蒋超
国网西安供电公司 陕西 西安710000
摘要：近年来，我国的智能化建设的发展迅速，伴随我国社会主义市场经济的快速发展，电力体系改革步入到新的发展阶段，人们对电力企业的建设提出了更高的要求。电力行业作为影响我国社会经济发展的重要支柱产业，对人们日常生活和社会生产建设有着十分重要的作用。但是从电力系统运行管理发展实际情况来看，电力企业系统内部会涉及到比较多的内容，且在具体运行的过程中很容易受到外界环境的干扰，进而出现电力系统供电不稳定、线损、电力窃取等问题，严重威胁到了电力系统的平衡运行。为了能够更好的规范电力企业运行发展，需要在电力企业引入更为先进的技术形式来约束、规范电力系统运行。大数据技术在电力系统中的应用能够借助先进的技术形式实现对电力资源使用消耗的整合分析，针对偷电漏电的问题来提出对应的解决对策。为此，文章结合实际，现就大数据技术在智能反窃电和线损监控方面的应用问题进行探究。
关键词：用电信息采集大数据分析；反窃电；智能识别技术
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。
1反窃电智能系统的结构及处理流程
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。
2电力系统主要窃电方式
2.1篡改短路计量装配窃电
在电力系统运行的过程中如果改装了电路中的线路就被称作是篡改短路计量装配。窃取电力的基本操作原理是在电表内部使用导体连接内部线路，在内部线路连接的过程中借助用电阻力来对电表实施分流处理。在这个过程中电表内部的电流圈电流逐渐减少，电表中的电流出现分支，电表运行速度减慢。
2.2切断电压连接的金属片
切断电压连接金属片或者在电流圈上分流电阻是指在电力表正常运转的过程中使用工具剪断电表内的电流线圈。在实施这样的操作之后电表内部的电压会失去稳定，在电力系统运作的过程中容易因为电路内压力的降低而引发一系列质量问题。
2.3调换零火线的窃电
这种电力窃取主要是将电表中引进线两端的火线、零线进行调整，通过必要的调整使得两个金属联片在相反的的顺序上出现接触，在发生接触之后电流输入反向会和电路工作原理呈现出相反的状态，最终会使得电表停止运行。
2.4将零线切断窃电
零线窃电的方式是在电表引进线端口位置上将零线隐藏起来，隐藏之后将零线切断，在外部重新连接线路。在电路开关闸关闭之后，电路圈内部的电路可以继续运作。在切断零线时电表内的电压无法保持在平衡的状态。在窃电者窃电的时候电表会停止运作。
3优化措施分析
3.1利用用采系统了解影响台区线损各项指标数据
3.1.1利用用采系统了解用电负荷，提高配电变压器的负荷率
操作方法：在用采系统页面，打开“高级应用”→“配变监测分析”→“配变负载分析”→“负载率分析”，可查询台区轻载、重载、过载、超载等明细，为台区分网、相邻台区负荷调整、重载配电变压器更换提供有力的数据支撑。
3.1.2利用用采系统了解台区三相负荷情况
操作方法：在用采系统页面，打开“统计查询”→“综合查询”→“公变用户数据批量查询”→“负荷数据查询”→“负荷曲线查询”，可查询某一台区当日最大用电负荷时段，选择该时段在“电压电流数据查询”菜单下查询三相负荷电流情况，为三相负荷的调整做好数据准备。
3.1.3利用用采系统采集台区首、末端电压，掌握台区电压情况
操作方法：在用采系统页面，打开“统计查询”→“综合查询”→“公变用户数据批量查询”→“电压电流数据查询”→“电压查询”，查询该台区高峰时段首端电压；进入PMS2.0系统，查询末端用户，利用数据冻结功能，查询该台区末端用户用电电压。
3.2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。
3.3ＢＰ神经网络的算法流程
（１）输入数值归一化。针对智能反窃电模型中的７个窃电判别指标存在差距较大的情况，对每种评价指标进行归一化处理，处理方法是找出该组数据的最大值，然后分别用每个数据除以该最大值，即可将数据限制在［０，１］区间内。（２）训练样本的选择。在选取训练样本时，应满足样本输入与输出之间的非线性特征映射关系，训练样本数一般选择为网络连接权总数的５～１０倍，并保证样本分布的均衡性，以减少训练学习的反复性。（３）隐含层数设计。通常，选择２个隐含层以满足不连续函数的运算需要，但对于反窃电模型的构建来说，选择一个即可满足运算函数的需要，只有当隐含节点过多时才需要再增加一个隐含层。
结语
综上所述，大数据技术在智能反窃电和线损监控工作的发展中起到了十分重要的作用，表现为在数据技术的支持下打造出了基于电力用户用电信息采集系统的用电信息采集大数据处理平台，通过实验的开展和充分的验证使得电力企业用电信息采集系统打破了现阶段用电信息存储、分析和应用管理的局限，并为电力系统运行隐患、窃电行为、线损等问题解决提供了重要支持。在未来，依托更先进的技术形式和信息资源能够实现分布式能源并网综合监督控制，表现为在技术的支持下用电信息采集系统能够实现对分布式能源并网运行的实时性监督控制，全面激发客户使用新能源的热情，从而为电力企业的能源消耗提供重要的数据支持。
参考文献
[1]唐良义,王坤,李红柳,等.浅析大数据技术在智能反窃电和线损监控方面的应用[J].电气应用,2017(17):48-53.
[2]潘婷,王仁杰.大数据技术在智能反窃电和线损监控方面的运用分析[J].当代化工研究,2020(20).