潘文权
广东电网有限责任公司清远清新供电局，广东清远，511855
摘要：随着国民经济的高速发展，电力供电系统的规模逐渐扩大，不可避免地产生窃电问题。窃电破坏正常的用电秩序，并对电网运行安全及人身生命财产安全带来严重威胁。由窃电造成的电力变压器燃烧、损毁时有发生，因此反窃电不仅是供电企业面临的问题，更是一项社会性问题。目前，我国防窃电这一领域正处于快速发展阶段。
关键词：反窃电;智能系统;应用;
引言
针对目前电力系统窃电趋势不容乐观的现象，急需提升大数据反窃电水准，构建反窃电的智能识别模型，进而实现对不同窃电事件的精准分类与预测。面对如此严峻的形势，本文采用基于双向长短时记忆神经网络（BiLSTM）的滑动窗方法对用户日电量的变化特征进行提取分析，识别异常用电行为。将用户用电信息导入训练好的模型进行分析，实现基于用电信息采集大数据分析的反窃电智能识别。随着科技的不断发展，窃电手段愈发隐蔽，窃电量也越来越大，对我国电力行业造成了严重不利影响。根据相关调查数据，每年我国由窃电而损失的经济已经超过200亿元人民币，对我国经济的发展产生了难以估计的不良影响，急需相应有效的反窃电方法。
1窃电方式及原理
根据近年的窃电案例，可将窃电方式分为电能表计量误差、线路改接误差和大力破坏电能表。（１）电能表计量误差。窃电用户采取手段使电能表计量回路出现故障，致使电能表出现计量误差。根据改变参数的不同，大致有改变电能表电器参数、磁场干扰、更改电能表内部计量回路等手段。其他针对一、二次侧回路的手段有欠流法、欠压法、改变ＣＴ的变比接线法、差法及移相法等窃电方法。（２）线路改接误差。窃电用户采取手段将私人用电负荷接入供电企业公用电源上，或采取电压或电流改接法致使电能表线圈失压或电流线圈只流过小部分电流，从而造成电能表出现计量误差。常用的手段有将电容电感接入电路中、接入外部电源、用变频器附加外部电流。（３）电能表物理损坏。窃电用户采取手段将电能表的外壳或内部结构进行损坏，致使电能表计量偏差或停止运转。常用的手段是物理破坏。
2反窃电技术措施
2.1使用专用计量柜
历史原因形成有的企业存在无专用计量柜、电流互感器与电能表之间二次连线裸露等现象，一些不法企业将电流互感器短接或断线进行窃电；有些企业生产车间计量装置上蒙着厚厚的灰尘，严重影响计量准确度等。措施：清理无专用计量柜的企业，督促客户实现计量装置的规范化安装，使窃电分子无计可施。
2.2用负荷管理系统实施负荷动态监测
负荷管理系统通过电能表485和脉冲接口采集数据，与电能表计量的正确与否关系密切。电能计量装置与负荷管理系统密切配合，能及时发现客户负荷曲线异常，用电检查人员可及时赶赴现场查明原因，把损失降到最低。负荷管理中心反映，某银行连日负荷曲线一直为零，现场查明为客户电压互感器高压熔丝熔断，而该客户工作人员迟迟未将情况向有关管理人员反映，造成少计电能量约5000kWh。
3反窃电智能系统的结构及处理流程
反窃电智能系统结构如图２所示，主要由无线采集装置、专变采集终端、数据转化器、系统主站、电能表构成。反窃电智能系统包括电力负荷管理、实时数据采集、实时数据存储、电力设备管理、客户区域、线损、电流、电压、电量行度、地理位置、拓扑关系、历史曲线展示、数据存储等功能，能实时反映计量电表的数据情况，并根据设置的阈值进行预警，提示存在用电异常信息，通过历史数据分析，能判断出存在窃电的用户。其实际工作流程如下。
