随机森林算法在窃电类别辨识中的应用研究

国网上海市电力公司市北供电公司 张希鹏 齐 拯 刘 杰

上海交通大学 罗 津

随着智能电表等具备实时通讯的量测设备普及，电网公司累积了大量的用户用电数据。利用人工智能、大数据等技术通过对海量数据的深入挖掘，可以对窃电用户进行精准判别，有效降低窃电对电网公司收益等带来的损害。然而，当前研究主要针对用户是否窃电进行判断，缺乏对用户窃电类型的识别。基于此，本文提出了利用随机森林算法对用户窃电类别进行判断，针对窃电样本数据少且均衡性差的问题，采用基于少数类过采样技术进行样本扩充，提高样本的均衡性，进而提高窃电行为类别判断的准确性，为电网公司精准打击窃电用户提供技术支撑。

窃电行为的隐蔽性使得精准打击工作非常困难，传统依靠人工定时检查的方法不仅费时费力，还会由于部分窃电行为及设备的隐蔽性等使得人工定时检查难以发觉。窃电行为的发生，一方面造成了电网公司经济效益的损失，另一方面，可能会造成设备的损坏，甚至会引起供电可靠性的问题，更严重地可能造成短路进而引发火灾等。因此，针对窃电行为的精准打击，不仅具有重要的经济效益，还有更高的社会效益。

1 窃电行为识别标签

窃电行为识别不仅需关注用户用电量特征，其使用的窃电方法也是重要的数据特征。本文基于收集到的窃电方法，将其归类为：“表内接线或更换元件”、“进出线短路”、“绕越表计直接”、“表计打洞”、“伪造开启封印”、“一线一地”、“其它窃电行为”等。……