关于应用数据挖掘技术构建反窃电管理系统的研究分析

可洪

摘要：现在我国经济的发展，电能的需求量在不断提高，为了完善反窃电管理系统，构建出一个适应新形势，新社会发展的反窃电管理模式，我们需要将数据挖掘作为工具，提升反窃电管理的能力。反窃电管理系统的构建需要应用数据挖掘技术从电力企业运行过程中积累的数据进行提取，本文主要从系统的设计方案，数据处理，模型建立和技术实现这四个方面进行分析。

关键词：电力系统;智能电表;数据挖掘技术;反窃电管理系统

中图分类号：TM73   文献标识码：A   文章编号：1672-9129（2018）15-0120-01

Abstract： With the development of China's economy， the demand for electric energy is constantly increasing. In order to improve the anti-theft management system and build an anti-theft management mode that ADAPTS to the new situation and social development， we need to take data mining as a tool to improve the anti-theft management ability. The construction of anti-power theft management system needs to apply data mining technology to extract the accumulated data in the operation process of power enterprises. This paper mainly analyzes the system design scheme， data processing， model building and technical implementation from four aspects.

Keywords： Power systems; Smart meters; Data mining technology; Anti - theft management system

1 設计方案

目前我国用电信息采集系统服务器收集到的数据都是利用移动公网或者数据专网进行信息传输，然后这样得到的复核数据，通过数据接口应输到营销业务系统当中。而反窃电管理系统可以对每一个独立系统的数据进行抽取，且它还能对得到的数据进行转换，清洗和加载，最后形成可视化的形式呈现给工作人员。

2 数据抽取、转换、清洗与加载

2.1数据抽取。要想获得各种类型的数据，我们需要从不同的初始业务系统进行读取，当然读取的过程必须要经过数据接口，读取数据完成之后可以将其储存至中间库进行备用。但如果仅仅是进行数据抽取，我们得到的数据将会呈现出无序，分散，异构等特点。

2.2数据转换。为了能够将无序分散，异构的数据整合成统一格式的数据，我们需要按照预先设计好的规则将不同数据进行转换。比如，在电量的数据表示方面，有些数据用kw·h表示，有数据会用千瓦时表示，也有数据用度表示;在时间的数据表示方面，有些数据会用某年某月某日表示，有些数据用xxxx-xx-xx表示。是为了保持数据形式的一致性，我们需要进行数据转换。

2.3数据清洗。某些数据在进行储存时会出现数据噪音的现象，为了能够清除掉数据中的噪音，我们可以利用切比雪夫原理设定一个区间进行判定和检测，最后清除。对数据进行清除之后，有可能会出现某个区间的值不能达到固定数值的情况，这时我们可以利用历史平均数据进行填补。

2.4数据加载。进行完以上步骤之后，我们将得到的数据导入数据库中预留，作为建立数据挖掘模型的基础。数据加载步骤也需要将数据导入到固定模型体系结构当中。

3 反窃电数据挖掘模型的建立

3.1实时线损计算分析模型。该模型的建立是根据在线路或者台区归属的电表当中提取到的实时电量进行统计，再根据线路或者台区的线路损耗能量进行计算，最后绘制出周期线损曲线，进而得到分析模型。当然利用该模型计算得到的理论线损与实际线损存在一定的差距，如果这两个数值的差距超出正常范围，那么可认为该线路和台区的线损出现问题。

3.2用户用电异常对比分析模型。如果某用电用户出现窃电行为，那么它的电量属性将会与他历史用电属性特征值存在一定的差异，历史用电属性特征值是指在历史同期是用电量的具体情况。将用户某一时期的电量属性与历史特征值进行比较，这两个数据之间的差异称为定义电量差异度，如果猜疑度较大，那么可判断该用户为确定嫌疑用户。

3.3用户负荷曲线实时显示模型。用电信息采集系统已经可以完成分钟级的数据采集任务，系统可以根据采集到的数据绘制出用户负荷曲线。

3.4数据挖掘技术与反窃电模型的组合。反窃电管理系统可以将数据挖掘技术与反窃电模型进行有效结合，其中数据挖掘技术可以分为数据聚类与数据分类，利用这两种差别对用户的用电情况进行筛选，进而分析出用户的用电行为属于正常用电的还是非正常用电。

4 系统的实现技术及主要特点

4.1 构建反窃电信息平台。为了满足电力企业的需求，根据目前反窃电管理业务的情况，我们可以建立起反窃电信息平台。该平台必须要制定出统一的模型标准，操作规范以及操作流程标准。为了实现数据挖掘，信息集成和业务整合这几个任务，工作人员还需要开发出基本的公共语义接口，最后才能为使用对象提供一个完整的数据应用平台。

4.2 基于构建耦合法分成设计构建模型库。构建耦合法中的构件可以分为数据库构件，数据处理构件和数据包装构件。其中数据库构件可以去到数据储存的作用，数据处理构件可以完成数据提取，转换器洗以及加载等过程，最后，数据包装构件可以将数据处理成用户需要的形式。将一上这几种构件进行完美地整合，并设计成一个构建模型库，最后才能使整个系统的运行更加顺畅。

4.3 实现信息系统用户交互层次的访问规则。为了能让结果更加清晰直观，工作人员可以根据用户具体的用电情况，利用反窃电管理系统将得到的信息整合成动态报表，饼状图，折线图等形式。当然，系统除了可以进行报表制作等简单操作之外，还可以进行导入导出的功能，这样不仅方便工作人员的查询、统计，也进一步支持了反窃电决策的实施。

结语：本文所介绍的反窃电管理系统可以为电力企业提供在反窃电管理方面的需求，它可以从海量信息中提取到企业需要的具体数据，然后将这些数据与具体值进行比较，最后快速准确地锁定确定目标。而数据挖掘技术的存在可以将系统进行不断的完善。

参考文献：

[1]刘盛，朱翠艳.应用数据挖掘技术构建反窃电管理系统的研究[J].中国电力，2017，50（10）.

[2]张瑞.基于用电信息数据挖掘的智能反窃电研究与应用[J].价值工程，2016，35（35）.

[3]秦娜.基于数据挖掘的反窃电技术在某电网中的应用研究[D].华北电力大学，2016.