電能計量裝置現場反竊電自動化檢驗技術

徐敏銳，紀 峰，盧樹峰，陳 剛

（國網江蘇省電力有限公司營銷服務中心，南京 210019）

0 引言

新技術的出現使電網朝著智能化、自動化的方向發展，隨之誕生了電能計量裝置，通過該裝置采集智能電網基礎信息。常規的電能計量裝置通過GPRS（通用分組無線服務技術）技術研制而成，但隨著該技術的使用成本較高、數據安全性較低的問題，逐漸減少了該類裝置的使用。為了保證采集數據能夠及時、準確，目前研制了基于NB-IoT（窄帶物聯網）的電能計量裝置，通過優化通信模塊和計量芯片，提升了電能計量裝置的數據采集效果[1]。但一些用電企業的日常用電量較大，這些企業違反法律規定，將電能計量裝置的接線私下短接，減少對用電數據的統計從而少繳大量用電費用。該違法行為不僅損失了國家的供電收入，同時也給用電企業帶來了極大的安全隱患，所以對于竊電監測的研究越來越重視。現有的監測系統通過深度卷積網絡優化拓撲結構，針對邊緣數據計算中心值并進行訓練，通過實時監控用電數據阻止竊電行為[2]。但就目前的監測工作來看，監測到用戶存在竊電嫌疑后，來到現場會發現竊電人員已經恢復了正常接線，很難發現竊電位置并取證，為此研究電能計量裝置現場反竊電自動化檢驗技術。

1 電能計量裝置現場反竊電自動化檢驗技術

1.1 測量電能計量裝置狀態

設計一個反竊電監測模塊，該模塊的核心芯片型號為RN8209D，通過三路轉換器檢測全部市電參數，并通過外圍電路監測到電壓、電流、功率等相關用電參數。通過實際應用可知，轉換器將模擬信號轉換為數字信號，經過SPI接口將寄存器中的轉換數據，發送給電能計量裝置的計算模塊。設計該模塊的電壓采樣單元、相線電流采樣單元以及零線電流采樣單元。通過P1接口接收火線信號，通過電阻分壓降低交流信號生成低壓信號，要求輸入信號幅值必須小于供電電壓，為RN8209D的運行提供支持，實現對電壓采樣單元的設計。利用電流互感器實現相線電流采樣，利用電磁感應原理按比例轉換電流信號；利用錳銅分流器裝置，設計零線電流采樣單元[3]。完成設計后將該反竊電監測模塊與監測系統建立有效連接，對現場的電能計量裝置進行用電數據測量，采用偏最小二乘法（PLS）的多元統計原理，對電能計量裝置設置全新的監測流程。該設計以反竊電監測模塊獲得的電能計量裝置監測數據為前提，通過PLS對目標用戶的數據進行回歸剖析，通過比較回歸方程中的系數觀測值與真實值，實現對電能計量裝置狀態的測量。具體步驟如下：

1）預處理反竊電監測模塊獲得的目標計量數據，建立樣本集；

2）設置自變量和因變量分別為X和Y，根據兩個變量的相關系數矩陣，評價多重相關性，矩陣公式為：

公式中：x、y分別表示n個自變量和因變量。

3）根據PLS獲取成分、軸向量、回歸系數，以交叉性檢驗的方法，判斷是否需要提取下一個成分，生成最小二乘回歸方程，公式為：

公式中：表示常數項；a表示系數項。

4）對比分析式(2)和因變量理論計算方程，即將上述公式與y=x1+x2+x3進行系數對比，描述電能計量裝置的狀態漸變過程。當a的值偏離1，計算相應時段的異常概率。考慮回歸擬合造成的計算誤差，設置裕度系數為1.5，則該系數項的取值范圍為：0.985＜a＜1.015。通過上述四個步驟，利用反竊電監測模塊測量電能計量裝置狀態，為自動化檢驗技術提供原始數據。

1.2 生成反竊電指標評價體系挖掘嫌疑位置

測量獲得的電能計量裝置狀態數據體量較大，相似性程度較高，為了準確評價是否存在竊電行為，根據上一節獲得的測量數據，生成反竊電指標評價體系，挖掘竊電嫌疑位置。電能計量裝置反映用戶的實際用電量，所以設置的指標需要具有獨立性特征和描述性特征，保證對用電數據特征的全面剖析。此次研究設置三個評價指標，首先是月用電量峰谷差率指標，用p1表示，計算表達式為：

