基于在線監控的反竊電分級管理研究

摘要：隨著電力系統用戶信息采集的集成度越來越高，電力公司對于用戶的用電監測成為了可能。文章基于大量異常的用電數據，對竊電行為進行了數據挖掘，建立了用戶竊電的相關分析機制，并且結合實際中的線損管理，建立了相應的用戶竊電在線監控以及分級管理的機制。

關鍵詞：在線監控；反竊電；模糊理論；專家決策；分級管理；電力系統 文獻標識碼：A

中圖分類號：TM73 文章編號：1009-2374（2015）29-0028-02 DOI：10.13535/j.cnki.11-4406/n.2015.29.014

竊電問題在電力系統中是非常常見，也是電力系統面臨的非常棘手的一個問題，其在一定程度擾亂了市場正常的用電秩序，給國家以及電力系統造成了較大的經濟損失，這種行為會對電力系統的基礎設施造成一定的損害，并且很可能造成嚴重的安全隱患。所以，作為國家有關部門和電力企業，都應該嚴格控制和杜絕這種行為。但是長久以來電力企業對于竊電的查處僅僅是依靠群眾舉報、當地線損分析或者是現場的檢查，在發現確切的竊電行為的時候已經造成了巨大的損失，而且傳統的查處方式不及時，也耗費人力和財力。本文以所采集的用戶用電信息為基礎數據對該數據進行了數據挖掘分析，對于異常的用電數據和用戶竊電之間的相關性進行了分析，然后根據所建立的評價機制對于竊電用戶的嫌疑人以及竊電程度進行了相關的研究，為我國用戶竊電的在線監控以及電力分級管理提供了一定的理論

依據。

1 對于竊電信息的數據分析

對異常的用戶用電信息進行數據挖掘要結合用戶竊電的實際情形，通過對用電信息采集系統所采集的數據進行分析，然后提取出和用戶竊電較為相關的特征。目前可以采集的信息不僅種類多，數據量也非常大，有些數據和用戶竊電之間存在較為直接的關系，但是另外還有一些信息要通過數據的相關性分析以及處理才能夠得出二者之間的關系。對于上述情況的研究可將用戶用電數據和相應的用戶竊電的相關性結合起來。在這個過程中要結合相應的用電場景對于可能造成的用電數據的形式進行反推，本文對于用戶竊電的基本場景類型進行了相關的分析，研究發現在大約25個種類的數據中，與竊電緊密相關的數據就達到了17個之多，但是這種相關性沒有必然的聯系，在不同的用電用戶的類型下異常用電信息的表現也會相應的有所不同。在調查的過程中，所有種類的數據出現在一種類型的電力用戶中是非常常見的。從海量數據提取出的用戶竊電信息的特征并不一定都是完全準確的，存在誤報的可能性，在正常工作的條件下有時候也會觸發相應的異常數據，所以在這個過程中要對多維數據進行考慮，并結合售電系統的綜合數據，設置好數據的過濾規則來對數據進行相應的篩選，在海量的數據中提取出有用的數據，這些數據可以在很大程度上反映竊電的用戶。

2 基于模糊算法的竊電在線監控

由于竊電所導致的異常用電信息往往不是單獨存在的，一種常見的竊電情景可能對應著多種類型的異常的數據，所以在進行竊電的在線監控的過程中不能夠只依靠單一的數據做出結論，否則就很可能會發生誤判，并不能夠找出竊電的用戶。所以，要建立竊電用戶異常信息的綜合的評價機制，通過相應的技術手段來對多維的數據中的多個特征數據進行綜合的分析，以建立綜合的評價機制；計算出每個維度特征與竊電信息相關聯的程度，對于用竊電的行為和數據進行判別，達到足不出戶就可以在線上實現對于竊電異常數據的分析，為竊電工作監控提供切實可靠的依據。對各個維度信息之間的獨立性進行研究，采用模糊評價的手段來對用戶竊電的信息進行綜合評價。

基于模糊評價的理論來對用戶竊電的信息進行評價，將用戶竊電的程度作為模糊理論研究的對象，將影響評價對象的各個維度的數據作為影響對象評價的因素集合，通過分析各個維度數據的重要程度的不同，將各個維度的數據設定一定的權重值。利用專家決策和模糊理論兩種方式，將評價指標定量地表示出來；定量地來描述用戶的竊電行為，使得這種分析得到的數據作為判別用戶竊電與否與嚴重程度的標準。

