低壓配電網(wǎng)非技術(shù)線損的檢測探究

楊董韻，周 樂

（國網(wǎng)江蘇省電力有限公司泗洪縣供電分公司，江蘇 宿遷 223900）

如果低壓配電網(wǎng)出現(xiàn)非技術(shù)損失（Non-Technical Loss，NTL），會增加其運(yùn)行成本，對輸送的電力資源質(zhì)量造成負(fù)面影響。考慮到電力盜竊是最常見的NTL現(xiàn)象，本文僅從這個角度分析低壓配電網(wǎng)的NTL，并提出結(jié)合SVM（Support Vector Machine，支持向量機(jī)）模式與SENS（Sensitivity，靈敏度）模式的NTL 集成化檢測系統(tǒng)，合理完成低壓配電網(wǎng)NTL 的檢測任務(wù)。

1 NTL 集成化檢測系統(tǒng)

對于SVM 模塊，其是根據(jù)智能電表有功功率測量數(shù)值，檢測是否存在NTL 情況。SVM 模塊會對用戶用電特征做提取處理后，利用相應(yīng)的算法，對于每個用戶的年度用電量時間序列進(jìn)行分析，確認(rèn)用戶是否發(fā)生竊電行為。對于SVM 模塊，其使用基本功能是對用電時間序列突變情況進(jìn)行檢測，并分析發(fā)生這種突變情況的具體時間點(diǎn)。對于SVM 模塊的輸出，即各個用戶可能出現(xiàn)竊電行為的發(fā)生概率，以及發(fā)生竊電行為的時間節(jié)點(diǎn)；對于SENS 模塊，其利用估算低壓配電網(wǎng)的靈敏度，從而檢測當(dāng)前存在NTL 情況的用電設(shè)備。但是，如果有功功率存在測量誤差，則會對SENS 模塊計算數(shù)據(jù)的準(zhǔn)確性造成一定程度的負(fù)面影響。對于SVM 模塊，其可以有效捕獲低壓配電網(wǎng)電壓值畸變下的竊電行為，例如低壓配電網(wǎng)電壓噪聲增加等。對于SENS 模塊，其可以檢測到用戶時間序列沒有用電量突變情況的竊電行為[1]。因?yàn)镾VM 模塊與SENS 模塊在應(yīng)用屬性方面存在差異，工作要求不同，基本可以囊括所有類型的竊電行為，可以選擇對SVM 模塊與SENS 模塊的輸出結(jié)果做相應(yīng)的加權(quán)相乘處理，即可獲得SVM 模塊與SENS 模塊的應(yīng)用優(yōu)點(diǎn)，以集成化系統(tǒng)方式高效完成低壓配電網(wǎng)非技術(shù)線損的檢測任務(wù)。對于SVM 模塊輸出wiSVM，代表用戶出現(xiàn)竊電行為的概率，處于0～1 之間。對于SENS 模塊輸出wiSENS，代表電壓自敏感度的理論數(shù)值與計算數(shù)值誤差，可以在［0，1］范圍，針對wiSENS做歸一化處理。通過將wiSVM 數(shù)據(jù)與wiSENS 數(shù)據(jù)做加權(quán)相乘基礎(chǔ)，即可獲得wiNTL-SYS。對于wiNTL-SYS，其主要負(fù)責(zé)對用戶出現(xiàn)竊電行為的概率進(jìn)行排序處理。

wiNTL-SYS 的加權(quán)乘法為公式（1）：

2 NTL 集成化檢測系統(tǒng)仿真

2.1 SVM 模塊

2.1.1 樣本制備

對于SVM 模塊的輸出權(quán)重，代表通過用戶的年度有功功率曲線，分析用戶可能出現(xiàn)竊電行為的概率。對于竊電行為特征，是通過捕獲每個消費(fèi)者的用電行為進(jìn)行數(shù)據(jù)整合獲得的，徑向基函數(shù)（RBF，radial basis function）的SVM，通過一定的數(shù)據(jù)訓(xùn)練，即可對用戶的竊電行為進(jìn)行可靠檢測。對于網(wǎng)格搜索，則是對SVM-RBF 參數(shù)做優(yōu)化處理(CSVM=10，γSVM=0.15)，利用5 倍交叉驗(yàn)證，保證SVM 分類器可以得到良好的泛化處理，合理規(guī)避這個過程中可能出現(xiàn)的過度擬合問題。對于SVM 模塊，需要開展三種竊電行為的混合訓(xùn)練處理。調(diào)用數(shù)據(jù)集的70%，即在2567 個用戶中，挑選其中的1796 個用戶用電數(shù)據(jù)，將其作為訓(xùn)練集建立樣本使用[2]。對于數(shù)據(jù)集的30%，即剩余的771 位用戶用電數(shù)據(jù)，將其作為測試集建立樣本使用。將1796 名的用戶用電數(shù)據(jù)，以隨機(jī)劃分方式，劃分出兩組數(shù)量相同的小組，并分別命名為竊電組、非竊電組，構(gòu)建相應(yīng)的訓(xùn)練集。對于竊電的數(shù)據(jù)集，則在原本的三種竊電行為基礎(chǔ)上，設(shè)置若干參數(shù)值，形成多樣化的混合竊電行為，總計48 種數(shù)據(jù)攻擊，最后獲得數(shù)據(jù)樣本數(shù)量為42766個樣本的竊電數(shù)據(jù)集。對于非竊電數(shù)據(jù)集，其數(shù)據(jù)樣本數(shù)量為889 個。為合理規(guī)避在進(jìn)行SVM 訓(xùn)練時出現(xiàn)嚴(yán)重的數(shù)據(jù)不平衡問題，通過復(fù)制非竊電數(shù)據(jù)樣本方式，獲得包括85534個數(shù)據(jù)樣本的平衡訓(xùn)練集。將非竊電數(shù)據(jù)樣本數(shù)量與竊電數(shù)據(jù)樣本數(shù)量進(jìn)行平衡，利用模擬訓(xùn)練集中不涉及的竊電行為，獲取最后使用的測試集。

