1、电工材料 2023 No.1万龙等：基于用电特征分析的窃电行为识别方法基于用电特征分析的窃电行为识别方法万龙，黄河滔，张兴霖（云南电网有限责任公司昭通供电局，云南昭通 657100）摘要：反窃电作为供电企业用电管理工作的核心构成部分，在剖析和处置用户窃电行为数据的基础上，研究出一种基于用电特点剖析的窃电行为鉴别手段，能明显提升搜集数据的合理性。本文主要围绕窃电行为识别方法的总体设计构思展开分析，通过用户用电量多指标综合评分等手段，利用大数据算法对目标用户的用电行为特征加以分析，在此基础上建立相应的特征模型，创新提出了基于用户行为特征大数据的用电异常识别技术路线，并探究其具体建设过程，旨在提高供
2、电水平，促进企业可持续发展。关键词：用电特征；大数据；行为识别；用电异常中图分类号：TM73 DOI：10.16786/ki.1671-8887.eem.2023.01.016Research on Identification Method of Power Stealing Behavior Based on Power Consumption Characteristics AnalysisWAN Long,HUANG Hetao,ZHANG Xinglin(Zhaotong Power Supply Bureau of Yunnan Power Grid Co.,Ltd.,Yunnan
3、 Zhaotong 657100,China)Abstract:The acquired data of users electricity stealing behavior should be reasonably analyzed and processed.As the core component of power use management in power supply enterprises,anti stealing is based on the analysis and disposal of users electricity stealing behavior da
4、ta,and a method to identify electricity stealing behavior based on the analysis of electricity use characteristics is developed,which can significantly improve the rationality of data collection.This paper will mainly focus on the overall design concept of the identification method of electricity th
5、eft behavior.This paper analyzes the characteristics of the target users electricity use behavior by using big data algorithm through the means of multi index comprehensive scoring of users electricity consumption,and on this basis,establishes the corresponding feature model,innovatively proposes th
6、e technical route of identification of suspected users of abnormal electricity use based on the big data of users behavior characteristics,and explores its specific construction process,It aims to improve the power supply level and promote the sustainable development of enterprises.Key words:power c
7、onsumption characteristics;big data;Behavior recognition;Abnormal power consumption引言随着我国供电网络范围的逐渐扩大，各种家用电器的逐渐普及，各种窃电事件也频繁发生，严重阻碍了我国电力企业的发展与运行。对于电力企业而言，窃电行为既会为其带来一些经济损失，也严重影响了供电网络的安全性及稳定性，同时也对我国居民的生命安全带来极大威胁1-4。因此，电力企业应当加强对该方面的关注度，以推动供电质量以及效率的提升。随着各项技术以及硬件设备的逐步完善，窃电方式也随之改进，导致窃电规模逐步扩大。为了能够进一步对用电安全进行规
8、范、系统、全面的管理，切实促进电能利用效率的提升，为电力企业平稳健康发展创造良好条件，积极进行反作者简介：万龙（1982-），男（汉族），云南玉溪人，工程师，主要从事窃电行为识别方法工作。收稿日期：2022-06-2164电工材料 2023 No.1万龙等：基于用电特征分析的窃电行为识别方法窃电方案和办法的推广与实行，并且进行完备严格的用电检查，对于在当前社会背景下的电力公司而言至关重要。此前我国监控窃电行为主要借助人工方式，借助用户举报、定期校验电表和巡检等方式监控和发现窃电行为，上述方法对于人力方面的依赖性相对较高，同时存在目标模糊、工作效率低等问题，从用户开始窃电行为直至最终被发现需要经
