夏澤舉 金 耀 王海鴻 常 樂 鮑懷志

（1.國網(wǎng)安徽省電力有限公司，安徽合肥230061；2.國網(wǎng)安徽省電力有限公司營銷服務(wù)中心，安徽合肥230088；3.國網(wǎng)信通產(chǎn)業(yè)集團(tuán)北京中電普華信息技術(shù)有限公司，北京100085）

0 引言

隨著科技的不斷進(jìn)步，當(dāng)前竊電現(xiàn)象也發(fā)生了新的變化，出現(xiàn)了諸多科技含量較高、隱蔽性較好的竊電方式，甚至產(chǎn)生了智能化竊電、職業(yè)化竊電的趨勢，這無疑給反竊電工作制造了更多難題。為了提升反竊電工作的成效，電力企業(yè)應(yīng)應(yīng)用先進(jìn)的科學(xué)技術(shù)，改進(jìn)與優(yōu)化反竊電手段。

1 數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘技術(shù)是指在海量數(shù)據(jù)信息中挖掘出未知的、隱含的、對決策有價(jià)值或有潛在價(jià)值的數(shù)據(jù)模式、關(guān)系與趨勢，并高效利用這些數(shù)據(jù)信息，構(gòu)建用于決策支持的模型，提供用于預(yù)測性決策支持的工具、方法與過程。數(shù)據(jù)挖掘技術(shù)突破了數(shù)據(jù)分析技術(shù)在處理海量數(shù)據(jù)方面的局限性，為海量數(shù)據(jù)的分析處理提供了良好的手段，為從海量數(shù)據(jù)之中提取有價(jià)值的信息提供了強(qiáng)有力的工具。

目前數(shù)據(jù)挖掘技術(shù)中比較常見的運(yùn)算模式包括人工神經(jīng)網(wǎng)絡(luò)、模糊神經(jīng)網(wǎng)絡(luò)兩種類型。其中，人工神經(jīng)網(wǎng)絡(luò)指的是在認(rèn)識(shí)、理解人腦組織結(jié)構(gòu)、人腦運(yùn)行機(jī)智的前提下，對人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行模擬的一種系統(tǒng)，其主要缺點(diǎn)是不能對模糊信息進(jìn)行描述、有效處理，對樣本有著較高要求。模糊神經(jīng)網(wǎng)絡(luò)結(jié)合了神經(jīng)網(wǎng)路、模糊系統(tǒng)的優(yōu)勢，不僅精度較高，可以描述及有效處理模糊信息，對樣本沒有太高要求，且具備自適應(yīng)學(xué)習(xí)能力，在處理模糊性問題、非線性問題方面有著明顯優(yōu)勢。模糊神經(jīng)網(wǎng)絡(luò)是以輸入信號為模糊量或有模糊權(quán)系數(shù)的神經(jīng)網(wǎng)絡(luò)，集模糊信息處理、聯(lián)想、識(shí)別以及自適應(yīng)等多重功能于一體，可借助神經(jīng)網(wǎng)絡(luò)，對模糊邏輯推理系統(tǒng)的推理規(guī)則、隸屬度函數(shù)進(jìn)行調(diào)整，在對神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行構(gòu)造的過程中采取模糊推理規(guī)則。經(jīng)過神經(jīng)系統(tǒng)的學(xué)習(xí)，模糊規(guī)則可采取“權(quán)值”的方式體現(xiàn)，從而將規(guī)則的生成、修改轉(zhuǎn)變成權(quán)值的確定、修改，在模糊問題處理中（如竊電評價(jià)等）有著顯著優(yōu)勢。

2 反竊電工作中應(yīng)用數(shù)據(jù)挖掘技術(shù)的必要性

現(xiàn)階段的反竊電工作中，主要是通過應(yīng)用用戶信息采集系統(tǒng)開展反竊電管理。用電信息采集系統(tǒng)可將某一用戶的用電負(fù)荷、某一臺(tái)區(qū)或者是某一線路的實(shí)時(shí)線損情況展示出來，但無法深層次挖掘這些信息，也無法高效利用這些信息，仍需要相關(guān)工作人員憑借經(jīng)驗(yàn)，對異常臺(tái)區(qū)、異常線路進(jìn)行判斷，并結(jié)合現(xiàn)場排查方法，對竊電用戶進(jìn)行定位。隨著科學(xué)技術(shù)的發(fā)展，近年來高技術(shù)含量的竊電手段不斷涌現(xiàn)，如高頻干擾、強(qiáng)磁干擾等，這些新竊電手段具有遠(yuǎn)程化、機(jī)動(dòng)化以及隱蔽化的特點(diǎn)，難以在現(xiàn)場排查時(shí)準(zhǔn)確識(shí)別出竊電用戶。同時(shí)，傳統(tǒng)反竊電管理方法過于依賴經(jīng)驗(yàn)，存在較大的隨意性和偏低的準(zhǔn)確度，需要投入大量人力、物力。

