基于關聯度分析的防竊電模型研究

梁志巾

摘 要：現如今，隨著我國經濟的快速發展，電力是關系國計民生的基礎產業，電力安全更是社會公共安全的重要組成部分，對國民經濟有著至關重要的影響。隨著電網的互聯和電網覆蓋范圍的不斷擴大，惡意竊電行為不僅造成大量的電量流失，甚至可能導致不可控的連鎖反應，造成大范圍、長時間的停電，對電網穩定和經濟安全造成嚴重影響。竊電手段的不斷翻新，強磁、遙控、改裝互感器等各種各樣的竊電產品充斥于互聯網，竊電呈產業化趨勢。目前，表前竊電、更改內部電路等竊電手段仍無法及時有效的防治，用戶竊電往往又避開正常工作時間，有些竊電行為到達現場查處時，用戶可以方便拆卸竊電設備，無法有效收集證據實施電量追補，使竊電防治工作愈加困難。唯有實時監控，及時預警、發現電網隱患，有效防止竊電現象的產生，才能確保電網的安全穩定。本文主要結合目前的竊電與反竊電現狀，研究智能防竊電技術，探討新型的智能防竊電管理模式，建立長效防范機制，并就關鍵技術進行研究與延伸。

關鍵詞：關聯度分析;防竊電模型

引言

近年來，隨著市場經濟的多元化發展，電能作為一種清潔能源被廣泛應用于國民經濟的各個領域和人們的生產生活中。由于電能費用占企業成本比重較大，一些不法經營者、個體私營業主為謀取暴利，無視國家法律、法規，不擇手段地竊取電能。竊電行為嚴重損害了企業和個人的合法權益，擾亂了供用電秩序，阻礙了電力事業的高質量發展，也給安全用電帶來了嚴重威脅。通過大量分析竊電現場情況得出，竊電行為主要表現在借零竊電、電能表人為改變、計量箱破壞、強電擊損壞計量電子元件等。當前各公司缺乏對電能計量裝置有效監督的措施，對用戶竊電行為的特征分析也不夠明確，對各類數據缺乏整合利用，難以對“竊電”行為進行有效的預警、監督和查處。國內外專家基于人工智能和大數據分析建立不同的反竊電模型，聚類分析數據特征，利用神經網絡等智能算法建立竊電用戶篩選規則，根據規則建立預警模型，但均限于理論階段，實際過程中能夠大幅度提升監測精度的方法還未成熟。本文以臺區線損為切入點，從現場抓獲真實竊電案例出發，建立失壓斷相預警、電量差動預警、電量波動預警、功率差動預警、電能表停走預警、電流異常預警、恒定磁場干擾預警、線損異常預警，并通過關聯度分析對線損值進行判定，大幅度提升了竊電嫌疑用戶的篩選精度，對保證電網安全穩定運行具有重要意義。

1竊電與反竊電現狀

1.1頻現的竊電手段

（1）強磁干擾。利用強磁竊電裝置使電能表慢走或停轉。篡改電能表軟件程序。通過復制表內線路板植入竊電程序，替換原有線路板，在電能表使用過程中利用掌機紅外接口或RS-485接口對電能表施加特殊指令，激活竊電程序竊電。（3）欠壓法竊電。在電壓回路上串聯分壓電阻或斷開電壓線圈。（4）分流法竊電。更改接線盒互感器二次側電流回路遙控竊電。（5）更改表前互感器。短接表前計量互感器二次側電流回路竊電。（6）更改表計計量回路。更改表計內部電流采樣互感器分流竊電。近幾年常見的竊電手段還有更改高供高計互感器，在高壓計量箱內安裝遙控器分流竊電;利用移相竊電設備改變電能表電流、電壓相位角，使電能表慢走;繞越計量回路，私拉電線越表竊電等。

1.2傳統的防竊電技術

針對上述情況，近些年采取了一系列的防竊電措施，如采取高供高計與高供低計相結合，對計量表箱加裝節點控制器，安裝負控裝置，加密用電信息采集等方法。這些方法和設備都起到了一定程度的防竊電效果，但由于這些設備的客觀缺陷（如負控裝置無法防控表前竊電），傳統的防竊電技術并沒有達到對竊電行為實時、高效、準確的防范控制。

