基于數據挖掘技術的反竊電方法研究

林永超

國網吉林供電公司 吉林吉林 132001

竊電問題一直是一個難題，竊電的行為不僅會損害供電企業的經濟效益，還會影響居民的正常用電，對電力設施產生一定的損害和影響。嚴重的情況下，甚至會產生安全隱患。所以國家和企業一直在打擊竊電的行為，同時也在不斷提升反竊電的技術。當前反竊電的技術有一定的局限性，隨著竊電手段越來越多樣，高科技反竊電工作的難度也在不斷提升[1]。

1 反竊電現狀分析

當前不法分子竊電的方式和手段多樣化，并且隨著計算機技術的發展，竊電的行為也越來越高科技化。竊電的行為主要體現在使電能表的計電量值變小，進而能夠達到少交或者不交電費的目的。電能表的計電量主要是電壓電流和功率因數這幾方面，再加上時間的增長，所以要想進行竊電，就需要將這幾個因素改變，進而使電能表慢轉或停止，從而達到竊電的目的。除此之外，還可以通過改變電能表自身的性質，也能夠達到竊電的目的。因此需要相關的管理人員加強對電能表的管理和監督，禁止一些無關人員接觸到電能表之外，還可以從電量三要素著手對電能表內部的電壓、電流和功率因數進行分析，來發現一些用電異常的現象，進而篩選出一些竊電的行為。

前幾年廣東某一電網公司對計量自動化系統正式進行投入，對于電能表的一些數據進行監督，對于一些電廠和變電站等地方的電量和負荷都能夠實現一定的數據采集。運行的幾年期間，已經收集了大量的用電信息。隨著時間的不斷增長，所投入的計量自動化系統已經有一定的規模，為能夠推進反竊電管理提供了良好的數據。然而，因為用電計量的規模較大，所收集的數據量信息也較大，在其中提取有效的信息也是一個難題。所以無法使用一些傳統的數據分析來進行分析，這就需要不斷研究和引用新的技術來提高處理信息的效率，比如數據挖掘技術的應用，能夠起到一定的作用。

2 數據挖掘技術

數據挖掘技術的主要作用就是能夠在大量的信息數據中挖掘出有價值的數據，并且根據所挖掘出來的數據信息來建立相應的模型，為反竊電管理系統提供一定的數據支撐，并且提供一些預測性的方法。傳統的數據分析方法在面對大量的數據處理時，有一定的局限性。但數據挖掘技術能夠突破傳統技術方法的局限，處理海量的數據時，能夠在有效時間內提取有價值的信息，為反竊電技術的進步提供了一定的基礎保障[2]。

數據挖掘技術中包含人工神經網絡和模糊神經網絡，人工神經網絡是應用比較普遍的一種數據挖掘技術，它的主要功能和作用就是能夠對于人腦組織進行深刻的認識，并且能夠構建其模型，產生一些智能行為的系統，但是它的缺點就是對于一些模糊信息，不能夠高效的處理，對于所處理信息的要求和標準較高。而模糊神經網絡是模糊系統與神經網絡相結合所產生的系統，也結合了兩個系統的長處，具備一些能夠自動處理信息的功能，該系統的優勢就是能夠處理一些模糊的信息，并且對信息數據的要求較低，所處理也能夠更加精確等。模糊神經網絡在處理模糊的數據上占有很大的優勢，也能夠在智能信息處理方面有很大的發展空間。所以模糊神經網絡在解決竊電問題時，對于一些模糊的數據，有很大的優勢。

3 反竊電數據挖掘模型的建立

在建立數據模型之前，要先將所獲取一些信息數據進行抽取、轉換和加載，并且保障所獲取的數據能夠有秩序，并且形成統一的格式，才能使模型在建立的過程中更加高效。只有對數據進行選取和轉化，保證數據的格式能夠有統一的標準，在進行數據加載，將導入數據庫中，作為建立模型的基礎。

3.1 實時線損計算分析模型

實時線損計算分析模型主要是建立在電能表的統計上，根據對某區域所屬的電表中提取相關的使用電的信息，再根據區域的線路損耗的電量進行計算，最后制定出周期曲線，建立相應的模型。當然，該種計算的方式與實際的用電量可能會存在差距。但如果實際的用電量與模型中的電量，二者差距過大，那么就說明該區域的線損就會出現一定的問題[3]。

3.2 用戶用電異常對比分析模型

根據對用戶的用電分析，建立相應的模型，就能夠發現用戶的竊電行為。可以將用戶的電量屬性與歷史用電屬性做進行對比。歷史用電屬性所指的就是在過去的同一時期內，用戶使用電的情況。如果將用戶的某一個時間段的用電量與歷史用電量進行對比的話，這兩個數據的差異過大，就有竊電的嫌疑，需要展開深入的分析[4]。

3.3 用戶負荷曲線實時顯示模型

用戶復合曲線實時顯示模型，可以通過用電信息采集系統進行用電信息采集系統，可以完成分鐘級的數據采集任務，系統可以根據采集到的數據繪制出用戶復合曲線，進而建立模型來對其進行深入的分析。

3.4 數據挖掘技術與反竊電模型結合

可以將數據挖掘技術與反竊電模型相結合，發揮二者的優勢來推動反竊電技術的進步。在數據挖掘技術與反竊電模型相結合的工作過程中，可以使數據劃分為幾種類型，比如數據聚類和分類。可以通過這兩種數據分類對用戶的使用電量情況進行分析，進而來篩選出一些異常用電的情況，并且展開調查分析其中的原因。

4 結語

面對大量的用戶用電信息數據，采取傳統的方法進行調查是有一定難度的，需要消耗較長的時間和人力，并且所分析的效果也達不到理想的程度，那么采用數據挖掘技術，就可以大大減輕這一工作壓力。通過引用人工神經網絡和模糊神經網絡，可以對數據展開自動化的分析和處理，并且能夠建立相應的模型。再根據模型所提供的信息，為工作人員的反竊電工作提供了一定的指導。總而言之，在反竊電管理系統中應用數據挖掘技術，能夠使反竊電工作更加高效準確的運行，也能夠推動反竊電工作取得進步。