電能計量數據聚類分析與竊電檢測研究

楊浩

摘 要：隨著電力系統智能化程度的提高，各種智能電能計量設備的普遍應用，電能計量自動化系統內積累了許多電能計量信息，采取數據挖掘手段對這些數據展開分析，能夠幫助電力部門把握客戶的用電行為，對預測負荷、管理負荷、用電故障檢測等具備顯著作用。竊電是影響電力系統發展的重大問題，既給國家經濟帶來巨大損失，還威脅到電力系統的安全運轉。伴隨技術的進步，竊電方式逐漸多樣化，并且隱蔽性更強，由此給竊電檢測造成了較大困難。基于用電數據采集系統的電力計量信息分析方法與依靠K-Means聚類的電能計量信息分析方法，選擇歷史良好電能計量信息為基類，再和當下時刻電力計量信息展開聚類分析，篩選異常電能量信息，找到可疑數據，為查處竊電現象提供線索。

關鍵詞：電能計量;聚類分析;竊電檢查

1.常用的竊電方法

竊電屬于電能非技術虧損的一個關鍵來源。由電能計量方面的電功率計算公式P=UIcosθ 得知，電能表計算電量是通過電壓、電流及功率因素決定，調整任意一個條件，均會造成電能計量設備少計，進而引起竊電現象。另外，經過調整電能計量設備自身的結構也能夠引起竊電。所以常用的竊電方法包括：欠流法、欠壓方式、擴差方式、移相法及強交流磁強法。

1.1欠流法

該方法是通過多種方式令流經計量設備的電流降低甚至是0，進而讓計量設備少計引起竊電。主要方法包括調整電流電路接法、調整電流互感設備變化、短接電流線路等。

1.2欠壓法

是指經過多種方法令電能計量設備的電壓線圈喪失電壓或是降低所受電壓，進而讓計量設備少計引起竊電。主要方法包含串聯電阻減壓、導致電壓回路接觸異常、調整電壓回路連線等。

1.3擴差法

即通過各種手段改變計量設備內部結構或其運行條件，使其設備本身的誤差擴大，致使電能計量設備少計或不計電量引起竊電。主要方法包括利用電流或機械外力損壞計量設備、破壞計量設備的正常運行條件、拆卸計量設備改變其結構性能等。

1.4移相法

指經過調整電能計量設備內電壓、電流之間穩定相位關系，進而造成電能計量設備慢轉甚至產生倒轉，由此令計量設備少計電量引起竊電。主要方法包含調整電表的正常連線、接入和電表沒有聯系的電壓、電流等。

1.5強交流磁強法

因為有的電子式電能計量設備選擇步進電機技術，但是步進電機技術設備在強交變磁場影響下會智能計數，調整磁場方向，計數設備將迅速遞減計數，如此就會造成電能少計，進而引起竊電。

上述幾種方法均是經過調整電能設備的計量回路引起竊電。但是，伴隨科技的進步，有些針對智能計量設備來竊電的方法也產生了，如高頻高壓偷電、紅外遙控偷電、大功率無線信號偷電。其中，高頻高壓偷電就是經過影響電能設備的內部運行流程，損壞電能設備的運行曲線，導致電能設備計量精準度低，不能順利計量。大功率無線信號偷電是指影響電能設備的CPU，令電表少計甚至不計，該種方法還能夠隨時復原電表計量。這類高科技的偷電方法都較為隱蔽且難以發覺，偷電操作時間少，給竊電稽查造成了較大困難。

2.反竊電策略

反竊電策略應當按照相關的竊電方法來確定。盡管竊電方法多樣化，但主要涉及兩點：其一，經調整電能計量設備引起竊電;其二，繞過計量設備引起竊電。因為電能計量設備通過電能設備、互感器以及二次回路構成，所以能夠針對這些部分調整計量設備達到反竊電目的。反竊電不僅要采用技術措施，也必須管理措施。

