基于配电物联网的反窃电预警系统研究及应用

许小卉 许妙琦 唐冬来 叶鸿飞 朱晓庆

摘   要：基于电力物联網建设方向，结合大数据、人工智能深度机器学习技术，提出了基于配电物联网的反窃电预警系统研究及应用。通过配电台区"变-线-相-户"分段、分层的窃电台区嫌疑分析，客户用电负荷曲线的特征分析，精准锁定窃电嫌疑用户，提高供电单位窃电预警能力。首先，采用边缘物联代理技术采集用电特征数据，获取电表的电气数据及自动拓扑关系;其次，采用聚类、分层分析建立反窃电预警模型并结合专家诊断库生成窃电嫌疑用户清单;再其次，警电联动应用将窃电嫌疑用户推送至公安侦办系统，形成警电联动体系，最后展望系统扩展对相关业务的支撑，旨在探讨电网企业应用反窃电预警系统的价值。

关键词：配电物联网终端;反窃电预警;窃电行为辨识

中图分类号：TP393                                           文献标示码：A

文章编号：1003—6199（2020）02—0104—05

Abstract：Based on power iot construction direction，combined with large data depth，artificial intelligence，machine learning technology，put forward the power research and application of the early-warning system based on the distribution of the Internet of things。Through the distribution area " Transformer - line - phase - door" segmented，layered power suspected area analysis，customer characteristic analysis of electricity load curve，precision lock suspected power users，improve the capability of power supply unit power theft warning. Firstly，the edge coupling agent technology is used to collect electricity characteristic data and obtain the electrical data and automatic topological relationship of the electricity meter. Secondly，cluster analysis and stratification analysis are used to establish the early warning model of anti-electricity theft，and the list of suspected users of electricity theft is generated by combining the expert diagnosis database. Secondly，the combined application of alarm and electricity pushes suspected users to the public security investigation system to form a combined system of alarm and electricity. Finally，it looks forward to the support of the system expansion to related businesses，aiming to explore the value of the application of anti-alarm system for power grid enterprises.

Key words：distribution internet of things terminal;early warning against electric larceny;identification of stealing electricity

随着社会经济发展与电力的关系越来越紧密，部分不法分子受经济利益驱使利用各种手段进行窃电，窃电现象屡禁不止[1]。伴随着科学技术的发展，非接触型干扰窃电、高频高压电源干扰窃电等新型窃电技术手段日益增多[2]，这些技术手段不但隐蔽性强，而且查处困难。现阶段，反窃电工器具的智能化、信息化程度较低，直接影响反窃电作业效率和诊断准确度，致使窃电行为甄别与界定变得尤为困难[3]。

目前，窃电现象已是一个全球性的问题，不仅国内较普遍，在国外一些发达国家也普遍存在。据统计，美国电力公司每年因窃电造成的经济损失大约为50亿美元，我国供电企业因窃电造成的经济损失大约为200亿元。窃电行为不仅损害了国家和供电企业的经济利益，而且扰乱了供用电秩序，严重影响了社会经济的正常发展[4]。同时，窃电还存在着线路短路、人员触电等较大的安全隐患，影响着电网的安全运行[5]。据统计，近年来的触电伤亡事故和火灾事故中，近25%是由于窃电造成短路而引发的。这些事故不仅对合法用户的正常用电产生干扰，同时用户的人身财产安全也得不到有效的保障。因此，如何精准辨识窃电行为，构建快速、及时、高效的警电联动反窃电机制等问题亟待解决。

随着供电企业用电信息采集系统建设的逐步完善，文献[6]中按15分钟/次的频率采集专变用户的三相电流、三相电压、功率、相位、电表开盖、停电、复电等信息，专变用户窃电的自动监测分析已经初见成效。文献[7]但对于公变台区的低压用户的窃电损耗研究甚少，一方面文献[8]是因为低压用户使用的单相电能表每天只采集一个电量，一天采集一次，只能进行台区线损的分析，对线损异常的台区，难以精准定位到窃电用户，需要到现场逐户排查，工作量大，效率低;另一方面，文献[9]低压用户数量庞大，用户窃电量相对较少，监测难度较大，长期以来重视程度不够。虽然单个用户窃电量较少，但数目较大，总量依然不可小觑，

上述文献对反窃电预警中均未涉及到采用物联网技术进行反窃电预警研究，随着配电物联网技术的迅猛发展，利用边缘物联代理采集低压单相（三相）智能电表的电压、电流、功率、功率因数等数据，开展反窃电工作。利用大数据技术、机器学习方法深度挖掘用户海量用电数据，综合分析线路、台区线损数据以及居民用户用电信息，构建反窃电模型，精准辨识窃电行为，成为重要研究方向。

