基于機(jī)器學(xué)習(xí)的用戶竊電預(yù)測(cè)及用電檢查計(jì)劃輔助編排研究

蔡嘉榮，王順意，吳廣財(cái)

（廣東電網(wǎng)有限責(zé)任公司，廣東廣州，510080）

1 緒論

1.1 背景與意義

2014年，南方某縣級(jí)供電公司統(tǒng)計(jì)該地區(qū)非正常技術(shù)損耗電量5163萬度。其中，居民和農(nóng)村地區(qū)理論上被盜竊電量達(dá)4290萬度，占理論總被盜竊電量的83%，按居民用電0.61元/度計(jì)算，損失電費(fèi)超2600萬元。由此可見，每年因竊電對(duì)國(guó)家資產(chǎn)造成了巨大損失。

目前供電企業(yè)反竊電工作主要存在查證難、取證難、定量難的問題，用檢人員在查證上往往無從入手。一方面電力營(yíng)銷中總供電量和總售電量之差稱為線損，往往與用戶竊電很容易混雜，另一方面竊電用戶越加狡猾，竊電手法更加隱蔽，不再局限于傳統(tǒng)的改接線路等方法，同時(shí)普通用檢人員由于理論與實(shí)踐上的約束，增加了反竊電管理難度。

1.2 本文主要工作

本文主要通過選取歷史用戶用電行為數(shù)據(jù)（包括竊電數(shù)據(jù)實(shí)例），運(yùn)用機(jī)器學(xué)習(xí)算法對(duì)用戶竊電行為進(jìn)行有監(jiān)督學(xué)習(xí)，形成用戶竊電分類模型，同時(shí)使用當(dāng)年用電檢查實(shí)際數(shù)據(jù)對(duì)模型進(jìn)行檢驗(yàn)，分析模型識(shí)別準(zhǔn)確率，為實(shí)際用檢工作提供參考。

2 用戶竊電檢查現(xiàn)狀分析

為了維護(hù)正常供用電秩序和公共安全，保護(hù)供用電雙方的合法權(quán)益，供電企業(yè)按照《電力供應(yīng)與使用條例》等法規(guī)履行用電檢查職責(zé)，其中周期檢查和專項(xiàng)檢查是供電企業(yè)用電檢查的兩大手段，供電企業(yè)應(yīng)在每年第四季度編制出下一年度周期檢查計(jì)劃，在每月末要及時(shí)編制下月周期檢查計(jì)劃。對(duì)于0.4千伏及以下的居民客戶每年按不低于1%的比例進(jìn)行抽查，其他客戶每年按不低于5%的比例進(jìn)行抽查。對(duì)于客戶安全風(fēng)險(xiǎn)等級(jí)較高客戶應(yīng)縮短檢查周期。

3 基于機(jī)器學(xué)習(xí)的用戶竊電預(yù)測(cè)方案

3.1 數(shù)據(jù)選擇和處理

供電企業(yè)用電檢查業(yè)務(wù)指導(dǎo)說明書中明確指出：對(duì)于客戶線損異常、抄表異常、計(jì)量異常、業(yè)擴(kuò)變更異常、舉報(bào)、投訴、無檔案戶（黑戶）違竊電等情況，應(yīng)開展專項(xiàng)檢查。歸納起來，營(yíng)銷線損、電費(fèi)、計(jì)量、業(yè)擴(kuò)、客服、稽查等專業(yè)數(shù)據(jù)可作為用戶竊電預(yù)測(cè)信息來源。

將上述業(yè)務(wù)數(shù)據(jù)從時(shí)間維度上劃分，可分為靜態(tài)數(shù)據(jù)和動(dòng)態(tài)數(shù)據(jù)兩大類，靜態(tài)數(shù)據(jù)主要包括用戶編號(hào)、用戶名稱、用戶類別、電壓等級(jí)、信用等級(jí)、地區(qū)類型、行業(yè)類別、用電類型、用電性質(zhì)、用電容量、用電地址、計(jì)量點(diǎn)與用戶關(guān)聯(lián)關(guān)系、平均月電能量、平均月電費(fèi)、欠費(fèi)記錄、違約記錄、客戶投訴舉報(bào)記錄、現(xiàn)場(chǎng)檢查記錄等；動(dòng)態(tài)數(shù)據(jù)包括電表表碼數(shù)據(jù)、電壓數(shù)據(jù)、電流數(shù)據(jù)、相位角、臺(tái)區(qū)線損、線路線損、電能量差動(dòng)異常、電能表開蓋、電能表停走、三相不平衡、電流過流、電壓斷相、電能表失壓、電能表失流、用電負(fù)荷、各行業(yè)類別平均用電情況等。

3.2 確定目標(biāo)和算法

用戶竊電預(yù)測(cè)本質(zhì)上為分類問題，即通過適當(dāng)?shù)哪Ｐ涂梢詫?shí)際的、未知的用戶用電行為數(shù)據(jù)進(jìn)行自動(dòng)分類（如正常、竊電兩類），同時(shí)分類過程要求可解釋性強(qiáng)，便于用檢人員調(diào)查取證。

