基于大數據技術的竊電行為分析與查處

摘要：竊電是指用電客戶為了達到少交或不交電費目的使用非法秘密的手段侵占電能的行為，給國家和電力企業造成了巨大的經濟損失。本文研究通過基于聚類和分類的大數據技術，縮小竊電嫌疑用戶范圍，減少防竊電的工作量，提高稽查針對性，為供電單位進行竊電偵查提供依據，減少供電企業財務損失，保障電網運行安全。

關鍵字：竊電;聚類;分類;大數據

0 引言

當今社會，電能對國民經濟的持續發展和人民生活水平的提高具有非常重要的作用，為了提高電能利用率，我們通過各種辦法來降低線損率，而竊電行為是造成線損率高的重要原因之一。近些年，隨著科學技術的發展，通過高科技手段進行竊電的行為逐漸增多，這些技術手段不但隱蔽性強，而且容易控制，用戶的竊電量大，查處難度非常大。竊電行為日益嚴重，這不僅讓電力企業遭受重大經濟損失，也嚴重影響了經濟建設和社會穩定，應該針對竊電發展的特點，運用先進的技術手段和方法，對竊電行為進行打擊。

1 竊電起因與特征

1.1 竊電的產生

（1）電費仍然是廣大企業客戶生產和經營成本的一大部分，特別是高耗能企業，承包和租賃的私企。因此，一些客戶采取竊電的方式來降低成本，解決資金不足問題。

（2）電網經營企業個別職工為利益與客戶內外勾結，對客戶竊電行為視而不見。另外用電營銷管理上存在著一定漏洞，營銷各環節間的制約、監督作用沒有有效發揮，為竊電尤其是內外勾結竊電提供了可乘之機。

（3）群眾的法律意識、法制觀念淡薄，相關法律法規宣傳力度不夠，使眾多客戶認為竊電不是犯罪，加上多年來對竊電行為的查處力度不夠，都是導致竊電屢禁不止的主要原因。

1.2 竊電的特點

隨著社會整體用電量的不斷增加，不但居民竊電現象在增加，而且工商戶、民營企業竊電的數量也在逐漸增加。在當前社會發展的條件下，反竊電的這種犯罪行為分析與查處已經變得非常困難，電網企業亟需開拓新的途徑，利用新的技術手段和方法開展反竊電工作。

2 常用反竊電分析手段

（1）線損率判定法

該方法利用線損精細化平臺對臺區實測線損率的計算結果判定竊電重災臺區。例如，某些供電單位設定實測線損率≥50%的為竊電重災臺區、即竊電高發臺區。線損精細化平臺在評估臺區線損率時采用的是同期供售電量比對的方法，供電量由臺區供電變壓器低壓側的計量裝置量測，售電量則通過每月抄表電量加總獲得。實際使用中本方法往往遇到兩方面的問題：一是由于一些管理性問題（如戶變關系不準確）或技術性問題（如表計接線錯誤、通信故障等），很多臺區的實測線損率出現負值、零值或異常高值（甚至可能達到或超過100%），對實測線損率異常的臺區本判定方法不再適用;二是臺區技術線損率本來就因供電范圍、供電戶數、負載率、供電方式（架空線/電纜供電）等因素而有所不同，采用統一的閾值標準（如≥50%）往往出現竊電高發臺區的錯判或漏判。

（2） 功率因數分析法

該方法直接對逐個用戶進行偵查，并主要應用于考核功率因數的大工商業用戶。在正常用電方式下，一般而言用戶的負荷功率因數比較穩定、或者在一定的波動范圍內規律地波動。用戶竊電主要采用使有功少計或不計的方式，故而會導致功率因數計量值的突降并保持低位運行。因此，通過功率因數的變化（例如低于歷史值或標桿值10%）可判斷大工商業用戶是否存在竊電嫌疑。為應用功率因數分析法，需對大工商業用戶做好功率因數統計工作，掌握其歷史的功率因數情況和同行業用戶的一般情況，這是一項復雜的工作。另一個問題是，功率因數異常低也可能由于無功補償不足引起，因此應用中也存在誤判的問題。此外，此類方法僅適用于大工商業用戶，而竊電多發在低壓的居民、非居民用戶中，這也使得功率因數判定法在竊電偵查中的用武之地非常有限。

