姜華芳

【摘 要】本文首先介紹了目前常用的3種竊電方式和竊電原理，其次介紹了反竊電智能系統(tǒng)的結(jié)構(gòu)及其處理流程，接著構(gòu)建基于神經(jīng)網(wǎng)絡(luò)算法的反竊電模型，建立7種判斷竊電與否的特征指標評價體系，并進行實例驗證。該反竊電智能系統(tǒng)研究具有一定的工程實用價值。

【關(guān)鍵詞】反竊電;信息采集;大數(shù)據(jù);神經(jīng)網(wǎng)絡(luò)算法;特征指標評價體系

隨著國民經(jīng)濟的高速發(fā)展，電力供電系統(tǒng)的規(guī)模逐漸擴大，不可避免地產(chǎn)生竊電問題。竊電破壞正常的用電秩序，并對電網(wǎng)運行安全及人身生命財產(chǎn)安全帶來嚴重威脅。由竊電造成的電力變壓器燃燒、損毀時有發(fā)生，因此反竊電不僅是供電企業(yè)面臨的問題，更是一項社會性問題。

目前，我國防竊電這一領(lǐng)域正處于快速發(fā)展階段。介紹了基于大數(shù)據(jù)的防竊電模型和方法，包括數(shù)據(jù)預(yù)處理、大數(shù)據(jù)防竊電結(jié)構(gòu)化模型，并通過數(shù)據(jù)驗證了方法的有效性?；诤Ａ繑?shù)據(jù)分析技術(shù)，采用電力大數(shù)據(jù)平臺關(guān)鍵技術(shù)構(gòu)建電網(wǎng)線損與竊電預(yù)警分析系統(tǒng)，實現(xiàn)線損的一體化計算、分析與展示。在大數(shù)據(jù)挖掘技術(shù)的基礎(chǔ)上構(gòu)建了反竊電模型，并對所提出的算法進行驗證，證明算法的準確性。本文在上述基礎(chǔ)上，重點研究了反竊電的算法及原理，構(gòu)建系統(tǒng)的總體模型和功能框架，并利用神經(jīng)網(wǎng)絡(luò)算法構(gòu)建了反竊電模型，建立7種判斷竊電與否的特征指標評價體系，最后對系統(tǒng)進行驗證，證明算法的可行性。

1 竊電方式及原理

根據(jù)近年的竊電案例，可將竊電方式分為電能表計量誤差、線路改接誤差和大力破壞電能表。

（1）電能表計量誤差。

竊電用戶采取手段使電能表計量回路出現(xiàn)故障，致使電能表出現(xiàn)計量誤差。根據(jù)改變參數(shù)的不同，大致有改變電能表電器參數(shù)、磁場干擾、更改電能表內(nèi)部計量回路等手段。其他針對一、二次側(cè)回路的手段有欠流法、欠壓法、改變CT的變比接線法、差法及移相法等竊電方法。

（2）線路改接誤差。

竊電用戶采取手段將私人用電負荷接入供電企業(yè)公用電源上，或采取電壓或電流改接法致使電能表線圈失壓或電流線圈只流過小部分電流，從而造成電能表出現(xiàn)計量誤差。常用的手段有將電容電感接入電路中、接入外部電源、用變頻器附加外部電流。

2 反竊電智能系統(tǒng)的結(jié)構(gòu)及處理流程

主要由無線采集裝置、專變采集終端、數(shù)據(jù)轉(zhuǎn)化器、系統(tǒng)主站、電能表構(gòu)成。反竊電智能系統(tǒng)包括電力負荷管理、實時數(shù)據(jù)采集、實時數(shù)據(jù)存儲、電力設(shè)備管理、客戶區(qū)域、線損、電流、電壓、電量行度、地理位置、拓撲關(guān)系、歷史曲線展示、數(shù)據(jù)存儲等功能，能實時反映計量電表的數(shù)據(jù)情況，并根據(jù)設(shè)置的閾值進行預(yù)警，提示存在用電異常信息，通過歷史數(shù)據(jù)分析，能判斷出存在竊電的用戶。

