王晓博

摘要：当前，我国用电量俱增，随着而来的窃电行为也日趋增加，为有效缓解因智能窃电造成的经济损失和社会危害、维护电力市场的秩序，加强对于用电检查反窃电技术的分析尤为重要。电网在输送和分配电能过程中的损耗可分为技术损失（technicalloss，TL）和非技术损失（non-technicalloss，NTL）两大类。技术损失主要为电网中变压器和输电线路等组件的内部电阻引起的功率损耗，其值受电网结构和运行方式影响。非技术损失是指由于计量设备故障、用户恶意的窃电行为以及账单错误导致的经济损失，其中用户的恶意窃电行为是NTL的主要原因，對电网公司的利益造成很大的损害。据美国某公司的一项调查显示，全世界每年因窃电引起的损失超过893亿美元;根据世界银行的数据，窃电导致了印度超过25%的电力供应损失，在巴西、中国、美国及澳大利亚，这一比例分别为16%、6%、6%及5%。本文主要对加强用电检查反窃电工作进行分析，详情如下。

关键词：用电检查;反窃电;工作

引言

用户的窃电行为是非技术性电能损失的主要原因，并且影响配电系统的运行安全性。随着电力需求的不断增长，窃电检测已成为保障供电公司效益的重要措施。供电公司检测窃电的主要方法是现场检查用户电表，该方法效率低，耗费人力物力，检查范围有限，因此抓获的窃电案数目非常少。

1常见窃电方法

由于不同用户的电表种类及安装方式不同，常见的窃电方法也有所不同。低压用户的计量设备多为单相智能电表（SM），其窃电方法主要以绕越电能表或私自接线为主，中压用户多为三相电表，电压电流互感器接线较为复杂，因此破坏或者更换互感器的窃电方法也较为常见。在计量设备的发展过程中，常见的窃电方法也不断更新，一些传统窃电方法（如侵入式破坏计量设备）随着电表的升级而逐渐不再具有可操作性，而一些新型窃电方法的出现则为反窃电工作带来新的挑战。

2加强用电检查反窃电工作的方法

2.1用户侧窃电检测技术需要提高数据处理能力

首先是评估并划分不同区域的窃电嫌疑度，采用递进式的窃电检测策略，首先对高窃电风险的供电区域进行检测，再依次对较低窃电风险的区域进行检测，从而减小类型数量不平衡对窃电检测的影响。其次是在保证窃电用户检测准确率的基础上，关注实际窃电排查的排查成本与追补电费等，制定以经济性为优化目标的窃电排查策略，提高电网公司的窃电排查灵活性。

2.2K值法的应用

使用k值法构建线损异常分析模型，明确异常用电用户，通过排查异常电流、电压、功率因数曲线等数据，以及排查突变数据点、特征数据等排查疑似窃电户。组织外围调查，会同电力执法部门制定周密的反窃电行动方案，大力打击窃电行为，为企业降低损失。

2.3终端用户异常用电模式检测模型参数的确定

在数据预处理后的数据样本中随机抽取70%作为训练集，30%作为测试集，并且训练集与测试集中正负样本的比例均为1∶1。基于XGBoost算法的异常用电模式检测模型包含多种参数，如学习率、树的最大深度、迭代次数、样本采样比、样本属性采样比及正则化项权重比等，其中迭代次数、树的最大深度和学习率3个参数直接影响模型的准确率，因此需要调节参数以达到模型的最优效果。为了确定检测模型的最佳学习率及迭代次数，分别令学习率为0.1、0.3、0.5、0.8和1.0，并基于训练集得到各自的准确率曲线，学习率为0.5时，模型的准确率最高，因此确定学习率取值范围为0.1～0.5。根据学习率为0.1、0.3和0.5的曲线可以得到，迭代次数为48时的准确率效果较好，且曲线相对稳定，考虑到训练时间与迭代次数的近似正比关系，将模型的迭代次数设定为48。XGBoost算法在迭代每一棵树的过程中，树的最大深度是防止模型过拟合的重要参数，树的最大深度较大时会使模型更为复杂，并容易导致过拟合，延长训练时间。为了减轻调参的工作量，采用网格搜索法确定树的最大深度和其他参数的最佳值。依据训练结果得知，树的最大深度为5、样本的采样比为0.9、样本属性的采样比为1.0、正则化项权重比为5，其余参数值选择默认时，模型表现出更优的综合性能。

