乌海电业局海勃湾供电分局 内蒙古乌海市 016000
摘要：针对目前异常用电检测中存在的专变用户窃电率高、窃电模式难以察觉、使用窃电检测模型查找窃电用户过程中训练集不足的问题，提出了一种基于用电特征分析的无监督方式异常用电检测方法.该检测方法引入离群点查找算法，量化了海量数据中不同异常用电行为，将其提取为异常用电特征序列，并且根据专变用户不同计量方式和用电特点，构建了基于局部离群因子(local out-lier factor，LOF)检测算法的用电不平衡特征序列，定义了考虑失压持续时间的电压异常特征序列和基于每日电流曲线聚类结果的电流异常特征序列，设计了异常用电评价流程，提出异常用电检测方法.通过实例验证了此检测方法能够完全甄别存在异常用电行为的用户，且检测方法对窃电时刻预测结果较为准确，其查准率和召回率的调和均值F1值为0.81.该方法能为企业提供异常行为发生的时间段，为窃电行为的及时调查提供有力的依据.
关键词：用电特征；异常检测；用电信息采集系统；智能电网
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。
3供电台区运行电压异常监测
3.1异常数据选取
信息采集系统可以获取到供电台区总表的三相电压运行数据，可以对过电压、低电压等异常数据进行准确筛选，并存储到业务数据中心数据库，可以为台区维修保养提供数据。数据处理需要从供电台区数据库提取A、B、C相的原始运行数据来进行分析。在对台区基础数据信息进行提取时，采用Spark组件来获得台区编号、电表ID、公变容量等数据，将其存于Spark组件来进行后续处理。
应用电网营销业务处理体系统内的量测类型编码、供电单位编号、供电台区编码、数据信息采集时间，将其并入到用电采集系统数据库用于查询三相电压信息，并结合关联电表ID号，为后续分析和断别创造条件。应用数据挖掘组中的Sparksql来调取数据库配置信息，主要有供电台区电表编码、接线方式、门限阈值等，再把配置数据转变为广播变量值。把关联后的供电台区数据及监测数据存储在DataFrame内。
3.2数据异常筛选
对采集到的供电台区运行数据信息进行清洗、去重后再存储到DataFrame内，最终确定供电台区名称、容量、编号、用电类型和等级、三相电压等作为主要内容。将公司编码、电表台区、采集时间和监测类型进行接装处理，获取到内存电能表监测数据，主要有三相电压表测量数据和采集时间，再结合供电台区电压阈值分析规则，对电压过高、过低、用户窃电导致的台账不符和异常数据进行标记，创建异常数据清单，为后续处理打下基础。采用spark将异常数据信息清单批量导入到中心数据库。
3.3阈值分析规则
当监测到三相电压归0，发出报警信号，台区总表任一相电压与额定电压存在偏差超过20%，可以视作过电压。偏差小于10%可视作低电压，如果上述现象持续出现需要发出报警信号。供电节点电量表与每个用户用电总和不符，则认定为存在用户窃电行为，发出报警信号。
3.4结果分析
按照确定的台区异常用电分析规则，每个月份发出预警信号问题进行统计分析，电压异常由三相四线电能表导致的报警现象较为普遍，通过深入挖掘接线方式、用电容量、采集时间等进行多维度筛选，可以调取出不同相电压值、异常用电发生时间、计量方式等信息，通过监测系统进行查询与操作，可以提高工作效率和筛选准确率。
4重载过载台区分析
调用营销业务系统台区表、编码表、客户表和电能曲线表，台区运行数据量为15G、编码表信息量为8.5G、客户电能表数据为10G，曲线表数据量为32G。台区运行容量没有在标准容量范围内，可以标定为异常运行数据。最大负载率超过100%，可以视作重载，需量负载超过80可以视作过载，负载率超过100%可视作重载。三相电压、电流数据抄写不成功，该采集点不作为最大视在功率。
5反窃电采集与检测
以大数据挖掘分析技术作为基础，创建负荷变化曲线，可以用作窃电行为检测和线损分析管理，避免漏电或窃电给电网运营企业造成损失。在电能监控节点安装电能统计装置，与监控范围内用户电表数所总和进行比对，则可以提高窃电检测成功率。同时，电力负荷在不同的时间段会存在差异，负荷高峰期对电能有着更多的需求，用电低谷期则需要进行合理调度，可以提高电网运行经济性。电量数据采集是进行电能监测的重要手段，与大数据挖掘技术进行结合，对线损数据进行分析，可以更为准确地发现用户窃电。在对电网进行定期检修的前提下，线损可以视作固定数值，偏差也应该在规定0-10%范围内，但用户窃电具有不确定性，窃电时间、台区、数量都无法掌握，采用线损数据监测就是某区段线路线损长期超过10%，则可以视作该线路存在窃电行为，应该组织工作人员对线损原因进行排查。可以对供电区域每间隔30min供电线路运行数据进行采集分析，将全天供售电量数据进行结合，就可以得到特定时间段内的线损改变情况。从电网运营经验来分析，如果某段线路超过10%线损，应该存在电能表故障、用户窃电、线路受损等现象，可以从线损率上直观体现出来，线损会超过合理区间。
6结论
综上所述，采用大数据挖掘技术，与电网运营企业的业务营销系统进行数据共享，在不同节点安装电能统计装置，加强对线损的监测，可以更加有效地发现台区电压异常、重载过载、用户窃电等异常用电现象，再对采集到的数据信息进行筛选与清沅，合理设定报警阈值，可以实现对电压质量监测，不再采用传统人工方式进行排查与分析，及时发现并处理异常用电行为。
参考文献
[1]崔灿.面向智能用电的非侵入式居民负荷监测关键技术研究[D].华北电力大学(北京),2017.
[2]谭致远.基于用电行为分析的在线用电异常及风险监测系统的设计与实现[D].华南理工大学,2015.