应用大数据技术的反窃电分析

应用大数据技术的反窃电分析

张学武陈焕才

亳州电力公司安徽亳州236800

摘要：电力资源的广泛应用，给我国的发展提供了动力，但是在用电的过程中还出现了很多问题，窃电是经常发生的，这种行为不仅影响了日常生活的用电，还给电力企业带来了严重影响。针对窃电的这一现象，我国电力企业的反窃电技术逐渐产生，在大数据时代下，对于反窃电技术的研究以及应用效果逐渐提高。大数据技术在反窃电中的应用使得反窃电技术有所提高，而且效果更好。本文针对大数据技术在反窃电中的应用进行了分析。

关键词：大数据技术；反窃电；具体分析

在电力的应用过程中以电力减少的数量进行缴费，但在电力应用的过程中会出现窃电的现象，增加电费数量。在电力企业当中也会出现窃电的现象，如果有窃电现象，那么就会阻碍电力企业的正常运行，出现供电不足的现象或者直接造成企业的经济损失。反窃电技术的逐渐成熟，减少了窃电现象的出现，大数据技术在反窃电中的应用更加完善了窃电技术，减少了企业的经济损失。

1、供电企业反窃电管理困难原因

（1）窃电现象存在的客观原因就是窃电量的统计比较困难，窃电的电能消耗是无法具体统计的，因为电能不具有具体形态，消耗的量就没办法具体统计，在电力营销表和总的供电量表中产生的差额为电力的损失，虽然供电损失这样计算，但是并不是具体的损失量，由于管理者的忽视，这也使供电产生了漏洞。

（2）在电力企业对于反窃电工作的重视度不够，导致电力企业供电环节存在很多漏洞，电气设备的管理不善，应用没有反窃电功能的供电设备，这些都是导致窃电现象产生的主要原因。

（3）电力企业的基层工作人员的反窃电经验少，对于反窃电标准掌握不好，对一些窃电现象无力制止。对于某些轻微的窃电现象证据掌握不足，无法保证反窃电现象的出现。

（4）对于一些窃电现象的产生，无法找到原因，导致窃电人员的窃电行为猖獗，对于电力企业管理人员来说，他们受工作经验，以及工作理论性的束缚，对于窃电现象认知不准确，造成窃电人员的窃电程度加大。

（5）用电居民对于窃电现象不够重视，在城镇里，居民对于电力应用的监管不严格，所以窃电人员利用这一点，使他们窃电行为更加大胆，所以传统的电力监管消失，窃电行为逐渐严重。

2、大数据模式对售电量数据进行分类

（1）数据分类，供电企业对用户进行分类，这样有利于供电系统反馈窃电现象的产生，第一个就是根据用电量进行分类，第二个是根据供电线路进行分类。首先根据用电量的不同，对企业或者住户进行分类，随时监测标准的用电量，一旦该企业或者住户的用电量浮动大，就要加以调查。其次控制供电线路的走向，以免出现窃电人员根据供电线路的确定来进行窃电。电力企业也可以根据用电的特点，针对民用电、商业用电、工业用电等方面分局用电的变化，来控制窃电现象的产生。不同的行业对于用电的负荷是不同的，针对每一条线路负荷的电量划分高负荷或者低负荷。①高负荷用户通常选择月用户量超过本线路用户月平均电量超过200%的用户群体。通常控制这部分用户户数占线路用户数比例的5%-10%。②通常选择在本线路上用电量超过月平均电量的30%-200%的用户作为中负荷用户。在线路用户中这些用户约占比例为75%-85%。③通常选择在本线路用电量低于本线路月平均电量的30%用户作为低负荷用户，在线路用户中这些用户约占比例为10%-15%。