近年來，關(guān)于數(shù)據(jù)挖掘技術(shù)在電力行業(yè)中的研究與應(yīng)用實(shí)踐不斷增多，但大多集中于電網(wǎng)規(guī)劃、負(fù)荷預(yù)測等方面，其在反竊電工作中的應(yīng)用研究與實(shí)踐較少?；诖?，本研究在明確數(shù)據(jù)挖掘技術(shù)優(yōu)勢及傳統(tǒng)反竊電工作方法不足的基礎(chǔ)上，提出了依托數(shù)據(jù)挖掘技術(shù)，構(gòu)建反竊電管理系統(tǒng)的思路，旨在及時(shí)、準(zhǔn)確地發(fā)現(xiàn)竊電行為，提高反竊電工作水平。

3 依托數(shù)據(jù)挖掘技術(shù)，構(gòu)建反竊電管理系統(tǒng)

3.1 數(shù)據(jù)處理工具

以數(shù)據(jù)挖掘技術(shù)為基礎(chǔ)的反竊電管理系統(tǒng)，在對各業(yè)務(wù)系統(tǒng)中的數(shù)據(jù)進(jìn)行處理時(shí)所使用的工具為ETL，即數(shù)據(jù)倉庫技術(shù)，其可以將數(shù)據(jù)從來源端抽取、轉(zhuǎn)換、清洗、加載至目的端。第一，在數(shù)據(jù)抽取環(huán)節(jié)，主要是在數(shù)據(jù)接口讀取各業(yè)務(wù)系統(tǒng)中的各類數(shù)據(jù)，并在臨時(shí)中間庫中將數(shù)據(jù)存儲(chǔ)起來，備用。數(shù)據(jù)可能是異構(gòu)、分散、無序的。第二，在數(shù)據(jù)轉(zhuǎn)換環(huán)節(jié)，主要是按預(yù)先設(shè)計(jì)的規(guī)則，將格式不同的各種數(shù)據(jù)轉(zhuǎn)換為格式統(tǒng)一的數(shù)據(jù)。如，時(shí)間數(shù)據(jù)的形式可能是“2018年5月1日”，也可能是“2018-05-01”；電量數(shù)據(jù)的形式可能是“度”“千瓦時(shí)”，也可能是“kWh”。對這些形式不同的數(shù)據(jù)，采用一致性檢查以及相應(yīng)的約束條件進(jìn)行轉(zhuǎn)化，確保數(shù)據(jù)格式的統(tǒng)一性。第三，在數(shù)據(jù)清洗環(huán)節(jié)，根據(jù)切比雪夫原理，設(shè)計(jì)一個(gè)判別區(qū)間，對數(shù)據(jù)的“噪聲”進(jìn)行評估，“噪聲”值超出范圍的時(shí)候?qū)⑵淝宄钛a(bǔ)清除區(qū)間的值時(shí)采用歷史平均數(shù)據(jù)。第四，在數(shù)據(jù)加載環(huán)節(jié)，將所有處理完的數(shù)據(jù)導(dǎo)入數(shù)據(jù)庫，為數(shù)據(jù)挖掘模型的構(gòu)建提供支持。引入基于工作流的ETL模型體系結(jié)構(gòu)，來進(jìn)行數(shù)據(jù)加載。

3.2 構(gòu)建反竊電模型

反竊電模型的作用是對多種來源的模糊、隨機(jī)、有噪聲、不完整的海量數(shù)據(jù)信息進(jìn)行提取，挖掘、呈現(xiàn)數(shù)據(jù)間的內(nèi)在規(guī)律，將數(shù)據(jù)轉(zhuǎn)換成知識(shí)。反竊電模型主要包括以下幾種：

（1）實(shí)時(shí)線損計(jì)算分析模型。該模型可以根據(jù)臺(tái)區(qū)、線路歸屬，將對應(yīng)電表的實(shí)時(shí)電量提取出來，對臺(tái)區(qū)、線路的實(shí)際線損（ΔP%）進(jìn)行統(tǒng)計(jì)，并將周期線損曲線繪制出來。而臺(tái)區(qū)、線路的理論線損，是以典型負(fù)荷日為根據(jù)，如最小或最大負(fù)荷日的負(fù)荷情況，并考慮一般負(fù)荷日的負(fù)荷情況、線路參數(shù)、變壓器等因素，來對典型復(fù)合日的理論線損值進(jìn)行計(jì)算，包括最小線損值（ΔP%min）、最大線損值（ΔP%max）、平均線損值（ΔP%av）。然后對比分析理論線損值、實(shí)際線損值的差異，若比值不在定義范圍之內(nèi)，則該臺(tái)區(qū)、線路存在異常。針對某一臺(tái)區(qū)或某一線路，可采取遞歸分析法，對其歷史線損平均水平進(jìn)行挖掘，并將其當(dāng)作線損標(biāo)準(zhǔn)值（ΔP%b），然后對線損偏移度（RΔP%）進(jìn)行計(jì)算，計(jì)算公式為若計(jì)算得出線損偏移度＞1，則可判定該臺(tái)區(qū)、線路存在異常用戶。

