国网寿光市供电公司山东潍坊262700
摘要：随着电网的发展以及用电量的迅速增长，随之而来的窃电行为的数量以及窃电量也在迅速地增加，尤其是一些电力大客户，为实现自身的利益严重影响了电力企业的经济效益。但就目前而言，反窃电仍主要以人工稽查为主要手段，存在着稽查工作量大、取证困难等问题。而电力企业应用大客户用电数据可以很好地对电力大客户的窃电行为进行分析，根据用电异常值可以获取电力点用户的窃电证据，从而实现反窃电。本文正是以此为研究内容，从反窃电的现状出发，分析了基于大数据的反窃电方法，并通过案例分析验证了基于大数据的电力大客户反窃电方法的可行性。
关键词：大数据；电力大客户；窃电；分析
一、引言
电能的出现改变了人们的生活和生产方式，促进了社会的进步和发展，但随着用户电能使用量的增加，尤其是对于一些电力大客户，每个月都有着大额的电费支出。因此一些电力大客户为减少电费支出而采取了窃电行为，窃电行为的存在造成了电力企业大量的电能流失，电力企业的经济效益也受到了严重的影响。但就目前的反窃电技术和手段而言，很难找出有利的证据证实电力大客户的窃电行为，因而电力企业的电能流失现象越来越严重。
随着大数据技术的发展，电力大客户的用电数据都被记录在电力企业的生产经营资料之中，通过大数据的利用，优化模型的建立可以找出电力大客户用电过程中的异常，从而为反窃电提供有利的证据，最终使得电力企业的经济效益得到保障。
二、反窃电现状
对于一些电力大客户而言，随着用电量的迅速增加，电力大客户为减少电能计量、降低缴纳电费的金额经常采用欠压法、扩差法以及欠流法等手段进行电能盗窃，这给电力企业带来巨大经济损失的同时还严重影响了电网的稳定性，甚至会引发安全事故。针对这样的现状，电力企业也开展了一系列的反窃电行为。通常来说，电力企业的反窃电手段主要有以下两种：
（1）技术手段。该手段主要是借助一些仪表设备来实现反窃电。通常来说，在反窃电的过程中借助新型反窃电计量柜记录电网中的失流、电流不平衡、逆相序以及失压等事件来判断是否存在窃电行为，但这样的反窃电手段需要对不同用户的计量装置进行改装或升级。一方面来说，需要消耗大量的物力、财力；另一方面来说，凭借现有的技术手段，全面的反窃电也是难以实现的。
（2）管理手段。该手段是指将工作考核与防窃电相结合，通过反窃电奖惩制度的应用来调动工作人员的反窃电积极性。但是对于电力大客户，一般的工作人员很难及时取证，往往会因内部的层层上报而耽误了反窃电取证的关键时间。此外，由于巡查量巨大，因此不仅会浪费大量的时间，在巡查前期通常也容易引起电力大客户的警惕。
通过分析我们可以发现，现阶段的反窃电技术不仅耗时耗力，而且反窃电的深度还远远不够，因此有必要借助大数据对电力大客户进行反窃电检查。
三、基于大数据的反窃电方法
通过对电力企业的用电大数据进行分析发现，无论电力用户改变电流、电压还是改变电能表或接点线的结构都会引起用电大数据出现异常变化或者大幅波动。通过对大数据的分析可以筛选窃电行为，从而帮助电力企业缩小或直接选定窃电用户，并找出窃电的起止时间甚至是窃电量，进而保障电力企业的利益。基于此理论，下文将对基于大数据的电力大客户窃电行为进行分析。
就目前而言，开展基于大数据的电力大客户反窃电行动首先是要从电力企业的用户大数据中找出窃电客户的档案信息，借助二阶类聚分析窃电电力大客户的主要特征，从而逐渐缩小窃电客户的目标范围；其次，在目标范围缩小的过程中根据电力企业采集的用电数据，利用深度学习分类算法以及决策树分类算法对窃电对象进行选定，从而为后续锁定窃电用户提供支撑；最后，通过异常值检测的方式对窃电的电力大客户进行窃电警示，在警示发出的同时开始对窃电的电力大客户进行异常用电时间和异常用电量的记录，为最终的窃电电力大客户锁定提供有力依据。
在实际检验完成之后，智能反窃电的流程可以概括为以下四步：