9、过较长一段时间，对于电力企业而言损失相对较大。在科技发展水平持续提高的背景下，窃电方式也更加多元化，而且逐渐向着隐蔽、智能、高科技的方向发展，借助有限远方遥控、倒表器、无线遥控以及移相等多种智能遥控方式进行窃电，导致在窃电行为监控和检查面临更大难题。当前也有一部分供电企业的稽查人员或营销人员通过计量装置中所具有的电量查询功能或异常警报功能监督管理用户的用电情况，然而因为终端可能会发生漏报或误报等问题，所以在窃电行为发生后很难及时、快速、准确地确定窃电用户5-10。1非法窃电方式及行为目前，在日常生产生活中比较常见的窃电方式和行为主要有以下几种。（1）欠流法。私自改装电能表，使部分电能无法正常被
10、电能表测量到。该方法主要是让一些小电流无法被电能表有效计量，电能表的实际测量数值受到一定影响。（2）欠压法。该方法与嵌有法有一定相似之处，实际上是破坏电表回路，使操作人员无法检测电表的正常电压，从而影响电表计量的准确性。（3）移相法。修改电能表的接线，使电能表在正常计量时发生移相，从而使测量结果和实际用电存在一定偏差。（4）扩差法。对电表进行一定的改装，使电能表计量的精确性降低，也有一些用户会选择破坏电能表的方式调节电表数据，以达到窃电的目的。2窃电行为识别方法的总体设计构思在窃电行为具有科技化、智能化以及个性化等特点的社会背景下，继续通过原有的窃电检查方式，实际上很难准确、及时、有效地发现窃
11、电行为，因此积极推进智能化、科技化的反窃电措施极为关键。使用大数据建立窃电用户识别模型，进而通过分析用电特征，综合分析多方面的因素，自动检测用户的窃电行为。主要从以下几个方面来讨论和改进。第一，在进行销售业务时便构建相应的用户档案体系，借助销售业务内部的应用系统，收集用户基本档案信息、窃电样本以及无窃电常规样本数据等，在用电信息搜索体系中针对客户开发专门的计量指标体系，其中所使用的数据样本均来自于常规样本数据以及窃电样本数据。第二，基于既有窃电样本数据，根据相关规定优化提升较具代表性的窃电实例数据，构建对应的专家样本数据库。第三，对窃电实例进行逆向剖析，借助过滤式算法，提取其中所存在的特征数据
12、，构建符合此类窃电活动的对应数据信息库。第四，根据特征数据项录入其有关信息，进而对不同时间段内的用电动态曲线进行选择。第五，基于已构建的数据库和各项数据信息，同时参考用户异常用电数据种类和基础特征数据项，通过逻辑回归法构建对应的窃电行为评估判断模型，进而对用电系统中存在的窃电活动进行判断，若判断的准确率逐渐降低，则应当将数据信息回转到上一步骤，重新进行特征异常种类的构建和设定。第六，对系统所采集到的用户数据进行抽查，并在此基础上构建相应的检验数据样本集，同时还要对判断方法加以确定。第七，在对数据进行检验后，根据所得到的窃电排查工作单实地检查取证，确定可疑的窃电人员、行为和窃电方式。通过用户用电
13、特征构建相应的核心指标体系，在体系中输入已经进行处理的数据，将其与行业总体的指标数值进行比较，确定二者间的偏离程度，以此计算用户的嫌疑分数，借助客观赋权法，确定不同指标的偏离度权重，最终通过加权方式获得用户综合嫌疑得分，识别可能的窃电用户。本文构建的窃电行为识别方法主要包含部分：（1）以用电特征分析法为基础的窃电手段识别方式，通过多尺度检查用电特征情况，找到其中异常点，模拟人工监测窃电状况时所发现的异常数据；（2）根据用户的基本数据信息以及特征异常识别数据信息，应用逻辑回归算法，构建窃电行为诊断模型，从而对可能的窃电行为进行监控以及判断。3构建用户用电特征，进行窃电数据模拟此前在进行窃电行为的
14、监督管理工作时，工作人员大多借助营销业务应用系统以及用电信息采集系统中采集得到的用户用电数据，通过人工方式将其和用户的历史用电数据进行比较识别。由于65电工材料 2023 No.1万龙等：基于用电特征分析的窃电行为识别方法用户的用电数据会根据时间以及实际情况处于动态变化中，而这一变化中往往蕴含着清晰、明确的窃电识别信息数据，所以具有丰富经验的反窃电专家可以基于此类特征信息以及其既往工作经验，准确地识别用户的确定行为，并基于阈值情况和特征数据异常，如常见的电量突减、电流三相不平衡以及相位角反极性的异常现象，确定异常类别。反窃电专家通过长期工作积累的丰富经验，对用户用电的电压数据、电流数据、相位角
15、数据以及电量数据等完成特征异常类别的判断工作。因为反窃电判断与识别工作是根据当前采集得到的数据进行的，所以在进行数据诊断时所选择的数据曲线应当包括当天、上一周、上一月、上一季度和去年采集得到的各项数据。反窃电工作人员要计算各用户的平均用电值和标准差，然后通过负载正态变化量确定各个差值概率，从而确保供电公司在对用户窃电行为判断时具有充足的参考数据。此外相关管理人员也应当密切关注用电量存在显著波动的用户，借助对用户的实际用电情况加以分析，从而对其用电波动情况进行判断，确定其是否合理，如果认为用户的行为存在一定异常，则应当及时报告。3.1月用电量数据统计少量用户的用电数据可能涉及到多个电表，因此需要
16、对用户每个月电表的峰值、谷值以及评论时间段内的用电数据进行采集。3.2日用电量数据统计用户的日用电量数据实际上是反映不同时间段的示数，想要进行相关分析与评估，还需要将其转换为电量值的形式，计算方式如下:电量值=(当天读数前一日读数)表计倍率（1）当天读数是当天0时至24时的读数。3.396点负荷数据统计96点负荷数据反映的是电流、电压以及功率三项数据的相关情况，需要经过一定的运算确定对应的负荷以及相应用户，其计算公式为:某时刻负荷瞬时值=DLDYYS（2）式中：DL为该时刻电流；DY为该时刻电压；YS为该时刻功率因数。ABC三相大致均衡，后文在进行数据分析时以C相为准。3.4用电行为特征模型构建根据模型预测类别与实际类别的情况，可以进行排列组合，最终所得结果如表 1，表 2。真正类（TP）：预测结果和真实情况相同，二者均为正类；（FP）：预测结果和真实情况不同，预测类别显示为正类，真实类别则为负类；（FN）：预测结果和实际类别不同，预测类别显示为负类，真实类别实际上为正类；（TN）：预测结果和真实情况相同，预测类别和真实类别均为负类。本次构建的判断模型中所涉及到的准确率：判断在全部样本