（3） 數據挖掘法

數據挖掘類偵查方法也直接針對每一用戶進行，依據所使用的數據挖掘技術的不同，主要有基于聚類（clustering）、基于分類（classification）的兩種方法。聚類方法基于竊電是小概率事件的思想，對用戶群的負荷數據（一定時間跨度的負荷曲線）實施聚類分析，根據負荷曲線的相似程度將用戶劃分為若干簇。若某用戶所屬簇的用戶數很少，則表明該用戶用電模式與多數用戶不同，從而被歸為異常類、具有竊電嫌疑。分類方法則是一種有監督的學習方法。該方法需要已知一組用戶，對這組用戶不僅要知道歷史負荷曲線，還需要知道經用電稽查判定該組用戶是否竊電的標識量，這兩類信息一起構成訓練樣本訓練出分類器。分類器可以是一組判定規則、決策樹、支持向量機等多種形式。然后，將訓練出的分類器進一步用于其他用戶是否竊電的判斷。

3 案例分析

某供電單位通過對大量歷史竊電案例進行基于PCA的大數據分析，生成竊電行為特征庫，并對城區竊電告發區域進行分析。

通過對用戶數據的分析，可以區分用戶正常用電和非正常用電的特征區別，并以此來對用戶以后的用電進行預測。實驗測試通過基于 PCA 的用戶用電特征提取算法對數據進行分析，提取用戶用電特征。再使用基于RVFLN的用戶竊電診斷算法進行用戶竊電診斷。通過算法根據日常數據進行竊電、違約用電分析，發現用戶存在竊電的嫌疑。

竊電的查處需要進一步結合現場查勘，查看的內容如下。

（1）防盜證明。在現場發現相關的竊電設備或被損壞電力設備。例如，對竊電場景進行拍照，并確定了竊電用戶。

（2）估計反竊電時間。應對實際用電情況進行仔細了解，對近年來的每月用電量進行比較分析，從中找出疑點，更不能依據竊電者自己的陳述來確定竊電時間。

（3）確定竊電電量。在供電企業的供電設施上擅自接線用電的竊電量按私接設備額定容量乘以實際用電時間計算。以其他行為竊電的，所竊電量按計費電能表標定電流值乘以實際竊電時間計算確定。當無法查明竊電時間時，竊電日數至少以 180 天計算，每天竊電時間，動力用戶按 12 小時計算，照明用戶按 6 小時計算。

（4）竊電處理要快速、準確。在發現竊電行為屬實后，按照有關規定馬上進行停電。在保護現場的前提下，確定竊電類型并及時填寫《違約用電、竊電處理工作單》，由竊電方責任人簽字認可。

經現場檢查發現，該戶私自打開電表，更改計量回路阻值，根據《供電營業規則》規定，追補基本電費外，并追加基本電費的三倍違約使用電費。

4 結論

本文通過應用PCA和RVFLN大數據分析技術，實現對用戶竊電行為的高效診斷和挖掘，減小供電企業的經濟損失。

參考文獻

[1]銀見華. 電力營銷大數據在反竊電檢查中的應用研究[J]. 通訊世界，2018（08）：152-153.

[2]竇健，劉宣，盧繼哲，吳迪，王學偉. 基于用電信息采集大數據的防竊電方法研究[J]. 電測與儀表，2018，55（21）：43-49.

黃宇斌，（1993-），男，本科，助理工程師，中級工，從事計量運維以及用電檢查工作。E-mail：775697311@qq.com