2.1.2 仿真分析

通過分析仿真圖像，可以發(fā)現(xiàn)斜率參數(shù)b 對于SVM模塊的工作性能不會產(chǎn)生過于明顯的影響，在小于0.5%/天的斜率參數(shù)下，SVM 模塊的工作性能則會表現(xiàn)略微降低。對于斜率參數(shù)b，其影響集中反映在用戶出現(xiàn)竊電行為日期檢測方面。在0.5%/天的斜率參數(shù)下，日期檢測最大誤差為90 天。在低壓配電網(wǎng)發(fā)生組合竊電行為時，SVM 模塊成功檢測概率偏低。結(jié)合以上分析內(nèi)容，可以認(rèn)為在竊電系數(shù)r 大于30%的條件下，SVM 模塊的AUC 超過70%[3]。

2.2 SENS 模塊

2.2.1 樣本制備

對于SENS 模塊，其負(fù)責(zé)對各個時間窗口的各個消費(fèi)者發(fā)生竊電行為的概率進(jìn)行計算。現(xiàn)將時間窗口長度設(shè)定為5·N，其中的N 是網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量。可能會對SENS 模塊工作性能造成影響的參數(shù)為網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量N，竊電量百分比at，竊電用戶百分比f。先設(shè)置一個仿真低壓配電網(wǎng)的試驗(yàn)場景，對于SENS 模塊運(yùn)行情況進(jìn)行測試。在這個試驗(yàn)場景中，N=87，即擁有87 個網(wǎng)絡(luò)節(jié)點(diǎn)C=48，即擁有48 個消費(fèi)者，以此搭建一個具有相對隨機(jī)特性的低壓配電網(wǎng)。對于f=5%，這部分消費(fèi)者擁有第一種竊電行為的行為特征，其at 處于20%～90%之間，并且在竊電行為發(fā)生時間方面，也具有較大的隨機(jī)性。分析數(shù)量在30 節(jié)點(diǎn)～210 個節(jié)點(diǎn)之間的具有隨機(jī)特性的低壓配電網(wǎng)，分析電網(wǎng)建設(shè)規(guī)模與竊電用戶數(shù)量對于SENS 模塊運(yùn)行產(chǎn)生的影響。在整個試驗(yàn)中，將以第一種竊電行為作為模擬對象，即基本竊電。

2.2.2 仿真分析

對于竊電用戶的比率f，設(shè)置為50%，對于竊電用戶的竊電行為開始時間Tstart，則設(shè)定為隨機(jī)模式，對于差值ΔWSENS 進(jìn)行計算，整理為圖1A。通過分析仿真結(jié)果，可以發(fā)現(xiàn)SENS 模塊的使用性能不會受到低壓電網(wǎng)建設(shè)規(guī)模的影響。同時，SENS 模塊可以對at 超過30%的用戶竊電行為做有效檢測。在10%～90%范圍內(nèi)，對f 值進(jìn)行調(diào)整，同時就at 設(shè)置成50%，以此分析發(fā)生竊電行為的用戶數(shù)量對于SENS 模塊運(yùn)行產(chǎn)生的影響。在試驗(yàn)中，節(jié)點(diǎn)數(shù)N 在30～210 范圍內(nèi)進(jìn)行隨機(jī)選擇，時間步長設(shè)置成30。針對N 的每個數(shù)值，進(jìn)行5 個隨機(jī)低壓配電網(wǎng)的模擬作業(yè)，將其整理為圖1B 內(nèi)容。可以發(fā)現(xiàn)，在試驗(yàn)期間，ΔWSENS 一直保持在72%以上，可以證明SENS 模塊的工作性能并不會受到發(fā)生竊電行為用戶數(shù)量的影響，網(wǎng)絡(luò)節(jié)點(diǎn)數(shù)量也不會成為嚴(yán)重的干擾源，針對SENS 模塊準(zhǔn)確性做量化試驗(yàn)，以此分析SENS 模塊的使用性能。將試驗(yàn)節(jié)點(diǎn)N 控制在30～210 范圍內(nèi)，并將時間步長設(shè)置為30[4]。同樣，針對N 的每個數(shù)值，進(jìn)行5 個隨機(jī)低壓配電網(wǎng)的模擬作業(yè)，將試驗(yàn)獲得的理論自敏感度數(shù)值與計算自敏感度數(shù)值的最大相對誤差整理為圖1C。可以發(fā)現(xiàn)，即便是數(shù)量超過150 個節(jié)點(diǎn)的低壓配電網(wǎng)，自敏感度數(shù)值與計算自敏感度數(shù)值之間的最大誤差仍處于較低水平。對于電壓測量噪聲，即信噪比產(chǎn)生的影響，整理為圖1D。可以發(fā)現(xiàn)，在不斷提升電壓噪聲時，SENS 模塊的工作性能正在逐步降低。可以認(rèn)為信噪比在超過40dB 時，提升計算靈敏度的測量次數(shù)，則可以將最大相對自靈敏度誤差控制在10%以內(nèi)。

