基于稠密度聚類法和層次分析法(AHP)的竊電嫌疑行為檢測

周江

摘? ?要：本文針對目前對竊電行為早期快速診斷和發現困難的現狀，提出了一種在基于大數據背景下的稠密度聚類法和層次分析法（AHP），通過先對用電用戶的用電特征進行聚類，然后對具有竊電嫌疑特征的分類進行層次分析法，最終給出各用電用戶的竊電嫌疑程度指數，以幫助實際用電稽查和反竊電工作。

關鍵詞：竊電嫌疑? 稠密度聚類? 層次分析法（AHP）

中圖分類號：F27? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-098X（2020）02（a）-0085-02

大數據分析技術的快速發展，解決了海量數據分析的技術問題。國際上已有很多利用大數據在不同場景與需求下進行準確檢測與判斷的研究。在用戶竊電檢測方面，國網的用戶用電信息采集系統已經實現了對電力用戶的全覆蓋、全采集，所得到的海量的、完備的用戶數據，完全能滿足大數據分析使用需求。

1? 稠密度聚類法和層次分析法

1.1 稠密度聚類法

1.1.1 聚類法原理

聚類分析是研究（樣品或指標）分類問題的一種統計分析方法，以相似性為基礎，在一個聚類中的模式之間比不在同一聚類中的模式之間具有更多的相似性。從某一程度來看也可理解它是一種基于傳統的貼標簽功能和依托IT技術進行聚類分析而成的用戶畫像應用技術。

用戶用電是有規律可循的，作為用戶用電記錄的負荷曲線也應該是有規律可循的。一般情況，可把用戶用電分為生活用電、辦公用電和生產用電三種。生活用電特點：一是電量小;二是任何一天，任何時間都可能發生。根據生活用電的這些特點，生活用電在日分布圖上，往往是一條連續的，波動不大的，低矮的曲線。我們常常把生活用電生成的這條曲線叫做底層用電（以下簡稱底層）。辦公用電特點：一是電量比生活用電電量大;二是按作息時間用電;三是常常加班用電。機關事業單位沒有生產用電，辦公用電就是該用戶的用電頂層（以下簡稱頂層）。工業企業單位辦公用電覆蓋了生活用電，形成高底。生產用電特點：一是用電量最大;二是遵守作息時間;三是有鮮明的行業特點。生產用電構成日分布的頂層，從頂層形狀可以推斷用戶作息時間和行業特點。一般情況，以上三種類型用電使用同一塊電表，24h連續計量，因各個用戶作息時間不同，用電類型不同，所以生成形象各異的負荷曲線分布圖：上班時間記錄用電的頂層;下班時間記錄底層;加班底層是高底。對于全天工作的機關事業單位，頂層是辦公電流;對于全天工作的工業企業單位，生產用電是頂層。以上的分析就是電流分布規律的要點。

1.1.2 分析步驟

電流日分布規律很大程度跟用戶行業有關，不同行業的用電規律在電流日分布規律圖中表現差異較大，故利用電流日分布規律數據樣本量還無法足以對所有用電用戶進行細致地聚類分析。如要進行分析，則需要利用到電流月分布規律圖，這也體現了聚類分析的基礎是來源于電力大數據的概念。

根據電流月分布規律數據分析，我們梳理并可以聚類為七種類型的用電用戶，它們是：平穩型、波動型、漸變型、跳變型、局部0型、全部0型、局部露底型。

1.1.3 分析特征歸納

通過以上的分析過程闡述，我們基本可以得出初步結論：平穩型、波動型、漸變型三種為正常分布;跳變型、局部0、全部0、局部露底4種為異常分布。但造成異常分布的原因我們不能斷定就是用戶的竊電行為。通過電流稠度的聚類分析方法，我們完全根據單一類型的歷史數據來對所有用電用戶進行了一次歸類畫像，從而快速圈定用電行為異常用戶的范圍。如要對這些用戶進行再次精確分析和貼上量化的標貼，就需要采取下一步的層次分析法了。

1.2 層次分析法

1.2.1 算法原理

層次分析法（Analytic Hierarchy Process，簡稱AHP）是將與決策總是有關的元素分解成目標、準則、方案等層次，在此基礎之上進行定性和定量分析的決策方法。在竊電嫌疑分析應用中，將不同的用戶當作不同的備選方案，線損平衡指標、功率平衡指標、失壓、短相、缺相、失流等電表事件、負載率特征、作業習慣、功率因數分布、功率歷史數據特征作為第一層次要素，用電平衡指標、表計事件、歷史數據特征，作為第二層次元素。分別賦予不同的權重比例，最終通過加權遞階歸并，得到每個用戶的竊電嫌疑指數。

1.2.2 分析步驟

（1）劃分層次。

根據層次分析原理分層建立用電異常指標體系，指標層從上至下分別為：O={用戶用電異常嫌疑指數}，A={平衡分析，表計事件分析、歷史數據分析}，以及包含各單項指標的B層，按照指標對用戶用電異常嫌疑指數的影響，指標值越高，用電異常嫌疑就越大。

（2）權重設置。

設置B層指標對于綜合用電異常指數權重。W=[w1，w2，w3，…，w17]。

（3）計算竊電嫌疑指數。

設由 層次分析法指標對于總目標的層次總排序權重為W=[w1，w2，…，wn]，各指標狀態值為S=[s1，s2，…，sn]，先得到A層指標。

由于a1對應的下層指標為b1，b2，則a1的綜合指標的計算方法為：

Va=W1*S1+W2*S2

S為B層指標對應的狀態指標值W為各指標對應的權重系數。

則最后綜合分值為：

通過對B層指標的分體及加權計算可以得到A層指標的具體指標值，通過對A層指標值進行累加可以得到用電異常綜合評估指標，指標值越大，用電異常嫌疑就越大。

2? 結語

本文提出了一種在大數據背景下運用并結合稠密度聚類分析法和層次分析法來檢測用電行為異常嫌疑程度的方法。選取電力用戶的用電特征數據，通過縱向歷史大數據和單一電流特征規律來歸類用戶和辨識異常用電用戶群體，以此來啟動進一步的層次分析法，并且同時又作為層次分析法中的一個重要層次指數。通過這兩種方法，快速給出有不同程度系數的竊電嫌疑用戶清單，以供供電企業進行用電稽查和反竊電工作的重要依據。

本文提出的分析數據只需要來源于既有的用電信息采集系統中即可，跟常用的硬件判斷法、其他軟件分析方法相比，本方法不依賴加裝現場硬件設備，也不需要在軟件系統中補錄和豐富其他數據。利用現有的數據可同時用于分析當前的和過去的竊電行為。實際應用表明該方法具有很好的用電異常行為分析、發現能力，可以作為發現竊電行為檢測重要手段，具有很好實用價值。

參考文獻

[1] 袁小林.竊電現象剖析與反竊電對策[A].第十一屆全國防治竊電工作交流大會[C].2011.

[2] 李靜.利用電力負荷管理系統實時監測電量竊漏[A].中國城市供電學術年會[C].2005.

[3] 韓穎.竊電網絡特征分析及其判定方法[D].華北電力大學，2008.

[4] 韓家煒.數據挖掘：概念與技術[M].北京：機械工業出版社，2007.