將異常的17類用戶的用電信息作為相應的評價因素，根據樣本相關統計知識將這些數據分為3類，根據重要程度的不同分為一類、二類和三類。

根據樣本的學習機制以及專家決策理論來確定相應的權重值。通過結合實際的竊電的場景來對系統竊電的信息進行研究，統計并計算單一的異常信息所對應的評價指標的概率值，結合專家系統來確定相應的權重；然后再通過評價對象和總評對象之間的關系來計算相應的后驗概率，反演指標和竊電信息之間的概率關系，通過計算可以得出異常信息相對于評價對象的重要程度，計算相應的隸屬關系。在上述權重值確定之后并不是一成不變的，可以根據不斷學習來對上述權重值進行不斷修正，通過計算得出用戶竊電的評價標準如下：

式中：值為相應的權重；為相應的隸屬度

矩陣。

3 基于在線監控的臺區線損竊電分級管理

我國的電力系統每年都投入了大量的人力和物力來做電力的稽查工作，但是存在兩個問題：一是用戶竊電的種類非常多，導致竊電所檢測到的數據表現形式非常多樣；二是用戶竊電分布范圍非常廣泛，不可能采取上述人力稽查的方式，目前來講反竊電的主要方式來自于對線損進行分析和來自于群眾的舉報，但是通過有關計算和統計，采用上述兩種方式所命中的幾率還不到20%。如果將在線監測的數據和分析結果以及相關線損結合起來，對數據進行相關的篩選的話，就能夠很大程度上實現對于用戶竊電信息的分級管理，分級的標準是依據嫌疑用戶可能竊電程度的大小、難易程度大小的不同來對上述情況進行分析，對于竊電的用戶分等級管理。建立相關的用竊電管理等級制度，最為首要的就是對用戶竊電程度的界定以及閾值確定和分級的標準。在檢測的過程中如果發現用戶線損不合格，并且在線監測數據顯示為嚴重嫌疑的用戶，應該列為重點監控的對象，并應該到現場去進行排查；在監測的過程中如果只是用戶的線損不合格而在線的監測數據顯示正常，對于這類的用戶要定期地展開巡查；在監測的過程中如果發現線損的質量合格在線監測的數據也顯示正常的話，只是對這種用戶進行監控，在舉報之后再進行排查。在實行上述分級管理機制的情況下結合模糊評價機制。將線損與在線監測的結果相結合來對竊電進行分級管理，通過采用先進的數據采集和數據挖掘機制對上述數據進行分析，能夠最大限度地提高反竊電命中的準確率，大大降低所投入稽查的人力物力，最大限度地保障國家和企業的財產，以防流失。

4 結語

隨著電力系統自動化以及信息化的不斷發展，集中了越來越多的大數據，本文以這些大數據為基礎對于用戶竊電信息進行了相關的研究分析，然后進行了數據挖掘，建立了綜合的評價機制，通過結合在線監控的數據和線損程度以及區域，為反竊電用戶的分級管理提供了理論與技術支持。這些工作增強了電力系統的智能化信息化水平，加大了反竊電的查處力度，減少了電力稽查所耗費的人力物力，提高了電力稽查的準確度，減少了國家和企業的損失。對于上述大數據進行挖掘的作用不限于此，本文所提出的基于大數據的數據挖掘以及模糊理論和專家系統所建立的在線監控綜合評價機制，對于提高我國反竊電工作水平具有非常重要的現實意義。

參考文獻

[1] 韓松林，尚德祖，高杰，費安行，張慕朝.反竊電、防竊電及防竊電產品[J].電測與儀表，2002，（9）.

[2] 向雁.電力負荷管理系統防竊電功能拓展與應用[J].江蘇電機工程，2003，（3）.

[3] 趙智斌.警惕更換電流互感器銘牌竊電[J].農村電工，2006，（5）.

[4] 王方亮.防竊電技術及措施的分析與應用[J].勝利油田職工大學學報，2006，（2）.

[5] 崔滿春，于臣.電力負荷管理系統反竊電措施[J].林業科技情報，2006，（3）.

作者簡介：劉鳴（1984-），男，廣東梅州人，深圳供電局有限公司工程師，碩士，研究方向：電力工程。

（責任編輯：周 瓊）