1   系统概述

基于配电物联网技术的反窃电预警系统由用电特征数据采集、反窃电预警模型和警电联动反窃电应用三部分构成，一是通过配电物联网智能终端以15分钟/次的频率采集配电台区总表、用户户表和分支开关侧末端终端数据，实现了配电台区“变-线-相-户”的拓扑关系自动识别和电气及计量数据的全采集，聚合与高效传输，以支撑反窃电应用。二是采用孤立森林[10]及bootstrap抽样法[11]（自助法）建立反窃电预警模型，通过“变-线-相-户”电量、电流等数据分析，分级识别嫌疑用户;三是建立警电联动反窃电应用，将窃电嫌疑用户信息发送给公安机关，协助公安机关开展窃电行为查处，如图1所示。

1.1   用电特征数据采集

首先，通过配电物联网智能终端采集配电台区用电特征数据。配电物联网智能终端部署在配变侧，是配电台区的数据集中和计算处理中心，配电物联网智能终端采集配电变压器、台区总表、末端终端、用户智能电表等设备的数据，并进行“变-线-相-户”关系自动拓扑、线损等应用的边缘计算;在线路侧，利用末端智能终端采集分支线路侧的电气、计量数据，用于0.4kV线路分段、分层的线损计算;在用户侧，更换智能电表的本地通信模块为微功率无线/载波的双模模块，用于分钟级冻结电量、电流、功率等增量数据的高速本地传输;配电物联网终端利用边缘代理技术将本地汇集数据高速传输给反窃电预警模型，如图2所示。

其次，通过配电物联网智能终端和末端智能终端、智能电表的载波组网链路关系进行自动拓扑，通过“识别信号发送”、“户表载波注册”、“拓扑关系生成”自动获得配电变压器-0.4kV线路-相位-用户的“变-线-相-户”拓扑关系，在识别信号发送步骤中，安装在台区侧的终端在已知相位上分别广播发送HPLC台区识别信号，识别信号包含时间戳及相位信息，在户表载波注册步骤中，户表经过零点时间检测，识别相位后，通过HPLC向台区智能终端主动注册;在拓扑生成步骤中，台区侧智能终端通过高速载波轮询已注册的低压户表，并形“变-线-相-户”关系，以支撑配电台区分层、分级的线损计算。

然后，利用配电台区末端终端、智能电表的小时电压分布序列的样本数据相关性分析算法，按天对末端终端、智能电表的电压数据进行相关系数计算，得出一天内所有末端终端、电表的小时电压曲线之间的相关系数矩阵，如图3所示。白色区域为相关系数高的区域，表面该区域的电表都属于此配电变压器，红色区域的相关系数较低，表明红色区域的智能电表在实际的拓扑结构中可能是连接在其他变压器下的。通过小时电压分布序列精准校验可以获得准确的“变-线-相-户”关系，解决工频载波共用零线台区串扰、高速载波识别边缘用户成功率低的问题。

最后，将配电物联网智能终端采集配电台区用电特征数据按照“变-线-相-户”的拓扑关系结构放置在反窃电预警模型的实时数据库中。

1.2   反窃电预警模型

反窃电预警模型分为用电特征数据预处理、台区线损计算和窃电分析三部分，如图4所示。

首先，数据预处理进行用电特征数据清洗，配电物联网智能终端以15分钟/次的频率采集的末端智能终端、用户智能电表的海量数据受到噪声数据、缺失数据的干扰。导致数据异常的情况还有数据传输错误、采集成功率低、测量不准确等，因此，用电特征数据中难免会出现0、缺失数据或正常范围外的数据。因异常数据对于模型的建立有着很大的影响，所以，首先对海量用电特征数据进行有效的清洗。

数据清洗通过机器学习技术[12]，对海量用电特征数据中不符合要求的数据进行替换、剔除等，以确保对用户的用电行为进行准确分析。

其次，通过高速载波（HPLC）技术进行0.4 kV线路理论线损分析，0.4 KV低压配电网由于供电方式复杂，供电出线回路不同，沿线负荷分布没有严格规律，各相负荷分配不平衡，本应用采用改進等值电阻法计算理论线损，以获得准确度较高的理论线损值，理论线损值计算公式如下所示：

N为配电变压器低压侧出口结构系数，单相两线制取2，三相三线制取3，三相四线制取3.5;Ipj为平均电流（A）;K为配电变压器出口负荷曲线形状系数，根据负荷率和最小负荷率计算。理论线损计算完毕后，与实际线损进行比较，生成分钟级线损偏差曲线。