（1）在电力企业智能反窃电检测与分析系统中加入基于大数据反窃电功能模块，并在该功能模块中导入反窃电的大数据分析模型；提取窃电电力大客户的用电特征并对其进行分析，进行疑似窃电电力大客户锁定以及窃电行为记录。
（2）将模型分析结果转化为电子文件和纸质文件，下发到电力大客户的具体归管部门，动态指派有关工作人员领取相应的窃电侦察任务。
（3）电力企业的工作人员在公安稽查人员的协同下前往电力大客户用电处进行稽查证实，结合疑似窃电记录，通过现场侦察以及辅助判断最终确定电力大客户是否存在窃电行为。
（4）工作人员将现场处理信息以及现场审核结果上传至电力企业的智能反窃电检测与分析系统中。系统中的分析模型将根据上传的处理信息和审核结果进行自我学习和完善，从而逐渐的优化反窃电分析模型。
借助上述半自动化反窃电方式，可以大幅度减少电力企业的工作量，并且实现反窃电范围的全覆盖。更为重要的是该反窃电方式可以实现自我学习和优化，反窃电的深度和准确性将逐渐提高，电力企业的利益也将得到更好的保障。
四、案例分析
某区域的电力公司共有987万电力用户，承担着上千万只电能计量表的运行维护工作，其中电力大客户约有4.6万户。本文以这4.6万电力大客户为案例目标范围展开分析，其中在2017年6-8月份中有疑似窃电行为的电力大客户有110户，这110户作为此次疑似窃电分析目标。
1.窃电用户特征分析
对于这110户疑似窃电的电力大客户，需要对其建立类别目录，此时可以借助二阶类聚法完成电力大客户的分类和各类别特征分析。这些电力大客户主要包含以下类别：采矿业类、建筑业类、制造业类以及交通运输业类，根据这些电力大客户的信用等级、重要客户标识以及电压等级等特征排除掉39户不具代表性的窃电电力大客户，接下的工作中只需对剩余71户进行分析和锁定。
2.疑似窃电电力大客户锁定
通过深度学习和决策树建立电力大客户窃电预测模型，判断电力大客户在选定日期内的风险得分，通过之前的分类可以针对不同的目标群体制定不同的应对策略。通过深度学习分类算法以及决策数分类算法可以逐步缩小目标范围，并在对目标进行反复确认后再进行锁定，从而在一定程度上提高了反窃电行为的针对性和准确性。
3.疑似窃电用户取证
通过分析电力大客户的用电负荷曲线和用电量曲线，借助箱线图法找出异常值和离群值，然后进行电力大客户异常用电时间和异常用电量的分析、记录。通过实时的分析以及对电力大客户不同时期内用电量的横纵比较可以从箱线图中找出用电异常。工作人员携带窃电分析结果作为稽查证据，并辅以电力设备进行检查，从而实现反窃电的高效管理。
在本次的反窃电稽查中，最终锁定的电力大客户大部分都存在不同程度的窃电行为，验证了基于大数据的电力大客户反窃电技术的可行性和可靠性。
五、结束语
随着电力大客户用电量的迅速增加，其窃电技术和手段也越来越高超，传统的反窃电技术已很难取得有效成果，基于这样的现状，电力企业只有采用新式的反窃电技术才能保障自身的利益。本文分析了基于大数据的电力大客户反窃电技术，并借助具体案例验证了其可行性。本文提出了基于大数据的反窃电技术的具体方法，对提高反窃电稽查的深度和广度以及反窃电稽查的效率都有着一定的帮助，希望本文的分析和研究对电力企业的反窃电工作有一定的帮助。
参考文献：
[1]刘鸣.用户端多能源并入反窃电技术的研究[D].广州:华南理工大学,2013.
[2]曹峥.反窃电系统的研究与应用[D].上海:上海交通大学,2011.
[3]刘酮鹏,俞海峰,邵洪涛,等.反窃电实时报警管理系统研究及应用[J].安徽电气工程职业技术学院学报,2011,16(S)14-17.
[4]苏棍.保定市区配电网反窃电技术研究与应用[D].保定:华北电力大学，2012.
[5]戚栋,王宁会,黄耀,等.防窃电智能检测系统的研制[J].电测与仪表,2002,39(10):21-23.