（１）在线监测。通过大数据信息采集技术采集用电数据，对数据进行分析，得到电能表掉电、电能表失压、电能表故障、电能表失流、电能表外力受损等事件。（２）辅助分析。根据在线监测信息与终端事件进行辅助分析，确保分析的准确性。（３）历史数据分析。对存在潜在窃电行为的用户，分析其计量信息、接线方式、历史记录、功率数据差。（４）智能诊断。分析用户异常信息并及时处理，结合神经网络的反窃电模型评价体系，计算用户的嫌疑指数，充分分析用户窃电信息的准确性。尽管窃电的方法多样，但本质上都是用户实际的用电量大于用户电能表示数。通过建立反窃电智能系统，能持续检测用户的用电量，一旦系统显示存在窃电行为，便会发出窃电预警，帮助供电系统人员第一时间处理，减少电力企业的损失。
4基于神经网络算法的反窃电模型
4.1数据选取
从营销系统和计量自动化系统中抽取以下数据：（1）从营销系统抽取用户基本信息数据；（2）从计量自动化系统采集实时负荷数据和终端报警信息。
4.2输入量的评价体系
反窃电模型的准确与否最重要的是输入量的准确性。电量的数学公式表现形式是电压、电流及功率因数角的乘积，所以当电压或电流出现异常时，电量也会出现异常。通过对已窃电用户的历史电量数据分析，可得出窃电前后电量变化特征量。当检测新用户电量时，若出现了阶段性用电量为零或电量变化规律与窃电样本电量变化规律一致的情况，则判断可能存在窃电行为。利用用户月度用电量、客户所在线路或台区的线损情况、电表类型、计量电流和检测电流的差值、电压异常变化情况、客户负载功率、负载功率因数变化等７个窃电判别指标对用户的窃电行为进行综合判断，如果用户在经过７项特征参数检查后，其嫌疑系数较高，那么说明该用户可能存在窃电情况，需对其进行监视。
4.3实施方案
（1）从系统中提取历史窃电低压用户相关信息，对数据进行清洗，构建窃电识别模型的专家样本数据集，提取数据特征。（2）结合低压用户用电信息采集数据特征，基于双向长短时记忆神经网络与输入数据窗口化提取方法，使用Matlab创建双向长短时记忆网络，网络的隐含单元个数设置为100，求解器设置为adam，训练轮数设置为250轮，梯度阈值设置为1，初始学习率设置为0.01，在训练125轮后通过乘以因子0.2来降低学习率。（3）将窃电用户原始用电数据导入Matlab中，提取用户编号、数据日期与总电量信息，然后计算出用户日电量，对于缺失值及采集的首日电量填充为0。数据预处理完成后对数据进行窗口划分，将连续13天[T-6,T+6]的电量数据作为神经网络的一个输入，第T天的窃电状态（0或1）作为输出。对于信息采集的首尾日，使用0对首尾日的窗口进行填充。（4）使用经过预处理的数据对模型进行训练并对模型超参数进行调整，以提高模型精度。（5）对模型进行测试，并采用采用贝叶斯优化算法对超参数进行优化，完善模型，提高识别精度。
结束语
随着供电规模的逐步扩大，窃电行为相应增多，如何显著降低窃电行为，并对其进行快速预警成了研究热点。本文介绍了电力营销域反窃电智能系统的结构及其处理流程，提出了７种窃电评价指标体系，并构建了基于神经网络的反窃电模型，最后通过实际算例进行算法验证，结果表明，该电力营销域智能系统能准确识别潜在的窃电用户行为，并进行预警，具有一定的工程实用价值。
参考文献
[1]张春梅,李文虎.电力营销域反窃电智能系统的应用与研究[J].电工技术,2021(08):101-103[2]汤涛.浅谈供电企业反窃电举措[J].农村电工,2021,29(04):19.
[3]王长华.电能采集系统在反窃电工作中的应用分析[J].科技经济导刊,2020,28(28):39-40.
[4]徐为,霍晓艳,严璐,蔺亚宁,李渊.供电企业窃电方式分析及反窃电案例研究[J].自动化应用,2020(08):90-92.
[5]周宏建.用电检查与反窃电智能信息平台的设计与应用[J].低碳世界,2019,9(07):117-118.
.