關于加強用電檢查反竊電工作的研究

王曉博

摘要：當前，我國用電量俱增，隨著而來的竊電行為也日趨增加，為有效緩解因智能竊電造成的經濟損失和社會危害、維護電力市場的秩序，加強對于用電檢查反竊電技術的分析尤為重要。電網在輸送和分配電能過程中的損耗可分為技術損失（technicalloss，TL）和非技術損失（non-technicalloss，NTL）兩大類。技術損失主要為電網中變壓器和輸電線路等組件的內部電阻引起的功率損耗，其值受電網結構和運行方式影響。非技術損失是指由于計量設備故障、用戶惡意的竊電行為以及賬單錯誤導致的經濟損失，其中用戶的惡意竊電行為是NTL的主要原因，對電網公司的利益造成很大的損害。據美國某公司的一項調查顯示，全世界每年因竊電引起的損失超過893億美元;根據世界銀行的數據，竊電導致了印度超過25%的電力供應損失，在巴西、中國、美國及澳大利亞，這一比例分別為16%、6%、6%及5%。本文主要對加強用電檢查反竊電工作進行分析，詳情如下。

關鍵詞：用電檢查;反竊電;工作

引言

用戶的竊電行為是非技術性電能損失的主要原因，并且影響配電系統的運行安全性。隨著電力需求的不斷增長，竊電檢測已成為保障供電公司效益的重要措施。供電公司檢測竊電的主要方法是現場檢查用戶電表，該方法效率低，耗費人力物力，檢查范圍有限，因此抓獲的竊電案數目非常少。

1常見竊電方法

由于不同用戶的電表種類及安裝方式不同，常見的竊電方法也有所不同。低壓用戶的計量設備多為單相智能電表（SM），其竊電方法主要以繞越電能表或私自接線為主，中壓用戶多為三相電表，電壓電流互感器接線較為復雜，因此破壞或者更換互感器的竊電方法也較為常見。在計量設備的發展過程中，常見的竊電方法也不斷更新，一些傳統竊電方法（如侵入式破壞計量設備）隨著電表的升級而逐漸不再具有可操作性，而一些新型竊電方法的出現則為反竊電工作帶來新的挑戰。

2加強用電檢查反竊電工作的方法

2.1用戶側竊電檢測技術需要提高數據處理能力

首先是評估并劃分不同區域的竊電嫌疑度，采用遞進式的竊電檢測策略，首先對高竊電風險的供電區域進行檢測，再依次對較低竊電風險的區域進行檢測，從而減小類型數量不平衡對竊電檢測的影響。其次是在保證竊電用戶檢測準確率的基礎上，關注實際竊電排查的排查成本與追補電費等，制定以經濟性為優化目標的竊電排查策略，提高電網公司的竊電排查靈活性。

2.2K值法的應用

使用k值法構建線損異常分析模型，明確異常用電用戶，通過排查異常電流、電壓、功率因數曲線等數據，以及排查突變數據點、特征數據等排查疑似竊電戶。組織外圍調查，會同電力執法部門制定周密的反竊電行動方案，大力打擊竊電行為，為企業降低損失。

2.3終端用戶異常用電模式檢測模型參數的確定

在數據預處理后的數據樣本中隨機抽取70%作為訓練集，30%作為測試集，并且訓練集與測試集中正負樣本的比例均為1∶1。基于XGBoost算法的異常用電模式檢測模型包含多種參數，如學習率、樹的最大深度、迭代次數、樣本采樣比、樣本屬性采樣比及正則化項權重比等，其中迭代次數、樹的最大深度和學習率3個參數直接影響模型的準確率，因此需要調節參數以達到模型的最優效果。為了確定檢測模型的最佳學習率及迭代次數，分別令學習率為0.1、0.3、0.5、0.8和1.0，并基于訓練集得到各自的準確率曲線，學習率為0.5時，模型的準確率最高，因此確定學習率取值范圍為0.1～0.5。根據學習率為0.1、0.3和0.5的曲線可以得到，迭代次數為48時的準確率效果較好，且曲線相對穩定，考慮到訓練時間與迭代次數的近似正比關系，將模型的迭代次數設定為48。XGBoost算法在迭代每一棵樹的過程中，樹的最大深度是防止模型過擬合的重要參數，樹的最大深度較大時會使模型更為復雜，并容易導致過擬合，延長訓練時間。為了減輕調參的工作量，采用網格搜索法確定樹的最大深度和其他參數的最佳值。依據訓練結果得知，樹的最大深度為5、樣本的采樣比為0.9、樣本屬性的采樣比為1.0、正則化項權重比為5，其余參數值選擇默認時，模型表現出更優的綜合性能。

