游文霞，申 坤，杨 楠，李清清，吴永华，李文武

（1. 三峡大学电气与新能源学院,湖北省宜昌市443002；2. 国网湖北省电力有限公司孝感供电公司,湖北省孝感市432000）

0 引言

电力系统在电能传输中存在能量损失,电力用户的窃电等欺骗性用电行为是原因之一［1］。窃电会造成大量经济损失,因此一直受到供电企业和研究者的关注。随着智能电表的不断普及,过去依靠破坏传统电表等窃电手段已转变为通过信息技术攻击智能电表,通过数据篡改等手段实现窃电［2］。传统人工筛查进行窃电检测效率低下,已无法满足窃电检测需求。充分利用海量数据对窃电用户进行筛查并开展窃电检测成为国内外研究的热点。

窃电检测主要有3 类方法：基于系统状态、基于博弈论和基于数据挖掘技术［3］。基于系统状态的方法通过比较智能电表数据与其他仪器测量数据是否一致［4-5］,从而识别是否发生窃电,但需要额外投资。基于博弈论的方法将窃电检测问题描述为窃电者与电力公司之间的博弈［6-7］,但参与者的效用函数以及策略不易确定。基于数据挖掘技术的方法则只需要通过挖掘数据中潜在的规律识别窃电［8-17］,目前已开展了广泛研究。

文献［10］提出基于误差反向传播（back propagation,BP）神经网络的反窃电方法,通过历史数据和当前数据构建评价模型,采用遗传算法加快收敛速度,并在国网某省公司提供的数据集上得到了验证。文献［11］结合决策树（decision tree,DT）与支持向量机（support vector machine,SVM）,将DT 的计算结果输入到SVM 中,从而判断用户属于窃电用户还是正常用户；……