基于電力采集閾值溢出的防竊電識別方法的研究

耿泉峰， 張楊華， 葛云龍， 張瑞， 呂云彤

(1.國網河北省電力有限公司電力科學研究院， 河北， 石家莊 050000；2.北京中電普華信息技術有限公司， 北京 100192；3.國網河北省電力有限公司， 河北， 石家莊 050000)

0 引言

竊電行為包括偽造或者開啟供電企業加封的用電計量裝置封印用電、故意損壞供電企業用電計量裝置、故意使供電企業用電計量裝置不準或者失效等。在竊電行為較為嚴重的供電地區，竊電行為不僅破壞了當地的用電環境，同時也對供電企業的效益造成直接影響[1]。因而如何有效開展防竊電工作，成為供電企業面臨的一項重要課題。

通過對傳統的竊電方式與一些新出現的高科技竊電手法的研究得知，現有防竊電技術包括表封防竊電、防竊電計量裝置、遠程抄表和在線監控技術，表封防竊電方法的不足在于安裝后只有損壞后方可拆除；防竊電計量裝置可以防止電表倒轉，當裝置外殼被開啟后，用戶的信息會留下記錄或者被傳送至計量中心；遠程抄表技術可以對標計止碼進行抄錄，在線監控技術需每隔15分鐘對電壓、電流、功率等數據進行記錄。

文獻[2]通過對竊電原理與常用竊電手段的分析,提出了專變用戶竊電識別措施,并對所提措施進行應用驗證分析。文獻[3]提出了基于 BP 神經網絡的竊電檢測方法，以強針對性的支路線損變化率和三相電壓及三相電流的不平衡率作為竊電檢測指標并歸一化處理,且用具有雙隱含層的BP神經網絡提高竊電檢測的準確性。但上述幾種傳統方法只能記錄數據，不能對數據進行分析，也不能有效甄別異常用電用戶。

本文提出了相應的策略檢測方法和竊電判據，為迅速準確的判定竊電行為與電量追算，提供了相應的理論基礎。在此次研究中，基于電力信息采集，設計新的防竊電識別方法。近年來，隨著用電信息采集系統的廣泛應用，電力公司在滿足自動化管理的同時，累積了大量的用戶數據，這些數據對管理帶來了挑戰，同時也為防竊電識別提供了機遇。用戶用電數據包含了豐富的用戶行為信息，通過對這些信息深入挖掘，可有效獲取隱藏在數據背后的行為信息，對用戶數據進行深入的研究，實現對電力用戶精準的竊電分析，并有效甄別異常用電用戶。

1 防竊電識別方法設計

盡管隨著智能技術的不斷增加，竊電的手法呈現出多樣化，高科技化的特征。但竊電行為還是會在用戶的用電數據上反應出來，通過用電采集可以提高對竊電用戶的識別能力[4]。在本文中將防竊電識別方法結構設定如圖1所示。

圖1 防竊電識別方法設計框架

在此次研究中的用電采集將依附于用電信息采集系統實現其采集過程。通過用電信息采集系統對電力用戶進行全面性的數據采集，并及時、完整的掌握電力用戶的歷史數據與實時數據，為竊電識別提供穩定的數據基礎。

1.1 用電信息采集及處理

電力用戶行為模式一般都具有結構性，且表達形式多種多樣，雖然不同的指標能夠從不同方面對用電的內在規律進行研究，但若想系統全面的對用戶用電信息進行分析，需要從多個方面共同作用，形成一套完整的用電指標，獲取用戶的使用特征[5-6]。一旦用戶存在竊電行為，必然會發生用電行為模式的變化，而這種變化具有共生性，是一種多發的異常狀態。僅對單一的用電模式進行檢測，會造成遺漏與誤判。因而在此次設計中，將對用電信息進行采集，并設計異常用電特征提取環節，獲取用戶用電信息異常的特征值，設立相應的指標。在用電采集過程中，將采用上述的指標作為用戶信息采集的約束條件，具體指標設定如表1所示。