其實際工作流程如下。

（1）在線監(jiān)測。

通過大數(shù)據(jù)信息采集技術(shù)采集用電數(shù)據(jù)，對數(shù)據(jù)進行分析，得到電能表掉電、電能表失壓、電能表故障、電能表失流、電能表外力受損等事件。

（2）輔助分析。

根據(jù)在線監(jiān)測信息與終端事件進行輔助分析，確保分析的準確性。

（3）歷史數(shù)據(jù)分析。

對存在潛在竊電行為的用戶，分析其計量信息、接線方式、歷史記錄、功率數(shù)據(jù)差。

（4）智能診斷。

分析用戶異常信息并及時處理，結(jié)合神經(jīng)網(wǎng)絡(luò)的反竊電模型評價體系，計算用戶的嫌疑指數(shù)，充分分析用戶竊電信息的準確性。

盡管竊電的方法多樣，但本質(zhì)上都是用戶實際的用電量大于用戶電能表示數(shù)。通過建立反竊電智能系統(tǒng)，能持續(xù)檢測用戶的用電量，一旦系統(tǒng)顯示存在竊電行為，便會發(fā)出竊電預(yù)警，幫助供電系統(tǒng)人員第一時間處理，減少電力企業(yè)的損失。

3 基于神經(jīng)網(wǎng)絡(luò)算法的反竊電模型

本文研究的反竊電模型以BP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)。為了減少算法計算的復(fù)雜度并保證計算的準確性，本文采用三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進行計算。

3.1 輸入量的評價體系

反竊電模型的準確與否最重要的是輸入量的準確性。電量的數(shù)學(xué)公式表現(xiàn)形式是電壓、電流及功率因數(shù)角的乘積，所以當(dāng)電壓或電流出現(xiàn)異常時，電量也會出現(xiàn)異常。通過對已竊電用戶的歷史電量數(shù)據(jù)分析，可得出竊電前后電量變化特征量。當(dāng)檢測新用戶電量時，若出現(xiàn)了階段性用電量為零或電量變化規(guī)律與竊電樣本電量變化規(guī)律一致的情況，則判斷可能存在竊電行為。利用用戶月度用電量、客戶所在線路或臺區(qū)的線損情況、電表類型、計量電流和檢測電流的差值、電壓異常變化情況、客戶負載功率、負載功率因數(shù)變化等7個竊電判別指標對用戶的竊電行為進行綜合判斷，如果用戶在經(jīng)過7項特征參數(shù)檢查后，其嫌疑系數(shù)較高，那么說明該用戶可能存在竊電情況，需對其進行監(jiān)視。

3.2 BP神經(jīng)網(wǎng)絡(luò)的算法流程

（1）輸入數(shù)值歸一化。

針對智能反竊電模型中的7個竊電判別指標存在差距較大的情況，對每種評價指標進行歸一化處理，處理方法是找出該組數(shù)據(jù)的最大值，然后分別用每個數(shù)據(jù)除以該最大值，即可將數(shù)據(jù)限制在[0，1]區(qū)間內(nèi)。

（2）訓(xùn)練樣本的選擇。

在選取訓(xùn)練樣本時，應(yīng)滿足樣本輸入與輸出之間的非線性特征映射關(guān)系，訓(xùn)練樣本數(shù)一般選擇為網(wǎng)絡(luò)連接權(quán)總數(shù)的5～10倍，并保證樣本分布的均衡性，以減少訓(xùn)練學(xué)習(xí)的反復(fù)性。

（3）隱含層數(shù)設(shè)計。

通常，選擇2個隱含層以滿足不連續(xù)函數(shù)的運算需要，但對于反竊電模型的構(gòu)建來說，選擇一個即可滿足運算函數(shù)的需要，只有當(dāng)隱含節(jié)點過多時才需要再增加一個隱含層。對于隱含節(jié)點的設(shè)計，則需按公式計算出初始值。

