防窃电预警分析应用实施

张耀，赵猛，张琛馨，杨青

（1.国网天津市电力公司信息通信公司，天津，300010；2.中国网络信通有限公司，天津，300010）

0　引言

长期以来，一些单位特别是私营企业，将盗窃电能作为获利手段，采取各种方法不计或者少计电量，以达到不交或者少交电费的目的，造成国家电能大量流失，损失惊人。这严重损 害了供电企业的合法权益，扰乱了正常的供用电秩序，严重影响了电力事业的发展，而且给 安全用电带来严重威胁。但随着窃电技术智能化的不断升级，窃电主体由原来的居民用户向企业、由生活向经营、由供电企业外部到内部相勾结的发展，甚至还出现了一批专门研究电 能计量装置的“能人”，使得窃电现象依然得不到有效遏制。

1　功能设计

1.1　采集终端和电能表事件筛选

对于采集终端和电能表生成的事件进行无效事件筛选与过滤。

（1）同1条事件重复上报，事件内容包括时间均完全相同，只按第1条进行主站智能诊断，其余事件不参与主站智能诊断。

（2）剔除内容不符合通信协议格式要求的事件，包括数据乱码及应填数据为空的情况。

（3）剔除内容明显有误的事件，包括事件时间早于设备安装时间及事件时间晚于当前时间的情况。

1.2　采集终端和电能表采集数据筛选

对于采集终端和电能表上报的用电数据进行异常数据过滤筛选。

（1）正/反向有功总功率乘倍率的数值大于用户合同容量的K倍，属于异常数据。

（2）日冻结正/反向电能示值计算得到的电量，大于用户日最大用电量（合同容量×24h）的K倍，属于异常数据。

（3）月冻结正/反向电能示值计算得到的电量，大于用户月最大用电量（合同容量×24h×30天）的K倍，属于异常数据。

（4）日/月冻结最大需量乘倍率的数值大于用户合同容量的K倍，属于异常数据。

（5）二次侧电压值大于二次侧额定电压值的K倍，属于异常数据。

以上K值可结合业务支持灵活配置。

1.3　单一异常分析

基于采集终端事件和用电数据基础上，建立异常分析模型进行异常分析。主要涉及的异常包括失压断相分析、电量差动分析、电量波动分析、功率差动分析、电能表停走分析、电能表开盖或计量门开闭分析、CT回路异常分析、电流失流、恒定磁场干扰、线损分析等智能诊断分析模型。

失压断相分析：失压断相分析主要针对高压用户的采集终端或者电能表上报的电压断相事件、电压曲线信息对失压断相行为进行分析、判断，统计分析终端电压值、断相比例、异常时间、异常持续时间等信息。

电量差动分析：利用采集到的电量数据，按照一定的差动时间间隔（天）与不同的电量差动模型对差动进行分析，即二个不同回路的电量有较大偏差，分析计量回路和比对回路（如交采回路）同时段的电量差值，如果电量差值超设定的阈值，进而判断用户是否有窃电嫌疑。

电量波动分析：将用户的用电时间以天为维度分为普通日和特殊日（节假日、停电检查日、用户休息日等），分别总结用户用电规律，并将用户本月用电量与用户上月或去年的用电量进行比对，然后评估用户每月用电量的波动情况。当波动大于设定的阈值时，认为该用户有窃电的可能性，并根据波动程度计算窃电可能性的大小。

功率差动分析：高压用户按照一定的差动时间间隔（小时或天），使用不同的负荷差动模型对差动进行分析。根据终端负荷、电能表总负荷以及差动模型获得总负荷差值、负荷差动率、负荷差动阀值信息，判断是否达标。当波动大于设定的阈值时，认为该用户有窃电的可能性，并根据波动程度计算窃电可能性的大小。

电能表停走分析：针对高压用户的电量数据、电流数据，判断高压用户是否存在用户用电的情况下，但电能表出现停止走字现象，表现为电能量曲线中某时点电能量为0，且对应时点的任意相电流大于0.1A。以上异常现象在单日数据中出现连续3个时点且累计出现超出12次，则该用户存在窃电嫌疑。

电能表开盖或计量门开闭分析：通过采集系统获取电能表状态字，判断：电能表开盖时间与电能表安装时间差值大于时间阈值。排除正常电能表开盖，例如初次安装、检定和正常工单的情况；排除开盖时间逻辑错误的情况，则产生异常。

电流失流：电流不平衡分析主要根据高压用户的电流曲线进行分析，统计并判断用户是否出现电流失流或者电流不平衡度超限情况

恒定磁场干扰：通过分析现场采集终端上报的磁场异常事件，分析用户是否出现磁场干扰异常。

线损分析：使用线路线损及台区线损数据，辅助开展窃电嫌疑用户分析。通过将线损异常（超出阈值）期间的用户电量与线损正常期间的用户电量进行比对，发现并统计线损异常区域中的电量突减用户。

电能表分流分析：针对在电表内部或外部采用并联小电阻将火线电流分流，而使进入计量元件的电流变小从而达到窃电的现象。通过采集电表内检测的火线电流（L）值和零线电流（N）出现差异，分析客户是否存在窃电行为（考虑电能表本身采集元件有异常，建议收集L值小于N值50%的进行统计分析）。

1.4　防窃电综合分析

用电信息采集系统中的各类异常事件和窃电行为以及窃电行为的种类存在关联关系，基于防窃电单一异常分析结果，结合各类异常分析模型的权值、不同模型间关联关系以及关联分析算法进行综合判断及分析，挖掘疑似窃电用户。

2　场景技术实现

2.1　功能设计

（1）全市防窃电预警分析应用实施结果总览

全市疑似窃电用户分布情况展现用于展示某个时间段内全市下各单位疑似窃电用户分布情况（包含重要关注用户数量、异常用户数量、持续关注用户数量），不同的疑似窃电用户数量级用不同的颜色进行标注；全市异常信息统计结果展现用于展示某个时间段内全市下各单位不同异常等级的异常数量、不同异常类型的异常数量。且异常明细情况都支持EXCEL文件导出。

（2）区县防窃电预警分析应用实施结果展示

区县疑似窃电用户分布情况用于展示该区县不同异常类型的异常数量，区县异常信息统计结果展现用于展示该区县所有疑似窃电用户基本信息，且异常明细情况都支持EXCEL文件导出。

2.2　数据模型设计

图1　数据模型图

3　结语

随着我国社会和经济的快速发展，我国电力系统的规模也在不断扩大，针对传统的防窃电方法在使用中存在的弊端，本文主要介绍了采用大数据挖掘和数据关联技术，从而降低窃电行为的发生概率，保证电力企业效益不受损失。