再其次，构建台区窃电辨识模型，以聚类算法对台区窃电指标集进行聚类分析，找出有窃电嫌疑用户的台区。配电台区若正常运行，台区总线损、相线损、分段线损均处于一个比较稳定的区间。台区若出现窃电嫌疑用户，就会造成线损的突变，窃电嫌疑用户采用表前接电，就会造成相-户电流不平衡;窃电嫌疑用户采用移相法窃电，会导致台区电压、电流相位异常和功率因数异常波动[13]，通过台区侧的用电特征分析，可判断该台区是否存在窃电嫌疑用户。

聚类算法将台区总线损、相线损、分段线损、相-户电压、相-户电流、相-户功率因数构建一个隶属度矩阵，隶属度表示一个对象隶属于集合的程度，例如用户电表电流x，属于集合相电流A，记作u，其取值范围是：[0，1]，u=1表示完全属于集合A。设数据集X={x1，x2，…，xn}，将其划分为c个簇，V={v1，v2，…，vn}表示聚类中心，聚类计算公式如下：

m为模糊加权指数，μij为第i个样本隶属于第j个簇的隶属度，dij为第i个样本与第j个簇的中心的距离。距离簇的中心的距离越近，则窃电嫌疑越大。

最后，构建用户窃电辨识模型，用户常用的窃电手法有欠流法、欠压法、移相法、无表法、高频仪干扰等，不同的窃电手段会导致用户不同的电气参数发生异变，本应用采用电压不平衡、电流不平衡、日负荷特征曲线、功率因数不平衡率等特征指标构建用户窃电指标集，在构建典型日负荷特征曲线方面，设某用户第i天的负荷曲线数据为

一共获取了n天的历史数据，计算i天在时间点j的负荷权重，通过对相同时间点的负荷值进行加权平均就可以得到该用户典型的日负荷曲线。

在用户典型的日负荷曲线的基础上，考虑所选电气指标对于窃电嫌疑分析重要性不同，本应用采用层次分析法（AHP）計算各指标权重[14]，按照电压不平衡率、电流不平衡率、功率因数不平衡率、日负荷曲线异常率、电量同比结构建立递阶层次结构模型，其次对五个层次中的各级指标进行比较，构建构建判断矩阵，再其次，通过矩阵一致性检验，计算最大特征值，计算公式为：

CI为窃电矩阵最大特征值，并与专家知识库的相对重要程度指标进行优化调整，从而输出分级的窃电用户清单。

1.3   警电联动反窃电应用

根据可灵活定制的反窃电专家策略和用户行为轨迹分析用电异常情况进行综合诊断，如具备窃电行为特征，将设为终端窃电嫌疑户，由系统生成详细的异常诊断报告书后发送至公安侦办系统及相关办案人员手机，办案人员可根据诊断结论进行现场查证，最后，将查证结果反馈到案例库，通过大数据技术训练案例分析功能，持续改进用电异常属性及判定策略。

2   系统应用关键点

2.1   采用配网物联网技术，改进采集模式，扩展电表采集数据类型及频度

反窃电预警系统要求分钟级采集智能电表的电流、电压、电量冻结数据，而目前用电信息采集系统使用窄带载波技术和轮询的方式采集智能电表数据，数据采集效率低，速度慢，实现数据实时召侧困难。以400户的配电台区为例，仅采集用户电表电量一个数据项就需要2小时以上，已不满足反窃电应用分析需要。配电物联网智能终端采用边缘代理技术和高速载波（HPLC）/微功率无线双模技术，多并发的采集用户电表的分钟级电流、电压、电量等冻结数据[15]，突破了传统用电信息采集技术轮序周期长、适应性差的问题，为反窃电预警提供了有力的数据支撑。

2.2   采用“变-线-相-户”关系自动识别技术，实现窃电行为分层、分段判断

配电物联网智能终端采用边缘代理技术与安装在分支线路侧的末端终端进行通信，生成变线拓扑关系;配电物联网智能终端采用过零点相位识别技术，识别线路的三相及每相下挂接的用户智能电表，完成“变-线-相-户”关系的自动拓扑。实现了窃电行为分析分段、分层的计算和缩小窃电用户的查找范围。

2.3   采用聚类和层次分析法建立反窃电专家诊断库，大幅提高窃电辨识准确性

采用FCM聚类算法对台区窃电指标集进行聚类，在海量采集用户的电流、电量等数据中不断缩小异常台区的范围，避免全量数据进行建模分析，减少离群点检测出的孤立森林算法对反窃电模型辨识精度的影响。在用户负荷曲线分类中，对多个用户的负荷曲线进行聚类，利用层次分析法（AHP）计算各指标权重，得出各样本的窃电嫌疑指数，实现重大嫌疑、较大嫌疑、轻微嫌疑、无嫌疑四类用户的判定，大幅提高了用户窃电辨识的准确性，经应用验证，窃电嫌疑判断准确率由40%提高至95%，并辅助开展窃电损失定量。

