孟 昊

（国网丹东市元宝区供电分公司，辽宁 丹东 118000）

0 引 言

人们的用电需求量大幅度增长，窃电现象逐渐出现[1]。窃电在广义角度上指的是通过改动短路计量装置，非法占用电能，达到不交或少交电费的目的[2]。现阶段窃电手段较为隐蔽，以高科技、间歇性的高频大功率无线窃电方式为主，不容易被察觉、隐蔽性较强[3]。为了解决间歇性窃电这一问题，部分学者逐渐提出了反间歇性窃电检测方法。传统的反间歇性窃电检测方法在实际反间歇性窃电监控与检测过程中仍然存在一定的缺陷[4]。

载波通信技术以载波方式高速传输模拟信号及数字信号，信号传输的时效性较高，能够改善传统反间歇性窃电检测方法的缺陷与不足[5]。基于此，本文在传统窃电检测方法的基础上引入载波通信技术，提出了基于载波通信技术的反间歇性窃电检测方法研究，解决非法占用电能的问题，为电力行业的高质量、高时效发展作出贡献。

1 反间歇性窃电检测方法研究

1.1 构建异常用电检测模型

构建电力负荷数据异常用电检测模型，采集并挖掘电力负荷数据，为后续的窃电检测提供基础数据支持。异常用电检测模型的构建步骤如图1 所示。

图1 异常用电检测模型的构建步骤

如图1 所示，本文分别从异常用电训练集、验证集以及测试集等3 个维度，通过建模、优化、评估的方式生成检测模型。利用数据挖掘方法，明确挖掘目标，初步挖掘出存在异常用电行为的用户。采用统计学的分析方法与工具，进行可视化处理。若电力负荷数据中存在缺失值，则需要对其进行预处理。

在数据缺失值预处理前，需要全面了解数值缺失的具体原因，进而根据数值缺失原因与实际情况采用直接删除、均值、插值处理方法。本文采用拉格朗日插值法，分别取出缺失值前后各5 个数值，组成一组，基于拉格朗日插值计算原理，计算得出电力负荷数据的填补值，计算公式为

式中：Ln(x)为新生成的不存在缺失值的电力负荷数据；li(x)为拉格朗日多项式；yi为电力负荷数据样本值。检测电力负荷数据离群点，判断数据是否存在偏离现象。若用户用电过程中存在异常，则在某特定时段内会导致部分正常用户用电负荷数据偏离正常值，对窃电检测结果造成干扰影响。因此，需要检测电力负荷数据离群点，并作出相应的处理。最后，根据电力负荷数据与用户用电内部的抽象关系，将电力负荷数据集划分为训练集、验证集以及测试集，最终生成高性能的异常用电检测模型，获取不同类型的异常用电数据集。

1.2 用电负荷数据特征降维

对获取到的异常用电负荷数据进行特征降维处理，将高维的数据向量组转化为低维的数据向量组，弱化用电负荷数据相互之间的关系，减少各组向量代表信息之间的重复度，更好地表征原始用户用电负荷数据信息。

设定用户用电负荷样本集用X={x1,x2,…,xm}表示，对样本集进行中心化处理，表达式为

基于拉格朗日乘子法原理，求取用电负荷数据特征值，并对特征值的大小进行排序。根据特征值大小排序结果，提取数据集的主成分与大部分信息。取用电负荷数据特征值对应的特征向量，共同构成用电负荷数据主成分分析解。在此基础上，通过利用主成分分析法，降低原始的用电负荷数据维数。

1.3 基于载波通信技术监控用电工况

利用载波通信技术实时监控用户的用电工况是否存在异常。本文利用载波通信技术设计的用电工况监控示意如图2 所示。

图2 基于载波通信技术的用电工况监控示意

如图2 所示，利用载波通信技术实现实时监控用电工况动态变化的目标。设定载波通信监控的技术参数如表1 所示。

表1 载波通信监控技术参数设置

按照表1 所示的技术参数，对载波通信监控装置进行设置。通过服务器与数据集中器的通信连接作用，实时监控并接收电表计量的各项数据。

1.4 反间歇性窃电检测

存在窃电行为的用户在用电用户中占据的比例较少，上述获取到的用电工况数据样本可能存在倾斜问题。在开展反间歇性窃电检测工作之前，对上述获取到的用电工况数据进行平衡化处理，使用电工况数据达到平衡。确定最优化的窃电检测参数结果，以分段选取特征重要度的方式，设定上述构建的异常用电检测模型学习率为0.1，进行反间歇性窃电重构特征的特征选择，获取不同窃电特征个数对应验证集与测试集的特征选择参数，如表2 所示。

表2 窃电重构特征的特征选择参数

如表2 所示，按照该参数，结合实际检测情况，提高检测模型的泛化能力。通过特征工程构造与交叉验证后，生成训练集的训练模型。在此基础上，将特征选择后的测试集输入到训练模型中，获取最终的反间歇性窃电检测结果。

2 实验分析

2.1 实验准备

首先，根据反间歇性窃电检测实验的要求，搭建此次实验的测试环境，配置如表3 所示。

表3 反间歇性窃电检测实验测试环境的配置

按照表3 所示的配置，采用2016CCF 用电数据集作为此次实验的数据集，总共包含9 950户用电用户，存在窃电行为的用户总共1 288 户。根据存在窃电行为用户在数据集中所占的比例，划分实验的训练集与测试集。其中，实验训练集总共7 959 户，测试集总共1 986户，训练集中存在窃电行为的用户数为1 109户。按照上述本文提出的反间歇性窃电检测方法流程开展实验分析，验证上述提出窃电检测方法的应用效果。

2.2 结果分析

将上述本文提出的方法设置为实验组，将文献[1]提出的基于深度森林的窃电检测方法设置为对照组1、文献[2]提出的基于混合模型的窃电检测方法设置为对照组2，对3 种窃电检测方法的检测结果进行对比分析，进而判断提出方法的可行性。

本次实验结合反间歇性窃电稽查流程，选取了窃电检测平均准确率作为实验的评价指标，其计算表达式为

式中：k为实验数据集内存在的间歇性窃电用户数；qi为在i个样本条件下，存在的窃电样本数。通过计算，得出窃电检测的平均准确率，MAP越大，说明反间歇性窃电检测方法的检测准确率越高，能够最大程度检测出用户中所有疑似窃电的行为，减轻实际现场稽查的工作量，反之同理。

利用MATLAB 模拟分析软件，分别模拟3 种窃电检测方法的检测过程，设置实验数据集的数据量分别为200、400、600、800、1 000、1 200，在数据量增加的情况下，测定并计算3 种窃电检测方法的平均准确率，并绘制如图3 所示的评价指标对比图。

图3 3 种窃电检测方法评价指标对比结果

从图3 看出，3 种窃电检测方法的检测结果存在较大差距，均表现出了不同的性能。其中，本文提出的方法应用后，该方法的窃电检测平均准确率始终高于另外2 种方法，检测精度较高，有效提高了数据集样本的质量。由此不难看出，本文提出的反间歇性窃电检测方法具有较高的可行性，可以投入电力工程中使用。

3 结 论

为了保证电力行业的经济发展，本文在传统窃电检测方法的基础上作出了优化改进，引入载波通信技术，开展了基于载波通信技术的反间歇性窃电检测方法研究。通过本文的研究，保障了正常的用电秩序，能够及时发现一些不法的隐蔽窃电行为，提高了窃电检测的准确率与时效性，具有重要的研究意义。