表1 用電信息采集指標

根據上述設定，對用電的用戶展開采集，將采集到的數據作為防竊電識別的數據基礎。在數據獲取的過程中，數據的缺失與低質量數據的產生將對識別結果的參考性造成影響。因而，在此次研究中，將對用電采集的數據展開相應的預處理。

目前對于用電采集具有直接影響的主要問題為多種作用下造成的信息缺失問題。為提升此次研究中對數據使用的靈活性，采用極值規劃處理用戶的用電數據，使待測數據規范化后的區間可靈活使用，并將其設定在[0,1]區間內，通過公式可表示為

(1)

1.2 計算電力采集閾值

為有效提升基于BP神經網絡的竊電檢測方法中，對于用戶異常用電信息分割不明確的問題。在此次設計中，采用計算電力采集異常信息閾值的形式提升其分割精度，獲取高精度識別結果。本文將采用最大類間差分算法完成電力采集閾值的計算。

設定采集閾值[7-8]為o，將采集到的電力信息分割為兩個區域，即把電力信息分割為兩個等級。將兩種信息設定為非竊電類C與竊電類D。則有，C=(0,1,…,n),D=(0+1,0+2,…,A-1)。

這兩類信息出現的概率分別為

(2)

(3)

則兩類用電信息的均值為

(4)

(5)

式中 ，FC與FD分別表示兩種信息類型的均值，通過上式可得出用電采集信息的總均值。具體公式如下：

Fa=UCFC+FDUD

(6)

由此公式可得出兩種信息的類間方差，設定此方差為t2，則有：

t2=UC(FC-Fa)2+UD(FD-Fa)2

(7)

類間方差越大，兩種信息等級差異越大，則上述方差計算結果的最大值為用電采集的最佳閾值。則有：

(8)

通過上述計算可獲取用電采集的閾值設定結果，將此結果作為竊電用戶與非竊電用戶的分割點，完成防竊電識別工作。

1.3 用戶狀態識別

使用上述計算結果與用電信息采集結果，設計防竊電識別算法。設定此次防竊電識別的流程如圖2所示。

圖2 防竊電識別流程

采用上述流程完成對竊電用戶的識別過程。在識別的過程中，將上述部分獲取的閾值計算結果作為識別的基礎。如出現用電采集結果超出閾值的情況，則此用戶為竊電用戶。竊電過程是一種復雜的多樣性的行為，單靠對用電采集閾值展開處理完成防竊電識別，其獲取的結果過于單一，不能作為完整的識別結果使用。因而，在此次設計中，將電力采集閾值溢出[9]與用戶特征[10-11]相結合，完成對竊電用戶的準確識別。

通過閾值計算將用戶信息設定為3種信息，分別為正常、嫌疑與異常狀態。

圖3 用電特征狀態關系

將此狀態與閾值計算結果相結合，通過公式可將其出現的概率表示為

(9)

將采集到的信息通過上述用電特征進行分類，并設定上述三種狀態出現的概率為{r(w1),r(w2),r(w3)}，通過歸一化常數對上述公式展開處理。設定歸一化常數[12-14]如下:

(10)

通過此參數對式(9)進行整合，則有：

(11)

通過上述公式，對采集到的用戶信息展開評估，并采用評估結果判斷該用戶的用電異常行為程度，完成對用電用戶的識別過程。至此，基于電力采集閾值溢出的防竊電識別方法設計完成。

2 識別方法測試

針對上述文中設計的基于電力采集閾值溢出的防竊電識別方法，在此次設計中，將設定防竊電識別測試環節，對文中設計方法的使用過程與效果展開研究。竊電電流測試實驗裝置如圖4所示。

圖4 竊電電流測試實驗裝置

2.1 測試指標

在此次測試中，將采用文中測試方法與文獻[3]提出的基于 BP 神經網絡的竊電檢測方法對比的形式，獲取文中設計方法的使用效果。為保證此次實驗的有效性，設定測試中涉及的指標如下所示。

電壓不平衡率：用戶為出現異常用電時，其使用電壓為穩定在一定合理范圍內的數值，根據《GB/T 15543—2008》可知，用戶的電壓不平衡率波動允許值為40%。通過計算公式可將此指標表示如下:

(12)

