基于大数据分析的窃电行为智能在线监测应用研究

乔立春

(国网宁夏电力有限公司银川供电公司，宁夏 银川 750011)

电力客户基数较大，窃电不仅损害电网企业经济利益，也给用电安全带来了隐患，同时对创建公平用电环境造成一定影响。每年因电量流失而造成的经济损失巨大，以银川地区为例，平均每年查获漏计、窃电量超过13 TW·h[1]。窃电客户在实施窃电过程中，可能会造成电网不正常运行，影响安全用电。目前，反窃电的主要难点存在3个方面：一是客户数量庞大，稽查人员的资源和精力有限；二是窃电手段逐渐由原来的单一方式转变成为设备智能、手段专业、行为隐蔽、实施规模化的高科技窃电行为，传统检查方法难以获取可靠的证据；三是电能具有发、供、用同时完成的特点，且没有可见的形态，因此电量损失隐蔽性强，证据易销毁。若窃电行为发生在节假日或者夜间，例行用电检查无法及时发现，查窃难度更大。

1 窃电行为智能在线监测基础数据提取

开展窃电智能在线监测，首要基本条件是提取客户基础数据信息，如客户基础档案，电能表采集数据等。

首先，按照客户类型，分为低压台区客户，专变客户，从营销系统中根据供电单位提取供电客户名称，用电地址，用户类型，计量点性质为结算(排除过表)，电能表基本参数，所关联的采集点编号与终端地址。

其次，根据关联的采集终端地址，提取采集系统中该客户对应电能表的采集数据信息，如客户负荷采集数据[2]，该类数据包含客户电流、电压、电量等，并可通过用电信息采集系统中的客户测量点曲线数据查询。

同时，需提取营销系统与采集系统特殊事件特征信息数据，此类数据包含客户暂停、增减容、电能表开盖事件、换表记录等数据。结合同期线损深化应用，提取各类线损指标数据，输电线路和配电线路同期日线损、台区日线损。

随着目前用电信息采集与同期线损等深化应用，已为窃电智能在线监测提供了基础数据支撑。得益于目前所有客户已均在用电信息采集系统、营销业务应用系统、同期线损系统等全覆盖，系统间接口相互贯通，所有基础数据均实现关联共享，并可在系统内长时间留存痕迹与实现电子数据长期备份保存，不受客户用电时段变化、用电方式变更等限制，客户全年24 h内均可全量采集监测，若客户存在窃电行为，系统内的电子信息记录将为后续反窃电提供佐证资料。

2 异常数据综合诊断分析

2.1 单一因数异常分析

针对单一因数异常分析主要包括电流异常、电压异常、三相电流偏差3类。

(1)电流异常。低压客户，根据单相居民客户零火线电流差值比对，通过设定电流阀值，若火线电流比零线电流小，且差值连续3日多个时刻点均超过该阀值KA，则视为异常用户。对于专变客户，若电流为负，且任一相或多相负电流在多个时刻超过相应阀值KI，则视为异常用户。

(2)电压异常。表计为三相表用户，接线方式为三相四线、电压等级为220 V/380 V时，当连续多点存在一相或多相电压低于正常电压值U时，视为异常用户；表计为三相表用户，接线方式为三相三线时，当存在24点内多个时刻A相或C相电压、或A相与C相电压均低于正常电压值U时，视为异常用户。

(3)三相电流偏差。表计为三相表用户，接线方式为三相四线、电压等级为220 V/380 V,电能表额定电流1.5 A，最大电流6 A，在1天内，电能表多个时刻存在一相或两相电流为0或低于最小电流阀值KImin，其他相电流大于正常用电电流阀值KI(即客户正常用电非轻载的电流临界值)，视为异常用户[3]；对于三相三线电能表，在1天内，电能表存在至少多个整点时刻A相或C相电流为0或低于最小电流阀值KImin，同时另一相对应的这些整点时刻电流值大于正常用电电流阀值KI，则视为异常用户。

2.2 多因数异常关联分析

多因数异常关联分析，主要针对以上单一因数中，若该用户存在2个因数及以上的数据异常特征，将视为疑似窃电重点关注客户[4]。同时，因以上因数影响，将造成该异常用户用电量骤减，台区线损或线路线损指标不合格，即电量与线损多因数异常联动。

多因数关联分析，将对各个特征因数上产生联动影响，最终造成的异常结果可在各个因数异常上得到验证。同时，重点关注该用户电量(电压、电流)曲线，将会产生明显的波动转折点。该转折时间点将作为后续属实窃电追补电量电费重要的窃电开始时间计算依据。

2.3 特殊事件异常分析

开盖后电量异常。每月定期召测智能电能表的最近一次开表盖事件，同时在安装日期之后增加召测前N次开表盖事件，直到系统已存在记录。当电能表开盖时长大于阀值时间T时，开盖后连续几日用电量有降低趋势，则视为异常。

换表后电量异常。从营销系统换表记录，对存在换表记录的客户，召测该时间段之后的电压电流曲线，若有较大波动，则该用户将有窃电嫌疑。

3 窃电行为模型输出

每日进行以上异常数据诊断分析，按照以上分类最终提取出相应异常用户明细，当日即可在前端界面展示出相应汇总结果与明细，以便稽查人员可对异常用户明细实时进行查询导出，精准定位异常用户。通过对异常数据的归类分析，对以上异常客户明细开展实地稽查核实。按照稽查核实的结果，同步并对模型进行优化与完善，优化设定的异常数据阀值以及异常分析的规则，以便提高窃电研判准确率。

4 窃电行为工单闭环处理

通过异常数据诊断分析，反窃电模型当日输出，第二日即可将异常客户明细主动推送至闭环系统。每日定期自动生成异常工单，明确相应处理时限，派单时准确告知现场稽查人员现场异常原因以及需处理的异常项目[5]。现场处理结束后，反馈故障原因及处理意见，实现排查任务的拆分、派工、处理、审核，形成闭环管理。

图1 客户窃电闭环处理

5 应用效果

窃电行为智能在线监测，通过近1年的试点应用，极大提高了查窃效率，总计查处客户用电异常(失压、失流、断相等)、窃电及违约用电240余户，追回电量约800万kW·h，挽回电量损失合计500余万元。基于大数据分析的窃电行为智能在线监测应用体现了实时高效、准确可靠、闭环管理一站式的优势。

表1 客户智能在线监测追补电量电费统计

6 结 论

通过反窃电智能在线监测应用研究，提出了智能分析研判方法，构建了窃电诊断模型，形成了窃电工单闭环管理。发生窃电行为时，系统自动识别预警，诊断分析，派单处理，反馈归档，成效监测。反窃电管理模式由粗放型转为精益化，由单线处理转为全要素闭环管理，大幅提高了窃电查处效率及工作质量。