防竊電預警分析應用實施

張耀，趙猛，張琛馨，楊青

（1.國網天津市電力公司信息通信公司，天津，300010；2.中國網絡信通有限公司，天津，300010）

0　引言

長期以來，一些單位特別是私營企業，將盜竊電能作為獲利手段，采取各種方法不計或者少計電量，以達到不交或者少交電費的目的，造成國家電能大量流失，損失驚人。這嚴重損 害了供電企業的合法權益，擾亂了正常的供用電秩序，嚴重影響了電力事業的發展，而且給 安全用電帶來嚴重威脅。但隨著竊電技術智能化的不斷升級，竊電主體由原來的居民用戶向企業、由生活向經營、由供電企業外部到內部相勾結的發展，甚至還出現了一批專門研究電 能計量裝置的“能人”，使得竊電現象依然得不到有效遏制。

1　功能設計

1.1　采集終端和電能表事件篩選

對于采集終端和電能表生成的事件進行無效事件篩選與過濾。

（1）同1條事件重復上報，事件內容包括時間均完全相同，只按第1條進行主站智能診斷，其余事件不參與主站智能診斷。

（2）剔除內容不符合通信協議格式要求的事件，包括數據亂碼及應填數據為空的情況。

（3）剔除內容明顯有誤的事件，包括事件時間早于設備安裝時間及事件時間晚于當前時間的情況。

1.2　采集終端和電能表采集數據篩選

對于采集終端和電能表上報的用電數據進行異常數據過濾篩選。

（1）正/反向有功總功率乘倍率的數值大于用戶合同容量的K倍，屬于異常數據。

（2）日凍結正/反向電能示值計算得到的電量，大于用戶日最大用電量（合同容量×24h）的K倍，屬于異常數據。

（3）月凍結正/反向電能示值計算得到的電量，大于用戶月最大用電量（合同容量×24h×30天）的K倍，屬于異常數據。

（4）日/月凍結最大需量乘倍率的數值大于用戶合同容量的K倍，屬于異常數據。

（5）二次側電壓值大于二次側額定電壓值的K倍，屬于異常數據。

以上K值可結合業務支持靈活配置。

1.3　單一異常分析

基于采集終端事件和用電數據基礎上，建立異常分析模型進行異常分析。主要涉及的異常包括失壓斷相分析、電量差動分析、電量波動分析、功率差動分析、電能表停走分析、電能表開蓋或計量門開閉分析、CT回路異常分析、電流失流、恒定磁場干擾、線損分析等智能診斷分析模型。

失壓斷相分析：失壓斷相分析主要針對高壓用戶的采集終端或者電能表上報的電壓斷相事件、電壓曲線信息對失壓斷相行為進行分析、判斷，統計分析終端電壓值、斷相比例、異常時間、異常持續時間等信息。

電量差動分析：利用采集到的電量數據，按照一定的差動時間間隔（天）與不同的電量差動模型對差動進行分析，即二個不同回路的電量有較大偏差，分析計量回路和比對回路（如交采回路）同時段的電量差值，如果電量差值超設定的閾值，進而判斷用戶是否有竊電嫌疑。

電量波動分析：將用戶的用電時間以天為維度分為普通日和特殊日（節假日、停電檢查日、用戶休息日等），分別總結用戶用電規律，并將用戶本月用電量與用戶上月或去年的用電量進行比對，然后評估用戶每月用電量的波動情況。當波動大于設定的閾值時，認為該用戶有竊電的可能性，并根據波動程度計算竊電可能性的大小。

功率差動分析：高壓用戶按照一定的差動時間間隔（小時或天），使用不同的負荷差動模型對差動進行分析。根據終端負荷、電能表總負荷以及差動模型獲得總負荷差值、負荷差動率、負荷差動閥值信息，判斷是否達標。當波動大于設定的閾值時，認為該用戶有竊電的可能性，并根據波動程度計算竊電可能性的大小。

電能表停走分析：針對高壓用戶的電量數據、電流數據，判斷高壓用戶是否存在用戶用電的情況下，但電能表出現停止走字現象，表現為電能量曲線中某時點電能量為0，且對應時點的任意相電流大于0.1A。以上異常現象在單日數據中出現連續3個時點且累計出現超出12次，則該用戶存在竊電嫌疑。

電能表開蓋或計量門開閉分析：通過采集系統獲取電能表狀態字，判斷：電能表開蓋時間與電能表安裝時間差值大于時間閾值。排除正常電能表開蓋，例如初次安裝、檢定和正常工單的情況；排除開蓋時間邏輯錯誤的情況，則產生異常。

電流失流：電流不平衡分析主要根據高壓用戶的電流曲線進行分析，統計并判斷用戶是否出現電流失流或者電流不平衡度超限情況

恒定磁場干擾：通過分析現場采集終端上報的磁場異常事件，分析用戶是否出現磁場干擾異常。

線損分析：使用線路線損及臺區線損數據，輔助開展竊電嫌疑用戶分析。通過將線損異常（超出閾值）期間的用戶電量與線損正常期間的用戶電量進行比對，發現并統計線損異常區域中的電量突減用戶。

電能表分流分析：針對在電表內部或外部采用并聯小電阻將火線電流分流，而使進入計量元件的電流變小從而達到竊電的現象。通過采集電表內檢測的火線電流（L）值和零線電流（N）出現差異，分析客戶是否存在竊電行為（考慮電能表本身采集元件有異常，建議收集L值小于N值50%的進行統計分析）。

1.4　防竊電綜合分析

用電信息采集系統中的各類異常事件和竊電行為以及竊電行為的種類存在關聯關系，基于防竊電單一異常分析結果，結合各類異常分析模型的權值、不同模型間關聯關系以及關聯分析算法進行綜合判斷及分析，挖掘疑似竊電用戶。

2　場景技術實現

2.1　功能設計

（1）全市防竊電預警分析應用實施結果總覽

全市疑似竊電用戶分布情況展現用于展示某個時間段內全市下各單位疑似竊電用戶分布情況（包含重要關注用戶數量、異常用戶數量、持續關注用戶數量），不同的疑似竊電用戶數量級用不同的顏色進行標注；全市異常信息統計結果展現用于展示某個時間段內全市下各單位不同異常等級的異常數量、不同異常類型的異常數量。且異常明細情況都支持EXCEL文件導出。

（2）區縣防竊電預警分析應用實施結果展示

區縣疑似竊電用戶分布情況用于展示該區縣不同異常類型的異常數量，區縣異常信息統計結果展現用于展示該區縣所有疑似竊電用戶基本信息，且異常明細情況都支持EXCEL文件導出。

2.2　數據模型設計

圖1　數據模型圖

3　結語

隨著我國社會和經濟的快速發展，我國電力系統的規模也在不斷擴大，針對傳統的防竊電方法在使用中存在的弊端，本文主要介紹了采用大數據挖掘和數據關聯技術，從而降低竊電行為的發生概率，保證電力企業效益不受損失。