式中：s表示月用電量峰谷差；q1表示最大月用電量[4]。其次是用電量季不平衡率指標，用p2表示。該參數可以真實反映用戶用電的平穩性，若突然出現月用電量過高的情況，這一參數會出現異常，計算公式為：

式中：q3表示月平均電量；q2表示當年最大月電量。最后是典型用電量比率指標，用p3表示，計算公式為：

式中：qa表示夏季用電量；qb表示冬季用電量；q0表示全年用電量。根據上述三組參數，檢驗技術以表格的形式生成竊電嫌疑評價指標體系，如表1所示。

表1 評價指標體系

根據該指標評價體系評價多個位置的電能計量裝置的用電指標，實現對裝置嫌疑位置的數據挖掘。

1.3 反竊電自動化檢驗

根據上述數據挖掘結果，診斷用戶的竊電行為。假設時間用t來表示，設置時間窗口寬度為i，則存在：

式中：p1，p2…，pi并不是表示i個評價指標，因為根據式(6)可知，預設了3個指標，所以此公式中的p1，p2…，pi表示式(6)指標中，隨機一個指標在寬度為i的窗口下的測量值；x(t)表示指標的輸出。設置尺度序列的中值為M(t)，建立的尺度序列為：

式中：l1，l2…，li表示與p1，p2…，pi對應的子序列。綜合上述兩組公式得到測量值濾波結果：

式中：H表示門限；φ表示絕對偏差。設計最后利用線性函數轉換上述結果，以歸一化處理的方式統計上述數據，得到：

公式中：x(t)表示輸出；x表示剔除異常數據后的數據。完成數據預處理后，結合表1的實際評價結果，診斷竊電行為[5]。假設網絡中心為ci，最大迭代次數為N，當初始迭代次數為1時停止判斷計算參數。按照臨近規則分析輸出樣本x'(t)，并將該值分配到聚類中心，然后重新聚類中心，公式為：

式中：dji表示位置在i和j處的節點距離；βj表示方向；Mj表示線路。根據兩次變化獲得最小預先設定值μ，計算新的聚類中心為：

最后計算診斷模型的權值，得到的結果通過下列公式獲得：

式中：G表示可逆矩陣；Yc'表示新聚類下的診斷輸出。已知用電數據產生的諧波次數是未知，所以聚類算法很難通過上述過程界定明確的數據類別，根據離群點的敏感度，完成對現場電能計量裝置的現場檢驗。已知不同用戶的電能裝置，產生的各次諧波存在差異性，其中只能反映無功功率的諧波，由于諧波含量極低所以作為基波；有檔位裝置產生的諧波，作為二次諧波；將產生低次諧波含量最高的諧波，作為特殊諧波。按照上述思路將數據集劃分為3個簇，根據上述計算步驟設置隸屬度集合為Rij，根據式(11)聚類中心和式(12)診斷模型的權值W，再次更新數據聚類，得到新的聚類中心C，公式為：

式中：wij表示對應的權重；rij表示隸屬度。計算‖C-c'‖的值是否與預設目標之間的差值結束迭代，利用新的聚類中心得到一一對應的隸屬度，實現對離群點的評價，判斷這些離群點是否存在異常，確定對應的諧波異常特征，診斷用戶竊電嫌疑，完成電能計量裝置現場反竊電自動化檢驗工作。

2 案例分析

2.1 日常監測

從1月開始，A市開始實施電能計量裝置監測項目，試點安裝22套新的電能計量裝置和遠程監控系統，實時監測竊電行為。該公司為高耗能企業，在1月12日完成上述硬件與軟件的安裝，已知該企業的專變容量為1000kVA。1月13日正式進入到試運行狀態，1月20日在巡測監測數據時，發現系統反饋的反竊電實時視在功率曲線值對比結果存在異常，該公司的總表二次曲線，與一次曲線之間存在巨大的差異值，如圖1所示。

