林佳能，程仲汉，林笔星

（国网信通亿力科技有限责任公司，福建福州 350003）

在电网建设中，用户窃电给电网的安全稳定运行带来了极大隐患，而且影响了电网的智能调度[1-2]。传统的窃电检测方法，一般是依赖于人工及硬件设备，检测时耗费的人力物力较大，而且检测的延时较大，不能实现实时快速的窃电检测[3-5]。

近些年，对窃电进行检测的研究越来越多，文献[6]提出了改进深度神经网络的窃电检测方法，窃电检测准确性得到了提升[6]。文献[7]提出了一种自适应二值分割检测算法，该算法采用一组测试方法对恶意用户进行定位[7]。文献[8]采用灰色关联分析的方法，判断了线路是否存在窃电情况[8]。文献[9]中，深度学习和支持向量机被用于决策线路是否存在窃电行为[9]。文献[10]提出了一种基于可观察性分析的网格传感器布局算法，以提高对异常和恶意行为的检测率[10]。文献[11]提出了基于分组测试的启发式检测(GTHI)算法，该算法通过收集检测过程中的恶意用户数量来估计恶意用户的在线率，GTHI 算法根据恶意用户的比例，自适应地调整个体检测策略和组检测策略之间的关系，缩短了检测时间，而且具有极高的检测准确度。

虽然对窃电的研究有了上述进展，但是窃电情况的检测效果还不能令人满意，获得更准确的检测效果是十分必要的。

1 窃电特征分析与窃电检测

1.1 窃电特征分析

窃电是指电能传输过程中线损异常[12]。功率如式（1）所示。

其中，U和I分别为有效电压和有效电流，cosφ是功率因数[13]。……