2基于關聯度分析防竊電模型

2.1算法選取與模型構建

a.失壓斷相預警設定計量回路電壓基準值，高供高計用戶計量回路電壓值為100V，高供低計及低供低計用戶計量回路電壓值為380V、220V，如果電壓值偏離基準值50%，尤其是電壓值為零，則判斷為失壓斷相。該預警策略主要針對高壓用戶、考核表及低壓重點用戶的電壓曲線等信息進行分析判斷。b.電量差動預警針對100kVA及以上用戶，加裝負荷監控裝置，該裝置含有2個不同的計量回路，分別為含有485接口的計量回路和交流采樣回路。其中交流采樣回路作為485接口的考核表使用，用以對比監測2個不同回路的電量，對比2個不同回路電量值，分析計量回路和對比回路同時段的電量差值比，設定電量超值比的閾值K為20%，對超出閾值的用戶需進一步判定是否有竊電嫌疑。c.電量波動預警將用戶的用電時間以天為單位，按類別劃分為普通日和特殊日。其中特殊日包括節假日、停電檢修日、用戶休息日等，依此總結用戶的用電規律，并將本月用電量與上月進行環比，與去年同期進行對比，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，認為該用戶有竊電嫌疑，觸發電量波動預警，并根據波動程度深入計算竊電可能性的大小。d.功率差動預警針對10kV高壓用戶，按照一定的時間間隔，使用不同的負荷差動模型對功率差動進行分析。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、負荷差動閾值信息，根據以上信息判斷是否達標，當波動大于設定的閾值時，認為該用戶有竊電可能，并根據波動程度計算竊電可能性大小。e.電能表停走預警針對10kV高壓用戶的電量數據、電流數據，判斷10kV高壓用戶是否存在電能表停轉現象。該現象表現為某時刻電量為零，對應時間的任意相電流大于0.1A，在單日數據中連續出現3個時間段內且累計出現超過12次，則判斷該用戶存在竊電嫌疑。同時進行電能表開蓋或計量門關閉分析，通過采集系統獲取電能表的狀態，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，則判斷存在異常情況。

2.2基于大數據分析的全方位、全過程營配稽查

基于物聯網數據融合共享，借助大數據技術智能分析，構建營銷業務管理平臺的智能大腦，實現營銷管理全業務、全過程、全方位稽查。基于專家經驗自適應學習，提出事前預防建議，結合業務管理要求，實時更新異常問題預防規則，制定業務執行環節流程限制、約束性填報、異常提示等事前防范措施;建立事中監管規則庫，實現營銷業務實時在線監控，對發現的異常問題和超限情況，即時在線干預糾正，實現“規則在線、糾偏分析、即時整改”的監控工作模式。

結語

竊電破壞正常的供電秩序，威脅電網安全和人身財產安全，是嚴重威脅國家經濟發展、社會和諧的一個長期問題。打擊高科技竊電難度在于發現困難、取證困難，傳統的方式無法防范繞越表計或分流計量回路的竊電，不能從根本上解決竊電防治問題。新型智能防竊電技術的研究與應用，填補了油田用電檢查管理在表前竊電監測、實時異常預警方面的技術空白。應用智能防竊電技術，解決了許多難以防范的高科技竊電行為，為集團公司挽回了巨額經濟損失，同時對竊電單位和個人形成了強有力的威懾作用，有效遏制了竊電行為的發生，不僅創造了健康良好的供用電環境，建立了智能防竊電長效管理機制，而且對電力企業打造“堅強智能電網”意義重大。

參考文獻

[1]何立強，趙允，于景亮.基于改進PSO優化RBF神經網絡線損計算與分析[J].東北電力技術，2020，41（4）：55-59.

[2]趙允，何立強，于景亮.基于灰色關聯分析和IPSO-LSS-VM的線損預測模型研究[J].東北電力技術，2020，41（4）：6-10.

[3]余向前，張世元，趙旻昱，等.基于用戶負電荷檢測的反竊電技術應用研究[J].電力設備管理，2020（10）：173-175.