2.4完善电力营销数据的分析应用能力

在电力营销中，电力营销数据主要是由营销、财务等相关系统模板而产生，这些数据的传输与共享会直接影响电力系统的实际运行。想要从根本上保证电力营销数据的及时性，就要从电力系统数据分析中心平台出发，对电力营销数据库优化，保证其能够达到实际应用需求，方便资源信息的传输与共享，在大量数据中挖掘有价值的数据，提高电力营销管理信息的利用能力等。为了在实际工作中落实电力营销措施，在电力营销工作开展之前，管理人员必须做好市场调查工作，以电力营销市场需求为重点，对电力营销数据进行深入分析总结评估。在电力营销工作中结合智能分析与管理模块的性能，发挥智能经营管理平台的最大应用价值，能够有效地提高工作效率。

2.5通过分析用电数据进行用电行为比对

电力企业可以完善数据收集和记录工作，将用户最近一段时间的用电数据保存，然后与以往数据信息进行对比，以此为参照，计算用户最近时间的平均用电量。同时，为了提升计算结果的可信度，还需要计算概率和平均用电与标准间的差异大小，然后依靠正态分布表示负荷变动规律，最后用评价函数计算分析用户这段时间内的用电量变动状况。通过采取上述科学、客观的数据分析方法，提升窃电行为判定结果的准确性。另外，在分析认定窃电行为时，需要综合考虑各方面因素，例如，天气原因，夏天天气炎热，用户频繁使用空调、风扇等，电量自然会较其他时节更高，这些因素需要监管者在判定时灵活思考。

2.6规范技术流程，制定技术应用标准

任何行业中都需要得到有效监督，古语说“无规矩不成方圆”，这适用于各行业。对于电力行业而言，在实际开展反窃电检查中，缺乏有效的技术规范、技术标准进行约束，会对最终的质量造成严重影响，因此，应用电力营销大数据提升反窃电检查质量需要完善、有效、规范的技术流程作为参考。在制定技术流程规范和标准时，需要从技术可行性、代表性的角度进行分析。需要企业结合实际情况由主管部门进行编制，参考实际过程中的各项问题，制定各项制度。同时，在企业不具备综合数据分析的前提时，技术结果应按照百分占比的情况进行制定，从而使得数据信息价值的发挥更充分，从而减少因违规作业、缺乏综合评估，造成的分析结果不客观、分析结果错误的现象。

结语

电力企业必须要认识到电力管理工作的重要性，科学利用各项技术，加大力度进行反窃电管理模式的创新，提升管理水平，为用户提供更加优质的电力服务，增强用户对于电力企业的信任程度，这能够在带给电力企业更多经济效益的同时，增强电力企业的社会影响力，使其获得更加长远的发展。

参考文献：

[1]樊嵘，孟大志，徐大舜.统计相关性分析方法研究进展[J].数学建模及其应用，2014，3（1）：1-12.

[2]蒋礼青，张明新，郑金龙，等.快速搜索与发现密度峰值聚类算法的优化研究[J].计算机应用研究，2016，33（11）：3251-3254.

[3]姜芬，王强，况贞戎.电力营销大数据在反窃电检查中的应用浅析[J].低碳世界，2019，9（12）：108-109.

[4]夏泽举，金耀，常乐，等.浅论反窃电检查中电力营销大数据的应用[J].电子世界，2020（5）：48-49.