付 青，匡文凯，薛 阳，杨艺宁，苏 盛

（1.长沙理工大学电气与信息工程学院，长沙 410114；2.中国电力科学研究院有限公司，北京 100192）

近年来，持续的降电价对供电企业经营效益造成重大冲击[1-2]，同时不法分子为了谋取利益，采用各种手段窃取电能[3-4]。窃电是供电企业非技术线损的主要来源，直接造成企业利润流失。控制电网企业的非技术性损失是供电企业降低经济损耗、提高经营收益的重要手段[5-6]。

现有的针对用电用户窃电行为的检测方法主要有两种：第一类从负荷本身出发，利用过滤式算法、主成分分析法等机器学习方法提取用户行为特征指标，或直接从用户用电行为特征如电压、电流不平衡度、电流相关系数和日用电量离散系数等中选取指标，然后利用上述指标构建窃电用户辨识模型，实现对窃电用户检测的识别[7-8]；第二类从行业用电规律出发，若用户的用电规律与行业用电规律不符，则将此类用户列为疑似窃电对象[9]。本文结合上述两种方法，首先选取某一特定行业，然后利用该行业用户用电负荷曲线分析行业特征，提取该行业用户特征指标，再构建窃电识别模型识别异常用户。由于特征指标项根据行业特性提取，该方法可有效提高窃电检测准确率、降低误报率。

公共照明代表了一大类用电负荷。据统计，目前照明用电占全球发电量的3.19%[10]。电网企业供带的负荷中，路灯是一种极为特殊的负荷，它不单是道路交通运输的视觉保证，也还是城市道路美化，协调环境的重要组成部分[11]。……