2.1技術措施

（1）選擇專門的電能計量箱和電表箱

設置專門的電表箱能夠提高竊電難度，讓用戶不能觸碰電能設備。而且，竊電稽查者定時檢查電表，盡量減少竊電現象。

（2）密封變壓設備低壓輸出端到計量設備的導體

該種方法常用來預防無表竊電，而且對經過二次線采取欠壓法、欠流法以及移相法偷電有顯著效果。

（3）選擇新一代電子式多功能智能電表

電子式電能設備存在無法倒裝、底度無法智能清零、不能隨意調整表計參數等特點，能夠有效避免竊電行為出現[1]。此外，多功能智能電表存在失壓、失流、電力失衡、逆相以及參數確定等事件智能記錄作用，可以有效避免竊電行為出現。

（4）優化電能表連線

優化電能表連線，能夠把相線與零線選擇不同色彩的導線且對號入座，避免欠流法和跨相偷電。出入電能表的電線應盡可能縮短預留長度，避免擴差法偷電。該種方法可以有效預防欠流法、欠壓方式、移相法以及擴差法。

2.2管理措施

（1）提高檢測力度

用電檢測是達到反竊電目的的重要方法，包含重點檢測、臨時檢測、抽檢、普檢等形式。用電檢測過程，主要采取直觀檢測、現場檢測等方法確定竊電。檢測內容有檢測電能表外表、鉛封、連線等是否存在問題。

（2）加強宣傳力度

給用電客戶積極宣傳電力法律法規，從多角度警示偷電的危害性及嚴重性，宣傳偷電行為的體現形式，指引客戶安全用電，嚴厲打擊竊電，創造一個穩定用電的社會環境。

（3）加強培訓

定時組織防偷電、反竊電的專業培訓，對經典的竊電案例展開分析，分享反竊電經驗，提升電力管理者的各種技能與業務能力。

另外，還有很多新的反竊電對策，如借助計量自動化系統（負荷管理平臺）實時監控計量設備二次側的電壓、功率以及電流等各項參數的改變，當變化超過指定閾值將智能報警。

3.K-Means聚類算法

這是James MacQueen等人總結的一種依靠相似性與中心距的空間信息分類方式。利用該聚類算法把電能計量數據進行建模聚類分析，將其數據信息映射為空間里的點，按照點的密度與中心距能夠把空間細分為多個區域，就是簇。信息點 所屬的簇能夠表示成：

其中，kb 表示屬性數量，C表示簇，dkb 表示聚類C每個屬性維度的中心點。相同簇中的信息均靠近其聚類的中心點，所以他們存在很高的相似度。相反，不同簇里的信息差別很大。K-Means聚類示意圖見圖1所示。

3.1依靠ARMA與K-Means的異常判斷模型

（1）模型創建

依靠ARMA與K-Means的異常判斷模型是通過ARMA模型與K-Means聚類算法構成。ARMA模型對輸進的用電量信息序列完成時序創模，再展開短期預測，獲得各個時刻相應的用電量預測值用作異常判斷的比對值。K-Means聚類算法對電能計量信息真實值與預測值的殘差項完成聚類分析，進而完成對異常信息點的檢測。

（2）K-Means異常判斷

為了對原始信息完成異常識別，在基于ARMA模型得到各個歷史時刻電能計量比對值的前提下，與原始信息中的實際電能量作差，獲得i時刻的殘差項，即：

res（t）=│y（t）-x（t）│

其中， res（t）表示第t時刻的殘差值;y（t） 與x（t） 分別表示第i時刻的預測值與實際值;t=1，2...，T。

再采取K-Means聚類法對 展開聚類分析，最終結果把這些信息分為多個簇與離群點，包含于簇內的點是正常收集的信息，但在簇外的離群點即K-Means聚類算法所篩選出的異常數據。

參考文獻：

[1]陳欽亮.電能計量自動化系統在反竊電工作中的應用分析[J].企業科技與發展，2020，（6）：71-72.

[2]邱暨韶.電能計量裝置反竊電技術應用[J].南方農機，2020，51（6）：185.

[3]姚騰，李育靈，王嬋瓊， 等.電能計量互感器二次回路狀態識別系統[J].沈陽工業大學學報，2020，42（2）：143-147.

（廣東電網有限責任公司陽江供電局）