樊丽霞

【摘  要】如今窃电行为日益猖獗，窃电手段不断增多，范围不断扩大，既扰乱了正常的供电秩序，又影响了供电和电力用户的安全。因此用电检查人员需要不断提高用防窃电的督察和防窃电意识和技术水平，采用先进的技术手段防范窃电行为。目前用电信息采集系统已基本实现了全覆盖、全采集的目标。在不断进行深化应用的同时，也正在逐步拓展更多的功能应用。因此通过挖掘智能电表和用电信息采集系统信息和数据，通过对各电力用户用电的实时功率、电压、电流、相角、事件记录等和历史数据进行大数据分析，推算出有窃电嫌疑的用户，分析出嫌疑用户的窃电方法、窃电规律和窃电时段，以便用电稽查人员现场突击检查，及时准确地查处和制止窃电行为，使防窃电工作更加有效、实时、精准可靠，从根本上提升防窃电的工作效率。

【关键词】用电信息采集系统;大数据;反窃电;结构化模型

1 常见的窃电类型及预防措施

常见的窃电方法主要分为以下几种：1）改变配电网结构或直接从表前供电线路接线取电。对于该类窃电方式可通过在外露电缆套装电缆套管、钢管或采用钢铠甲电缆解决。2）改变电表采样电路结构，断开电压连片，还有对表内电压、电流采样回路进行分压分流，使得电能表处于欠压、欠流、被移相等方式下少计电量。防范这类窃电方式的最直接的方法就是将安装电能表的计量箱，安装防撬锁具，使用户无法接触到电能表。当然也可采用防窃电传感器，当计量箱门被打开时防窃电传感器会自动将开门信息发给相关工作人员进行现场处理。3）更改测量机构扩大电能表误差进行窃电。防止该种窃电方式的方法与上相同，也是将计量箱安装可靠的锁具，或采用防窃电传感器，当计量箱门被打开时自动发信息给工作人员进行现场处理。4）采用强干扰源扰乱电能表正常计量。该方法采用强磁场对电能表进行干扰，使得电能表的计量计算、存储出现混乱或暂停工作的现象，该种方法灵活机动，难以发现。以上的几种常见的窃电方式，除第一种表前接电方式外，其余均要打开计量表箱并打开电能表盖才能完成，所以当前最主要的防窃电手段就是如何防止窃电分子打开计量箱门、打开电能表。但这些解决措施针对性不强，属于事后稽查。往往在稽查人员尚未到达现场之前，窃电人员已破坏窃电现场。因此，防窃电不仅要针对以上窃电方式采取对应的防窃电手段，更需要运用高科技方法提高防窃电的实时性、可靠性和准确性。利用用电信息采集系统对用户的用电信息进行监控，对异常信息进行分析统计，准确有效地发现窃电行为，实现从原来的撒网式反窃电到精准定位打击的转变。

2基于用电信息采集大数据防窃电方法

尽管窃电手法多种多样，然而这些窃电行为都会在窃电用户用电量统计数据上反映出来，特定时期内用户用电统计数据与用户的用电习惯与特征相关联，通过对海量的用电统计数据分析，提取出对决策者决策有价值的信息，可发现其背后隐藏的客观规律，进而实现防窃电目的。基于用电信息采集系统大数据的防窃电方法如图 1 所示。该方法分为四部分：（1）用电信息采集系统的数据采集;（2）分布式数据存储;（3）结构化的防窃电模型;（4）窃电嫌疑预测。以下将分别进行分析。