式中，l、n、m分別為輸入層節(jié)點數(shù)、輸出層節(jié)點數(shù)、隱含節(jié)點數(shù);α為常數(shù)，通常取值在1～4。

在執(zhí)行算法過程中，先選取存儲的某個時間段內(nèi)的數(shù)據(jù)作為基礎(chǔ)，提取7種竊電評價指標體系，并進行歸一化處理，然后將歸一化的數(shù)據(jù)輸入反竊電模型中進行訓(xùn)練，當(dāng)算法計算精度達到設(shè)定的精度閾值即退出程序，并輸出竊電嫌疑系數(shù)結(jié)果。

4 實例應(yīng)用

選取某地區(qū)80例竊電用戶作為樣本進行訓(xùn)練，神經(jīng)網(wǎng)絡(luò)層選為3層。選取其中15例作為檢驗樣本，對數(shù)據(jù)提取7種竊電評價指標體系進行訓(xùn)練。訓(xùn)練結(jié)果如下。

（1）對客戶月用電平均值進行建模，分析判斷不符合用電曲線規(guī)律的月數(shù)據(jù)，用電曲線規(guī)律月數(shù)據(jù)的天數(shù)和樣本總?cè)萘刻鞌?shù)比值為16%。

（2）對客戶所在線路月度線損值進行建模，并用計算機模擬月度線路平均值的天數(shù)，計算月度線損值大于平均值的天數(shù)與樣本總?cè)萘康奶鞌?shù)比值大于7%。

（3）對客戶所在臺區(qū)月度線損值進行建模，并用計算機模擬月度臺區(qū)平均值的天數(shù)，計算月度線損值大于平均值的天數(shù)與樣本總?cè)萘康奶鞌?shù)比值大于10%。

（4）計算電流與實際檢測電流的差值大于3%。

（5）電壓三相不平衡率為18%，發(fā)生失壓情況。

（6）客戶負載容量大于總?cè)萘?2%，負荷率小于50%。

（7）月度負荷功率因數(shù)變化值大于26%。

上述結(jié)果證明，本文構(gòu)建的反竊電智能系統(tǒng)能分析出潛在的竊電用戶。

5 結(jié)語

隨著供電規(guī)模的逐步擴大，竊電行為相應(yīng)增多，如何顯著降低竊電行為，并對其進行快速預(yù)警成了研究熱點。本文介紹了電力營銷域反竊電智能系統(tǒng)的結(jié)構(gòu)及其處理流程，提出了7種竊電評價指標體系，并構(gòu)建了基于神經(jīng)網(wǎng)絡(luò)的反竊電模型，最后通過實際算例進行算法驗證，結(jié)果表明，該電力營銷域智能系統(tǒng)能準確識別潛在的竊電用戶行為，并進行預(yù)警，具有一定的工程實用價值。

參考文獻：

[1]吳迪，王學(xué)偉，竇健，等.基于大數(shù)據(jù)的防竊電模型與方法[J].北京化工大學(xué)學(xué)報：自然科學(xué)版，2018，45（6）：79-86.

[2]李端超，王松，黃太貴，等.基于大數(shù)據(jù)平臺的電網(wǎng)線損與竊電預(yù)警分析關(guān)鍵技術(shù)[J].電力系統(tǒng)保護與控制，2018（5）：143-151.

[3]竇健，劉宣，盧繼哲，等.基于用電信息采集大數(shù)據(jù)的防竊電方法研究[J].電測與儀表，2018，55（21）：43-49.

[4]卜慶偉.基于用電信息采集的智能反竊電系統(tǒng)的研究與應(yīng)用[J].山東工業(yè)技術(shù)，2017（16）：166.

（作者單位：國網(wǎng)江西省電力有限公司上饒市廣信區(qū)供電分公司）