（2）用戶用電異常對比分析模型。竊電用戶的電量屬性，必然與其歷史特征值，即歷史同期用電情況存在明顯差異。定義實(shí)際電量（Ws）與歷史特征值（Wb）之間的比值為電量差異度（Rw）。電量差異度較大的用戶，便是竊電嫌疑用戶。與此同時(shí)，針對三相用戶，可應(yīng)用三相電壓不平衡度（Ru）、三相電流不平衡度（Ri）來對電壓、電流異常變化情況進(jìn)行表征。Ru=對應(yīng)Rw、Ru、Ri，可定義標(biāo)準(zhǔn)Rwb、Rub、Rib，與定義標(biāo)準(zhǔn)進(jìn)行比較，明確異常用戶的特征屬性。

（3）用戶負(fù)荷曲線實(shí)時(shí)顯示模型。隨著智能電表在我國的推廣與普及，用電信息采集系統(tǒng)的數(shù)據(jù)采集任務(wù)可以“分鐘”實(shí)現(xiàn)，可在此基礎(chǔ)上對用戶負(fù)荷曲線進(jìn)行繪制，并與在歷史數(shù)據(jù)基礎(chǔ)上繪制的標(biāo)準(zhǔn)負(fù)荷曲線進(jìn)行比較，從而直觀判斷用戶的用電情況是否處于合理區(qū)間，并以此判定竊電嫌疑用戶。

上述3個(gè)模型，還應(yīng)結(jié)合大量其他數(shù)據(jù)作為分析技術(shù)，以已有歷史數(shù)據(jù)為根據(jù)，對有關(guān)用電量、線損、三相電壓、三相電流的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，并加載至模型中，為相關(guān)分析提供良好基礎(chǔ)。

3.3 反竊電模型與數(shù)據(jù)挖掘技術(shù)的結(jié)合

構(gòu)建反竊電模型之后，可借助數(shù)據(jù)挖掘技術(shù)的數(shù)據(jù)聚類、數(shù)據(jù)分類功能，來篩選用戶的用電行為。

針對大量復(fù)雜數(shù)據(jù)，可采取聚類方法，根據(jù)數(shù)據(jù)特性，實(shí)現(xiàn)數(shù)據(jù)的自動(dòng)聚類，并對用戶的電量差異度（Rw）、三相電壓不平衡度（Ru）、三相電流不平衡度（Ri）進(jìn)行計(jì)算，明確用戶正常、非正常用電的特征屬性。在此基礎(chǔ)上，還可采取分類方法，將用戶正常、非正常用電的特征屬性轉(zhuǎn)化為欠流法竊電、欠壓法竊電、其他方法竊電等明確的竊電類型。

反竊電模型流程如圖1所示。SOM為自組織特征映射網(wǎng)絡(luò)，用電負(fù)荷集{X1，X2，…，Xn}，其中X1為來源于各業(yè)務(wù)系統(tǒng)針對某一臺(tái)區(qū)、某一線路、某一用戶的有關(guān)聯(lián)的數(shù)據(jù)。聚類：第一次聚類以臺(tái)區(qū)或線路為單位，開展線損判斷，區(qū)分正常、非正常線損的臺(tái)區(qū)或線路；第二次聚類以用戶為單位，從電量、電流、電壓等角度開展用電信息分析，區(qū)分正常、非正常用戶的用電特征。分類：以聚類結(jié)果為根據(jù)，設(shè)定分類規(guī)則，明確竊電類型，鎖定竊電行為。

4 結(jié)語

綜上所述，本文在深入分析數(shù)據(jù)挖掘技術(shù)優(yōu)勢及傳統(tǒng)反竊電工作存在的不足的基礎(chǔ)上，借助數(shù)據(jù)挖掘技術(shù)，構(gòu)建反竊電管理系統(tǒng)。

該系統(tǒng)可以在提取各業(yè)務(wù)系統(tǒng)海量信息的基礎(chǔ)上，計(jì)算線損偏移度、電量差異度、三相電壓不平衡度、三相電流不平衡度等，并與標(biāo)準(zhǔn)數(shù)據(jù)進(jìn)行對比，以判斷竊電范圍、鎖定竊電目標(biāo)。

反竊電管理系統(tǒng)的構(gòu)建有利于提高反竊電工作效率與質(zhì)量，從而維護(hù)電力企業(yè)的經(jīng)濟(jì)效益。

圖1 反竊電模型流程