2.1 用電信息采集系统的数据

采集用电信息采集系统表示为三层简化物理结构。顶层系统主站负责整个系统的用电信息采集、数据管理与应用，以及与其他系统的数据交换等功能，是用电信息采集系统的核心计算机网络系统;第二层是数据采集层，其主体为电能信息采集终端与集中器，主要负责对各采集点电参量信息的采集和监控;第三层是采集点监控设备层，包括智能电能表等，是电参量信息采集源和监控对象。通过用电信息采集系统可以实现对电力用户的“全采集、全覆盖”，及时、完整、准确掌控电力用户的当前数据和历史数据等用电信息，为分析窃电行为提供稳固的数据基础。用电信息采集系统的主站，根据监测用户的电参量数据和用电异常监测模型，对相同的计量点通过不同方式采集的电参量数据进行比对，或者对同一计量点的实时数据与历史电参量数据进行比对，依据对比曲线数值差距和趋势差异，判断用户用电是否正常，如果发现异常，启动异常处理流程，对此用户其他的参数进行持续监测，并根据窃电嫌疑预测模型，将监测的数据进行综合分析判断给出“窃电概率系数”。

2.2用电信息采集系统的数据类型

用电信息采集系统监测的数据按照时间属性可分为 l 类数据（实时和当前数据）、2 类数据（历史日数据和历史月数据）和 3 类数据（事件数据）。按照数据的物理属性可分为：（1）电能数据（总电能量、各费率电能量、最大需量等）;（2）交流模拟量（电压、电流、有功功率、无功功率、功率因数等）;（3）工况数据（开关状态、终端及计量设备工况信息）;（4）电能质量越限统计数据（电压、功率因数、谐波等越限统计数据）;（5）事件记录数据（终端和电能表的事件记录数据）;（6）其他数据（预付费信息等）。1 类数据主要反映电力用户当前的实时用电信息;2 类数据具有时间序列属性。此类数据可提供曲线数据，并给出曲线时间周期，1、2 类数据是分析窃电现象的基础数据。3 类数据为事件数据，记录事件的详细状态信息。其中电流回路异常、电压回路异常、相序异常、有功总电能量差动越限事件记录、电压越限记录、电流越限记录、电能表示度下降、电能量超差等事件详细信息可为分析窃电提供综合判断依据。

2.3 分布式数据存储

目前，用电信息采集系统主机架构采用基于传统的 IOE 架构，采用 IBM 系列主机及配套存储与 Oracle关系数据库。但这种结构越来越不适合于海量数据的存储，因此为了适应海量采集数据的存储，可采用关系型数据库（Oracle）和 No SQL 数据库（HBase）相结合的存储方式，使用 Oracle 存储全部参量关系数据，而采用具有高可靠性、可伸缩性的海量数据分布式存储系统 HBase，保存系统的海量监测数据，经过数据处理后转存到 Oracle。采用 HBase 技术可搭建起大规模、结构化的存储集群，同时采用 Hadoop 的 MapRe-duce 技术，可对 HBase 分布式存储系统中的海量数据进行高效的计算和分析。通过上述方法解决使用 Ora-cle 数据库进行海量数据分析的性能问题。HDSF（Ha-doop Distributed Filesystem）是一个分布式文件系统，以流式数据访问模式来存储超大文件，从而实现一次写入、多次读写的最高效访问模式;并在普通的商用硬件上运行。

结束语

研究基于用户信息采集的智能反窃电监控技术，可以实现反窃电工作的高效化、智能化以及规范化，有效遏制窃电行为的发生，在一定程度上保障用电用户的合法权益，同时也保障电力企业的经济保障。此外，该平台的建立有助于维护国家电网的安全稳定的运作。当然，智能化反窃电工作中仍然存在弊端，结合实践进行不断的改进完善，以适应不断变化的经济社会需求。基于用户信息采集的智能反窃电监控系统需紧密结合现有电工标准体系，统筹电网与互联网建设以保证电网建设的规范有序推进。

参考文献：

[1] 王全兴，李思韬.基于采集系统的反窃电技术分析及防范措施[J].电测与仪表，2016，53（07）∶78-83.

[2] 栾文鹏，赵磊，王兵，等.智能电表数据分析元及示例[J].南方电网技术，2016，10（01）∶1-5.

（作者单位：国网阳泉供电公司）