蔡嘉荣，王顺意，吴广财

（广东电网有限责任公司，广东广州，510080）

1 绪论

1.1 背景与意义

2014年，南方某县级供电公司统计该地区非正常技术损耗电量5163万度。其中，居民和农村地区理论上被盗窃电量达4290万度，占理论总被盗窃电量的83%，按居民用电0.61元/度计算，损失电费超2600万元。由此可见，每年因窃电对国家资产造成了巨大损失。

目前供电企业反窃电工作主要存在查证难、取证难、定量难的问题，用检人员在查证上往往无从入手。一方面电力营销中总供电量和总售电量之差称为线损，往往与用户窃电很容易混杂，另一方面窃电用户越加狡猾，窃电手法更加隐蔽，不再局限于传统的改接线路等方法，同时普通用检人员由于理论与实践上的约束，增加了反窃电管理难度。

1.2 本文主要工作

本文主要通过选取历史用户用电行为数据（包括窃电数据实例），运用机器学习算法对用户窃电行为进行有监督学习，形成用户窃电分类模型，同时使用当年用电检查实际数据对模型进行检验，分析模型识别准确率，为实际用检工作提供参考。

2 用户窃电检查现状分析

为了维护正常供用电秩序和公共安全，保护供用电双方的合法权益，供电企业按照《电力供应与使用条例》等法规履行用电检查职责，其中周期检查和专项检查是供电企业用电检查的两大手段，供电企业应在每年第四季度编制出下一年度周期检查计划，在每月末要及时编制下月周期检查计划。对于0.4千伏及以下的居民客户每年按不低于1%的比例进行抽查，其他客户每年按不低于5%的比例进行抽查。……