2.4   建立警电联动体系，提高窃电案件查处效率

贯通供电公司与公安机关的反窃电数据共享渠道，进一步强化防范和打击涉电违法犯罪行为。在反窃电预警模型输出的分级的窃电用户清单后，将重点窃电嫌疑用户通过接口的方式推送给公安侦办系统，建立供电公司、公安机关的警电联动反窃电体系，建立公安机关与供电公司联勤机制、协调机制，形成窃电查处督办事件，从而营造良好的供用电秩序和安全稳定的电网运行环境，确保反窃电案件查处专项工作顺利开展。

3   系统应用展望

基于配电物联网的反窃电预警系统建设改变了传统反窃电排查方式，有效结合及借鉴国内各供电公司反窃电工作知识库，建立反窃电查处体系和警电联动体系，形成统一反窃电管理机制，提高供电公司反窃电工作的管理水平;从原来大范围摸索发现用户不规范用电行为转变为对用户进行精准定位核查，由原来滞后异常响应转变为可提前分析预测的监督管理机制。

开展基于配电物联网的反窃电预警系统项目建设能够有效地避免目前窃电行为给供电公司带来的直接经济损失;能够大幅度减少嫌疑用户定位的数据分析工作，提升现场营销稽查工作人员和公安机关的工作效率与精准度，从而减轻巡检工作量，节约人力成本，提高供电公司效益。通过建立反窃电预警模型，为供电公司逐步加强反窃电工作提供了新的拓展，保障供用电双方的经济利益得以提高。

4   结   论

基于配电物联网的反窃电预警系统是国家电网公司“三型两网”在电力物联网配电台区营销稽查与反窃电预警管理目标的具体落实，开展大数据、人工智能深度机器学习等新技术的应用落地，使国家电网公司反窃电工作实现智能化，从数据本身挖掘对企业有价值的信息，以创新性的数据视角审视业务痛点，促进大数据、人工智能在电力行业的应用。反窃电预警系统需要结合规章制度循序渐进，结合大数据、人工智能等技术的应用，转变工作方式，有效提升各级供电单位对窃电行为发生的预警能力，从而降低配电线损率，提高安全生产保障能力。

参考文献

[1]    黄朝凯，林锐涛，姚伟智，等. 基于准实时数据的反窃电在线监测及诊断分析模型的研究[J]. 电子设计工程，2015，23（14）：155-159.

[2]    张志，代燕杰，李琮琮，等. 高压电击干扰对智能电能表的影响研究[J]. 电测与仪表，2016，53（13）：70-74.

[3]    黄令忠，李炳要，侯玉. 基于模拟技术的多用户窃电甄别研究[J]. 信息系统工程，2019，（02）：136-138.

[4]    窦健，刘宣，卢继哲，等. 基于用电信息采集大数据的防窃电方法研究[J]. 电测与仪表，2018，55（21）：43-49.

[5]    何国家，黄贵海，蔡慎军，等. “智慧用电”——电气火灾隐患排查治理新模式[J]. 中国安全生产，2017，（09）：34-36.

[6]    赵俊鹏，吕孟玉，张洋瑞，等. 基于用电信息采集系统的反窃电风险评估研究与应用[J] .河北电力技术，2019，38（01）：24-25.

[7]    青志明，张宏艳，傅望，等. 基于电表数据的反窃电精准取证装置研制[J]. 重庆工商大学学报（自然科学版），2018，35（05）：99-105.

[8]    韩海安，弓俊才，郭易鑫，等. 基于采集大数据的智能应用研究[J]. 山西电力，2018，（02） ：69-72.

[9]    李端超，王松，黃太贵，等. 基于大数据平台的电网线损与窃电预警分析关键技术[J]. 电力系统保护与控制，2018，46（5）：143-151.

[10]  余翔，陈国洪，李霆，等. 基于孤立森林算法的用电数据异常检测研究[J]. 信息技术，2018，（12）：88-92.

[11]  吕书龙，刘文丽.基于Bootstrap思想的非参数检验p值的估计方法[J]. 福州大学学报（自然科学版），2018，46（01）：20-26.

[12]  郝爽，李国良，冯建华，等. 结构化数据清洗技术综述[J]. 清华大学学报（自然科学版），2018，58（12）：1037-1050.

[13]  简富俊，曹敏，王磊，等. 基于SVM的AMI环境下用电异常检测研究[J]. 电测与仪表，2014，（6）：64-69.

[14]  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）：181-184.

[15]  吕军，栾文鹏，刘日亮，等. 基于全面感知和软件定义的配电物联网体系架构[J]. 电网技术，2018，42（10）：3108-3115.