式中，f為電壓不平衡率，fl為額定的電壓理論值，fs為電壓的實測值。

電流不平衡率：在用戶使用用電設備進行竊電時，其使用的電流會出現異常變化。此指標通過公式可以表示如下:

(13)

式中，j為實測電流結果。

電量使用率：當用戶的電量使用率明顯下降或明顯升高，代表用戶正在使用用電設備進行竊電，此指標通過公式可以表示如下:

(14)

式中，Q1為電量的實際檢測值，Q2為電量的平均值，使用此部分設定的三個指標對測試樣本中的用戶數據展開計算，并對比文獻[3]方法與文中設計方法的計算結果。

2.2 測試用戶樣本

此次測試中，設定10名用戶作為測試用戶樣本，在10名測試用戶中，存在3名用戶為竊電用戶。電力用戶的用戶信息如表2所示。

表2 測試用戶樣本

采用以上用戶作為此次測試中的用戶樣本，使用文獻[3]方法與文中設計方法對上述用戶展開處理。

2.3 測試結果

供電用戶正常用電情況下，三相電壓應該基本相同，電壓不平衡率應該穩定在一定范圍或者在合理范圍內波動。

由圖5可以看出，竊電的用戶在竊電時間內電壓不平率波動過高，超過正常值。電流不平衡率出現異常變化，電量使用率幅度變化范圍大，由此可以識別出此時發生用戶竊電行為。

(a) 電壓不平衡率

(b) 電流不平衡率

(c) 電量使用率圖5 電壓不平衡率變化曲線

此次測試結果通過三部分展示。首先為兩種方法測試指標計算結果。在此次測試中，不對指標的計算精準度展開對比，僅對指標計算進行對比。具體計算結果如表3所示。

表3 指標計算結果

通過上述指標計算結果可知，文中設計方法與文獻[3]方法均可獲取指標計算結果。但對比可知，文中設計方法在對此指標計算時，可得出竊電用戶的用戶特征波動。文獻[3]方法雖然也可以獲取用戶的特征異常情況，但明顯獲取結果不夠全面。在此次測試中，主要對文獻[3]方法與文中設計方法對用戶狀態的劃分結果進行分析，具體測試結果如圖6所示。

(a) 文中設計方法用戶狀態劃分結果

(b) 文獻[3]方法用戶狀態劃分結果圖6 測試結果

通過上述測試結果可知，文中設計方法對于用戶狀態的劃分更加精確。文獻[3]方法對于用戶狀態的劃分結果較為粗糙。在測試中，存在有用電異常行為，但不屬于竊電用戶的用戶。結合上述指標計算結果，文獻[3]方法無法對這些疑似用戶進行精準的劃分，將其一并劃分為竊電用戶。文中設計方法可將其劃分為疑似用戶，并對其進行進入的研究，以避免在日常的使用中，出現影響用戶使用體驗的竊電識別錯誤。綜上可知，文中設計的基于電力采集閾值溢出的防竊電識別方法使用效果優于文獻[3]方法。

當竊電行為發生時，不同負荷的投入會產生不同的波形變化，因此通過對負荷波形的監測即可知道是否有竊電行為的發生。

由圖7可以看出，通過對兩組負荷波形的對比可以發現，沒有竊電行為發生時，本文所設計的防竊電識別方法中記錄的負荷波形的變化比較平緩，且負荷趨于平緩。當存在竊電行為時，圖中紅色圈所標示位置的負荷明顯增加，確定此時刻發生了竊電行為。

(a) 標準負荷曲線

(b) 采集負荷曲線圖7 負荷波形圖曲線

3 總結

針對用電用戶的防竊電識別問題，此次研究在總結國內外用電異常識別的基礎上，設計了一種基于用電采集閾值溢出的防竊電識別方法。此方法充分考慮了用戶特征以及閾值計算結果對識別方法使用效果的影響。通過對用戶信息的分析與計算，完成對用戶的識別過程。在此次研究中，存在部分計算問題，首先是對數據的選定指標設計不夠細致，在日后的研究中，應對其進行優化。其次是計算過程不夠詳盡。在日后的使用過程中，應注重計算精度。