量装置进行故障诊断的难点在于故障诊断模型的构建。由于计量装置在发生故障时现象变化多端，需要透过现象找到故障本质原因，必须要求故障诊断模型具备较大的灵活性、可根据实际情况调整相关参数，既要做到尽量不漏报，又要做到不误报，否则发生误诊断情况，反而会加大工作量。
b.海量数据处理的性能问题——由于在进行异常筛查分析，需要对海量数据进行交互分析处理，会影响到回流数据库的应用性能，如何提高海量数据的处理能力是本项目技术难点之一。告警事件的校验和核对，需要对抽取海量数据、处理、事件高效识别的处理过程进行深入研究，并结合计量自动化的系统特点进行优化处理。也可以充分使用现有的计算机技术，如：高速缓存、多线程并发处理、分布式计算、专家库等技术。
5.异常数据监控机制示意图
.png)
二、应用效能分析
1.研究成果作用概述
a.有效降噪提高准确率：通过本研究的系统分析功能可以有效降低告警事件的处理量。
b.异常数据响应速度快，监测到位。完善了对计量装置的质量在线监测机制，精准预测批次计量装置故障机率，有效落实防范预措施；通过对告警事件的跟踪和分析，准确筛选异常计量的设备、异常用电用户。
2.应用情况
案例一：查获某科技有限公司高压窃电行为
a.通过线损数据分析确定时间节点。2020年1月714石龙线线损率急速上升，推断2019年12月后可能有异常情况出现。详见下表1：
.png)
b.监控客户负荷变化，锁定疑似窃电用户。 2020年5月1日线损率异常时，大部分用户在放假中，只有三个用户有较大电流， 其中某科技有限公司负荷最大，确定重点监测佛山市潮冠科技有限公司。详见下表1。
.png)
c.针对可疑用户进行电量及电流数据分析。2019-12-26 07:30:00由1A电流骤降至0.46A，且往后该用户二次电流未出现过1.2A以上的电流。详见下图图2及图3。
.png)
——通过以上分析进一步印证该客户存在重大的窃电嫌疑。此案窃电数额巨大，手法比较隐蔽，属于分流法窃电，窃电证据确凿。
应用案例二：查获某地产公司低压窃电行为
通过数据分析，发:2020年9月起某10kV压延厂公用配电站/#2变压器的线损状态持续不合格，根据网格经理反馈现场已经由某地产公司进行现场施工，分析电量曲线与线损曲线成反比，锁定该地产公司有窃电嫌疑。详见下图4
.png)
——2021年2月25日现场确认，此案件属于典型的绕越供电企业用电计量装置窃电行为。例子表明研究成果的分析法有助于进一步缩小台区线损现场检查范围。
应用案例三：查获某低压居民窃电行为
a.通过对集中器反馈信息进行分析，发现部分客户存在【开表盖】【零火线电流异常】等窃电嫌疑。详见表2：
.png)
b.根据通讯地址反向匹配对应客户的户号，结合上述异常信息及现场情况快速确定疑似窃电客户。
.png)
——2021年4月8日，现场确认该居民用电采用破坏电表封印，故意将单相5（80）A电表的电流分流，电表失准，构成窃电行为。
应用案例四：查获某低压居民窃电行为
通过对集中器反馈信息进行分析，发现某居民客户2021年3月8日-20日每天9:30左右均出现【失压】情况。锁定该客户存在窃电嫌疑。
.png)
——经现场核实，该户故意使供电企业的用电计量装置不准或失效，A相和B相计量螺丝松脱，造成失压无法计算电量，存在窃电情况。
三、结束语
当前数据价值越来得到我们的重视，必须充分应用大数据理论及相关技术,将大数据技术的理论特征、管理思想、技术要点等应用于反窃电工作中。对于基于异常数据响应的窃电在线监测技术还需要深度挖掘，笔者计划在以下几个方面将工作加以扩展：
1.加强营配数据分析挖掘的研究及应用。 基于风险管控构建以规则为基础、基于分类算法的异常事件筛查模型，编制营销异常筛选规则，建设在线信息化监测系统，对营配大数据挖掘、分析与筛查，快速有效锁定用电异常。
2.完善基于线损监控的窃电漏计分析及预警体系。运用电力系统、营销业务、配网管理等数据，对10kV馈线，特别是来不及改造的架设不规范、横跨道路或楼宇、老化和不符合安全标准，以及存在窃电隐患的配电线路计量点进行海量、多维度数据比对，采用贝叶斯法、曲线形态相似性度量及异常行为特征值对其内在逻辑关系挖掘，实现线损的在线监测。并通过分析海量数据、筛选，起到快速定位线损异常根源，加快台区线损异常的处理速度，使查处窃电工作更富针对性。
参考文献
[1]贺彬.基于大数据理论的反窃电措施[J].大众用电,2019(8):22-23.
[2]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.
[3]梁国雄 电能计量大数据对计量装置运维的应用 《中国电业》2019年21期
[4]陈崇双，唐家银，何平. 方差分析法的线性回归建模重构[J]. 统计与决策，2018，07：71-75.
[5]汪峰，廖家平. 基于区域聚类蚁群算法建立电网拓扑研究[J].湖北工业大学学报，2013，28（5）：53-57.
[6]彭波，高炜. 随机梯度下降多重分割本体算法的工程应用[J]. 苏州科技学院学报：自然科学版，2015,32（1）：49-53
[7]马静，张俣妤，马伟，等. 一种新型电网拓扑错误辨识方法[J]. 电力自动化设备，2016，36（1）：82-88，96.
[8] 陶砾，杨朔，杨威. 深度学习的模型搭建及过拟合问题的研究[J]. 计算机时代，2018，04：14-17,21
作者简介：
严杰峰（1985-12），男，广东电网有限责任公司佛山供电局工程师，广东省佛山市禅城区同济西路18号，工学学士，主要研究方向：电力营销计量管理、电力通信技术。
胡正庭（1993-5），男，广东电网有限责任公司佛山供电局技师/助理工程师（广东省佛山市禅城区张槎街道振兴路1号），武汉大学测绘专业工学学士，主要研究方向：电气工程、电气设备无接触式检测技术。