基于上述考慮，本文采用決策樹方法，其構(gòu)建思路如下：（1）給一個(gè)帶有類標(biāo)簽（正常/竊電）的樣本數(shù)據(jù)集；（2）選擇信息量大的屬性作為根結(jié)點(diǎn)；（3）根據(jù)根結(jié)點(diǎn)屬性的取值對(duì)數(shù)據(jù)集進(jìn)行劃分，形成一個(gè)二叉（或多叉）樹；（4）根據(jù)分叉將數(shù)據(jù)又分成幾個(gè)數(shù)據(jù)集；（5）再遞歸用其余屬性對(duì)幾個(gè)數(shù)據(jù)集進(jìn)行劃分，直到分類屬性為止。

決策樹方法難點(diǎn)在于如何選擇屬性進(jìn)行分枝。決策樹中越靠近根節(jié)點(diǎn)的屬性，該屬性對(duì)分類的決定越重要，信息增益是屬性選擇的一個(gè)重要指標(biāo)（信息增益=信息熵-條件熵），屬性越重要，信息增益越大。

信息熵的計(jì)算公式如下：

其中的n代表有n個(gè)分類類別（本文n取2，即只有正常、竊電兩種情況）。分別計(jì)算這2類樣本在總樣本中出現(xiàn)的概率p1和p2，這樣就可以計(jì)算出未選中屬性分枝前的信息熵。

現(xiàn)在選中一個(gè)屬性xj(假定是電壓等級(jí)) 用來進(jìn)行分枝，此時(shí)分枝規(guī)則是：如果xj=vx(假定vx=0.4kV)的話，將樣本分到樹的一個(gè)分支；如果不相等則進(jìn)入另一個(gè)分支。很顯然，分支中的樣本很有可能包括2個(gè)類別(即0.4kV用戶中同時(shí)有正常和竊電兩種分類)，分別計(jì)算這2個(gè)分支的熵H1和H2,計(jì)算出知道屬性xj之后的條件熵H’=p1*H1+p2*H2（此時(shí)p1表示0.4kV用戶在樣本中出現(xiàn)的概率，p2表示其他用戶出現(xiàn)的概率）。則此時(shí)的信息增益ΔH=H-H’。以信息增益為原則，把所有的屬性都計(jì)算一遍，選擇信息增益最大的屬性根節(jié)點(diǎn)，以此類推直至分類屬性為止。

3.3 數(shù)據(jù)挖掘及評(píng)價(jià)

首先，通過帶有類別標(biāo)記的樣本集進(jìn)行機(jī)器學(xué)習(xí)，由于樣本的標(biāo)記是人給定的，也稱有指導(dǎo)的學(xué)習(xí)。這個(gè)樣本集稱訓(xùn)練樣本集。訓(xùn)練樣本集的樣本典型（有代表性）量越多,學(xué)到的模型就會(huì)好。

為了測(cè)試模型的準(zhǔn)確性，可用一個(gè)測(cè)試樣本集測(cè)試分類器的準(zhǔn)確性，實(shí)際過程中可由用檢部門設(shè)定模型準(zhǔn)確度閥值，當(dāng)沒有達(dá)到閥值時(shí)，可增加訓(xùn)練樣本集重新訓(xùn)練模型直至滿足要求為止。

對(duì)于實(shí)際用電檢查過程中，任意給定一個(gè)沒有標(biāo)記的實(shí)際數(shù)據(jù)，用學(xué)到的模型對(duì)其進(jìn)行分類，即可給出其分類標(biāo)記。

4 用電檢查計(jì)劃輔助編排方案

用電檢查計(jì)劃制定過程中首要風(fēng)險(xiǎn)點(diǎn)在于遺漏檢查客戶，對(duì)于大客戶和重要客戶，目前只能采取定期檢查的手段（每半年至每?jī)赡隀z查一次）；而對(duì)于數(shù)量龐大的0.4千伏及以下的居民客戶，只能按照1%的比例去抽取檢查對(duì)象，檢查的盲目性太大。

圖1 機(jī)器學(xué)習(xí)示意圖

運(yùn)用本文方法對(duì)用電客戶的竊電潛在行為進(jìn)行預(yù)測(cè)，有針對(duì)性地根據(jù)概率安排用戶用檢順序，優(yōu)化班組工作計(jì)劃性，幫助供電用檢人員有針對(duì)性地開展用戶檢查工作，提升用檢查處效率，同時(shí)也解決過去用檢工作查證難的問題。

5 結(jié)語

本文通過分析用戶用電相關(guān)特征及數(shù)據(jù)，運(yùn)用機(jī)器學(xué)習(xí)決策樹方法，對(duì)竊電行為進(jìn)行科學(xué)的數(shù)學(xué)判斷，幫助工作人員及時(shí)發(fā)現(xiàn)用戶是否存在竊電行為，有效減少竊電行為給供電企業(yè)所帶來的經(jīng)濟(jì)損失，同時(shí)也能很好地避免因竊電、破壞電力設(shè)備行為造成的人身傷亡和電氣火災(zāi)事故，保障人民生命財(cái)產(chǎn)安全，減少用電糾紛。

[1]周瑾.國(guó)網(wǎng)江蘇電力應(yīng)用大數(shù)據(jù)分析精準(zhǔn)反竊電[J].國(guó)家電網(wǎng)報(bào),2017,5（第003版）.

[2]鳳凰資訊.一年被竊電3000萬元,2016年01月07日，http：//news.ifeng.com/a/20160107/46971190_0.shtm l.

[3]吳毅良,基于Hadoop的竊電預(yù)測(cè)平臺(tái)研究[J].電氣工程與自動(dòng)化,2017（6）.