圖1 系統2月19日當天獲得的監測數據

根據圖中曲線的變化趨勢可以直觀看出，總表二次曲線的峰值不超過1000kW，但高壓側的一次視在功率已經超過了1500kW，兩種曲線之間存在巨大的差異，說明F公司的電能計量裝置存在竊電嫌疑。

為了檢查F公司是否存在違規用電，在發現上述現象后，立即調查F公司的歷史數據，發現該公司的出現異常用電的時間較長，幾乎都在晚上5：30之后、第二天早上的7：30之前，其他時間的用電曲線正常且用電量較為平穩。翻閱該公司的歷史用電資料，發現電能計量裝置的用電電壓正常，但電流出現多次異常情況，且該公司的總功率因數也處于不穩定的狀態，調取巡測工作當日的用電總功率因數統計數據，如表2所示。

表2 當日用電總功率因數統計表

表2中的數據為1月20日F公司的總功率因數統計數據，根據表2可以直觀發現，晚上17：30之后的總功率因數開始下降，從18：00開始到第二天上午7：00之間，都處于一個較低的數值，從7：30之后，恢復到85%～100%的狀態。表2驗證了圖1數據反饋的問題，并非是系統故障或偶爾發生的監測異常，而是F公司確實存在竊電嫌疑。根據上述調查結果，組織巡檢稽查人員對F公司進行現場突擊用電檢查。

2.2 突擊檢驗

工作人員于1月26日對F公司進行突擊檢查，到達現場經實地調查，證實了F公司的配電柜都是被保護封鎖的，所以從外部直觀來看沒有發現異常情況。應用此次研究的技術，將反竊電設備與F公司的配電柜之間建立連接，如圖2所示。

圖2 反竊電設備安裝

完成安裝后在現場直接進行檢驗，獲得當日的用電數據如圖3所示。

圖3 本文技術在1月26日突擊檢查時獲得的結果

根據圖3顯示的測試結果可知，兩條曲線處于高度重合狀態，沒有因竊電產生數據分離的行為，工作人員只能結束工作返回。經后續調查得知，此次突擊檢查工作被提前告知F公司，F公司當時可能已經恢復了正常接線。為了后續反竊電工作的順利開展，繼續對F公司進行監測，在1月28日再次出現了與圖1所示監測數據類似的監測結果。為了抓獲F公司的違法行為，工作人員于2月1日晚上約18：08再次進行突擊檢查，此次一行的工作人員較少，且消息并沒有被泄露。現場F公司配電柜的門封不見了，證實了F公司存在竊電嫌疑。工作人員按照圖2所示的結構迅速安裝反竊電設備，應用本文研究的技術現場檢驗，得到如圖4所示的結果。

圖4 本文技術在20:15獲得的結果

根據圖中曲線可以直接看到，現場檢驗的用電裝置和電能計量裝置視在功率曲線，呈分離狀態，說明實際用電和監測數據不相符。為了證實這一原因是由于F公司竊電導致的，檢驗共持續了近2h，曲線一直呈現分離狀態。繼續監測該數據，同時現場定位竊電位置，發現配電柜中的互感器之間相互短接，該公司通過將電能計量裝置的三相短接分流，減少了最終的用電計數。工作人員在20：43恢復正常接線，期間一直維持監測狀態，得到的結果如圖5所示。

圖5 本文技術在21:35獲得的結果

恢復接線后，曲線從20：45之后開始再次重合，說明此時的違規接線已經被恢復到正常位置，電能計量裝置的數據統計，恢復到正常工作狀態，均超過了實際的1000kVA容量，證實了F公司確實存在竊電行為。

3 結語

通過此次研究與實踐證明，反竊電自動化檢驗技術的出現，可以獲得更加準確的竊電位置，及時阻止用戶的竊電行為，保護國家的供電收入，提高用電安全，對于存有竊電企圖的用戶，起到了有力的震懾作用。反竊電作為一項長期的工作，需要針對不斷更新的竊電手段，及時更新自身的診斷功能，今后的研究可以讓該項技術不再受時間或空間的限制，優化監測硬件與檢驗流程，并進一步推廣此項技術，以更加高效的反竊電手段保護國家財產安全和用戶使用安全。