（2）数据分析。首先应当对历史用电量进行检查，对于电量缺失或者显著错误等积极调整或者独立列出研究。在分析负荷之前，还需要对其实施归一化处理。其中，某年某月的实际值为；负荷的归一值为；负荷实际值序列中最小值为，负荷实际值序列中最大值为。我们处理数据时重点研究数据的变化率，对负荷实施归一化处理能够更好的避免数据大小影响变化率，也可以对今后不同均值的历史用电量数据比较提供可能。之后求出各个用户的历史用电量平均数值，见下式：其中负荷月份为M，当没有缺失数据时M=12，数据存在缺失时M应当是有电量的月数。概率算法是把各个用户用电指标的平均数值与标准差视为比较参数，通过正态分布这两个参数的积累概率模型对不同用户的负荷变化特点积极体现，进而获得评价函数。利用评价函数的大小决定用户月用电量大小变化，着重分析负荷电变化大的用户，通过横向与纵向比较变化大的负荷电量的用户历史负荷进一步明确窃电具体月份。横向比较具体是指同一年中邻近月份用电量变化状况，纵向比较则是指不同年份中相同月份的历史用电量变化状况。电力负荷突出了周期性，邻近年份的负荷应当适度增加，假如形成较大降幅则存在巨大嫌疑。

3、现阶段反窃电的措施方法

（1)技术手段

主要是通过仪表硬件设备进行反窃电。这种技术手段一般是应用新型带防窃电作用的计量柜，当用户存在窃电行为时，通过设备装置记录失压、失流、电流不平衡、逆相序等事件，从中发现窃电的蛛丝马迹。但是改装或者升级一个地区的不同用户计量装置，这样缺乏目标性，且需要耗费大量经费和时间，在现有条件下难以全部实现。

（2)管理手段

主要是实行反窃电与线损考核相结合的方法，奖勤罚懒，充分调动基层电管人员的积极性，发动工作人员一起现场定量检测查找窃电点。但面对大量的用电客户，逐个巡查效率很低，最主要的缺点就是不能有效取证、准确定量、及时反馈信息。类比中可发现，这两类传统反窃电侦查方法普遍耗时耗力，有时需要依据专业人员人工分析数据进行判断，尤其是对于一些临时性窃电，搜集证据工作十分困难。通过对电力公司用电信息采集系统中窃电数据研究发现，无论是用户通过改变电流、还是通过改变电压、还是通过改变表计的结构和接线方式，或者是通过强交流磁场等方式进行窃电，都幅波动。本文依据用户发生窃电行为会出现用电异常的原理，通过大数据分析技术发现疑似窃电者和疑似窃电行为，同时记录疑似窃电行为的起止时间和累计电量，为侦查人员现场排查取证提供辅助支撑。

4、案例分析

例如：用户的评价值越高，就会产生越大的窃电嫌疑，可以单独列出较大嫌疑的用户。嫌疑用户确定以后，为了有效缩小目标范围，提升准确性，应当逐一排查嫌疑用户的月度用电指标，具体是对非常住户、电表计量问题、客观条件变化等情况进行排除。横向比较嫌疑用户，也就是比较临近月的用电量数值。传统的窃电方法具体是从外围设备管理方面实行反窃电，例如采用新型防窃电设备，但是改装或者更新一个地区的不同用户计量装置，这样缺乏目标性且投资巨大，耗费时间与财力。本文利用大数据模式分析供电企业历史用电数据，联系生产技术部门的配电线路线损研究，排除窃电嫌疑线路，进一步分析用电数据，明确窃电疑似用户，提高了反窃电工作效率。

总结

大数据技术在反窃电技术中的应用，效果非常明显，不仅减少了窃电现象，还提高企业电力管理水平。随着科技的发展，反窃电技术越来越完善，在不断变化的窃电现象中，反窃电技术也不断提高，为了保证电力企业的有序进行，反窃电技术要不断优化，这样才能保证企业的经济效益和稳定运行。

参考文献：

[1]徐州电力公司窃电防控管理系统设计与实现[D].严小恺.大连理工大学,2015.

[2]电力负荷管理系统的设计与应用研究[D].孙海峰.大连理工大学,2015.

[3]佳木斯地区智能防窃电系统的开发[D].邓崇.吉林大学,2016.