2.4完善電力營銷數據的分析應用能力

在電力營銷中，電力營銷數據主要是由營銷、財務等相關系統模板而產生，這些數據的傳輸與共享會直接影響電力系統的實際運行。想要從根本上保證電力營銷數據的及時性，就要從電力系統數據分析中心平臺出發，對電力營銷數據庫優化，保證其能夠達到實際應用需求，方便資源信息的傳輸與共享，在大量數據中挖掘有價值的數據，提高電力營銷管理信息的利用能力等。為了在實際工作中落實電力營銷措施，在電力營銷工作開展之前，管理人員必須做好市場調查工作，以電力營銷市場需求為重點，對電力營銷數據進行深入分析總結評估。在電力營銷工作中結合智能分析與管理模塊的性能，發揮智能經營管理平臺的最大應用價值，能夠有效地提高工作效率。

2.5通過分析用電數據進行用電行為比對

電力企業可以完善數據收集和記錄工作，將用戶最近一段時間的用電數據保存，然后與以往數據信息進行對比，以此為參照，計算用戶最近時間的平均用電量。同時，為了提升計算結果的可信度，還需要計算概率和平均用電與標準間的差異大小，然后依靠正態分布表示負荷變動規律，最后用評價函數計算分析用戶這段時間內的用電量變動狀況。通過采取上述科學、客觀的數據分析方法，提升竊電行為判定結果的準確性。另外，在分析認定竊電行為時，需要綜合考慮各方面因素，例如，天氣原因，夏天天氣炎熱，用戶頻繁使用空調、風扇等，電量自然會較其他時節更高，這些因素需要監管者在判定時靈活思考。

2.6規范技術流程，制定技術應用標準

任何行業中都需要得到有效監督，古語說“無規矩不成方圓”，這適用于各行業。對于電力行業而言，在實際開展反竊電檢查中，缺乏有效的技術規范、技術標準進行約束，會對最終的質量造成嚴重影響，因此，應用電力營銷大數據提升反竊電檢查質量需要完善、有效、規范的技術流程作為參考。在制定技術流程規范和標準時，需要從技術可行性、代表性的角度進行分析。需要企業結合實際情況由主管部門進行編制，參考實際過程中的各項問題，制定各項制度。同時，在企業不具備綜合數據分析的前提時，技術結果應按照百分占比的情況進行制定，從而使得數據信息價值的發揮更充分，從而減少因違規作業、缺乏綜合評估，造成的分析結果不客觀、分析結果錯誤的現象。

結語

電力企業必須要認識到電力管理工作的重要性，科學利用各項技術，加大力度進行反竊電管理模式的創新，提升管理水平，為用戶提供更加優質的電力服務，增強用戶對于電力企業的信任程度，這能夠在帶給電力企業更多經濟效益的同時，增強電力企業的社會影響力，使其獲得更加長遠的發展。

參考文獻：

[1]樊嶸，孟大志，徐大舜.統計相關性分析方法研究進展[J].數學建模及其應用，2014，3（1）：1-12.

[2]蔣禮青，張明新，鄭金龍，等.快速搜索與發現密度峰值聚類算法的優化研究[J].計算機應用研究，2016，33（11）：3251-3254.

[3]姜芬，王強，況貞戎.電力營銷大數據在反竊電檢查中的應用淺析[J].低碳世界，2019，9（12）：108-109.

[4]夏澤舉，金耀，常樂，等.淺論反竊電檢查中電力營銷大數據的應用[J].電子世界，2020（5）：48-49.