圖1 SENS 模塊的仿真結(jié)果

2.2.3 仿真分析

對于竊電用戶的比率f，設(shè)置為50%，對于竊電用戶的竊電行為開始時間Tstart，則設(shè)定為隨機(jī)模式，對于差值ΔWSENS 進(jìn)行計算，整理為圖1A。

2.3 NTL 集成檢測系統(tǒng)

針對集成SVM 模塊與SENS 模塊的NTL 集成檢測系統(tǒng)，可以進(jìn)行相應(yīng)的性能指標(biāo)測試。采用50%的實(shí)驗(yàn)竊電數(shù)據(jù)與50%的實(shí)驗(yàn)正常用電數(shù)據(jù)，前者由隨機(jī)參數(shù)在低壓配電網(wǎng)運(yùn)行條件下模擬生成，后者整合地區(qū)用戶用電數(shù)據(jù)，數(shù)量為500 個，選擇數(shù)據(jù)模式為隨機(jī)選擇。在低壓配電網(wǎng)非技術(shù)線損檢測ACC（Accuracy，準(zhǔn)確率）方面，NTL 集成化檢測系統(tǒng)為99.4%，SVM 為91.2%，SENS 為99.4%。在AUC（Area Under Curve，曲線下面積）方面，NTL 集成化檢測系統(tǒng)為99.9%，SVM 為93.7%，SENS為99.9%。通過以上數(shù)據(jù)，可以證明本文設(shè)計的NTL 集成化檢測系統(tǒng)在使用性能方面比SVM 強(qiáng)，和SENS 相似，可以證明NTL 集成化檢測系統(tǒng)的使用優(yōu)異性[5]。

3 NTL 集成化檢測系統(tǒng)應(yīng)用討論

將本文設(shè)計的NTL 集成化檢測系統(tǒng)和常見的低壓配電網(wǎng)非技術(shù)線損檢測方法進(jìn)行對比。在檢測延遲方面，NTL 集成化檢測系統(tǒng)為數(shù)小時～數(shù)個月，SVM 為數(shù)月，SENS 為數(shù)小時；在新竊電行為的適應(yīng)能力方面，NTL 集成化檢測系統(tǒng)表現(xiàn)為中，SVM 表現(xiàn)為低，SENS 表現(xiàn)為高；在建設(shè)成本方面，NTL 集成化檢測系統(tǒng)為中等投入，SVM 為低等投入，SENS 為中等投入在可伸縮性能方面，NTL 集成化檢測系統(tǒng)為中等水平，SVM 為高等水平，SENS 為中等水平。在這幾種偏主觀的評價指標(biāo)中，可以發(fā)現(xiàn)NTL 集成化檢測系統(tǒng)的整體表現(xiàn)效果要比SVM與SENS 更好。因?yàn)镾ENS 模塊在檢測延遲、新竊電行為適應(yīng)性能方面表現(xiàn)良好；對于運(yùn)行成本方面，其涉及設(shè)備的基礎(chǔ)安裝成本，以及后續(xù)的運(yùn)營維護(hù)成本。考慮到智能電表是低壓配電網(wǎng)的常規(guī)儀器設(shè)備，擁有較高的普及率，基本可以忽略這方面的成本。對于變壓器低壓側(cè)的即時有功、無功測量，可能需要一定的運(yùn)行成本；而SVM 模塊可以實(shí)現(xiàn)批量化處理上千個用戶數(shù)據(jù)，讓NTL 集成化檢測系統(tǒng)擁有較為靈活的可伸縮性能。

4 結(jié)語

在開展低壓配電網(wǎng)非技術(shù)線損檢測時，需要先分析低壓配電網(wǎng)非技術(shù)線損當(dāng)前情況，結(jié)合本文理論內(nèi)容，設(shè)計一套匹配低壓配電網(wǎng)運(yùn)行需求的非技術(shù)線損檢測方案。在方案執(zhí)行過程中，需要根據(jù)一線工作人員實(shí)際工作反饋情況，對方案細(xì)節(jié)內(nèi)容做合理優(yōu)化，確保非技術(shù)線損資源得到更合理的應(yīng)用，提升低壓配電網(wǎng)的運(yùn)行穩(wěn)定性，助力地區(qū)經(jīng)濟(jì)的可持續(xù)運(yùn)行。