基于大数据混合数据驱动模型的多用户反窃电甄别研究

基于大数据混合数据驱动模型的多用户反窃电甄别研究

巴栋

国网东营市东营区供电公司 山东省东营市东营区 257000

摘要：首先构建多用户反窃电甄别的约束参量模型，结合稳态增益调度的方法进行多用户反窃电甄别过程中的信息融合然后进行多用户反窃电的动态响应控制和大数据混合驱动，提高多用户反窃电甄别和自适应调度能力。本文主要分析基于大数据混合数据驱动模型的多用户反窃电甄别研究

关键词：大数据;混合数据;驱动模型;多用户;反窃电;甄别;信息融合

引言

随着电力用户的增大，需要构建多用户反窃电甄别模型，结合参数信息融合和特征提取方法，进行多用户反窃电甄别，采用大数据信息挖掘技术，提取多用户反窃电甄别的关联规则特征量，通过模糊相关性分析的方法，建立多用户反窃电甄别的统计判决模型，在多维参数辨识模型中，进行多用户反窃电甄别和优化识别，建立多用户反窃电甄别的检测函数和统计判决函数，提高多用户反窃电甄别和用电信息管理能力，相关的多用户反窃电甄别方法研究在用电信息管理和优化调度中具有重要意义。

1、常用窃电手法

电量的影响因素包括电压、电流、功率因数，因此，窃电份子往往是通过对电流、电压、功率因素进行操控，从而导致电表少计、不计从而达到窃电目的。目前主要的窃电手法包括：实施电能表电流回路开路或分流窃电。使电能表的电流回路开路实施窃电、设置电能表电流回路分流电路实施窃电。故意短接电流回路实现窃电目的。在电能表的电流端子、TA一次或二次侧、电流回路中的端子排等部位短接电流回路实施窃电。改变TA实际变比实施窃电。通过变更TA、改变TA的二次抽头、变更穿心式TA一次匝数、改变TA一次侧有串、并联组合的接线方式、减少一次匝数等方式改变TA变比。电流互感器二次极性反接实施窃电。将一项或两相TA极性反接实施窃电、反接电能表内电流线圈的极性、利用窃电装置提供反向电流窃电。

2、新用电形势下因窃电带来的问题

随着防盗改造的实施和计量设备的更新换代，传统的分流、分压、移相等窃听方式的实施越来越困难。 但是，在利益的驱使下，越来越多的高科技手段被不法分子应用于窃听行为，成为现阶段窃听发展的新趋势。 窃听分子使用编程器修改电能表内的电量、时间段等数据，以达到窃听的目的。 窃听分子利用窃听装置进行窃听。 利用专用的高科技智能化大功率无线技术对电表进行干扰，大功率无线信号对电表的CPU进行干扰，使得电表无法正常工作，无需计算电量，随时可以恢复电表的测量。 窃听分子通过网络传播窃听方法，成为防控难点。 不法分子通过网络销售一些窃听设备，大大降低了窃听成本。 一旦发现电力测量装置的弱点，传播就会瞬间扩大，增加防卫的难度。 新的窃听方法具有操作时间短、隐蔽性强、传播速度快等特点，不带动任何电力设备，达到其窃听目的，供电部门在知道其窃听的情况下，在现场很难发现任何线索，加大了取证工作的难度。 取证很难，定义很难。 如果无法确定窃听时间，则日期按180天计算，每天按12h计算，照明用户每天按6h计算，该处罚计算远远小于窃听所得收益，无法对窃听分子起到冲击作用和打击作用。 涉案金额不断上升。 在电力行业的整顿和检查中，窃听事件的数量和涉案金额不断增加，对社会的危害也越来越严重。 这些不法分子的行为不仅损害供电企业的经济利益，损害守法用户的利益，更严重的是不法分子的行为直接造成变压器、高压线路等电力设备的损坏，造成大面积停电，威胁广大民众的安全。

3、大数据下电力反窃电措施分析

3.1采用专业设备防治窃电

窃听行为多通过变更设备的设置或破坏设备的一部分功能来进行。 电力企业在安装用电计量设备时可以采用技术性能高的专业设备。 针对高供高计，针对专用变压器大用户采用专业高压计量设备的高供低计，根据专用变压器用户安装计量箱的容量大小，为客户提供专用配电盘和计量箱的低压用户使用专业的电表箱。 普通三相用户安装独立的电表箱。 居民用电对采用集中管理式电表箱的比较分散的居民，可以根据具体居住情况进行合理划分，在各地区用户的中心位置安装集中管理式电表箱。 在日常用电服务过程中，一线营销人员应具备雄厚的技术水平，能够在服务过程中识别窃听行为，并能对已出现的问题提出有效的解决方案。

3.2利用电力信息收集、低压反窃听

装置通过用电信息采集系统可以检测用户用电量的变化，通过利用大数据分析手段，加强信息管理，自动检查本月或当期用电量与去年同期、上个月相比是否有明显差异，并在抄核回收中应用异常数据 异常时，例如用户的用电量连续几个月低于正常水平时，必须跟踪门以确认电力设备是否有计量问题，用户是否违规使用电力。 定期筛选高损耗台区名单，建立线损数据库，充分利用台区智能诊断终端进行分区域设置和测试。 在不影响传统电采模仿的情况下，获取低压台区用户电表的各种实时数据、历史数据、事件数据、曲线数据等信息，通过反窃听监控平台对用户的各种数据进行多方面、多维度的实时在线 观察逻辑关系，深入、综合分析，然后自动筛选、定位涉嫌窃听的用户或故障电表。 在供电服务大数据下，电力企业不仅要提高电力使用效率和供电服务，还必须重视实施反欺诈措施，促进企业发展，提高经济效益。

3.3大数据技术在智能反窃听中的有效应用

相关设备处理平台收集用户信息和数据后，立即完成用户数据和信息终端的传输，完成分析、计算评估、监控4个过程。 在这些过程中，如果用户的耗电量出现异常，处理平台将立即详细诊断用户的电气数据。 在这个过程中，用户的耗电量数据的变化可以用对应的条形图和曲线表示。 这意味着可以利用大数据技术对用户的功耗数据进行实时分析和监控，一旦判断用户有窃听数据技术的应用，相关技术人员就可以详细分析用户的功耗信息，推测异常功耗情况，得出异常功耗的结论。 该系统在异常时自动报警，最终确定窃听地点。

3.4通过应用营销大数据技术加强反欺诈检测水平

一是执行电量数据的分类。 为了有效打击窃听行为，必须严格执行电量数据分类措施。 首先，供电企业在向居民供电的过程中一定要搞清楚线路的特点，主要是因为当用户受到不同因素的影响时，线路电流负荷通常会有不同程度的变化。 因此，每次窃听检测时，必须全面记录用户的用电信息，并对其进行深入分析，以判断是否发生了失压、三相电流相位异常等其他不良问题。 检查中发现数据异常时，请务必按时间段进行跟踪监测。 发现窃听行为的，应当有效保护窃听现场，并对有关窃听违法者予以相应处罚。 通过这样的措施，可以有效地提高舞弊的检测效率。 另外，还需要根据不同的用电场所对用电特点进行科学分层分类，从而更充分地了解电流负荷情况，为后续反窃听检测工作创造良好的条件。 二是加强用电数据分析用电数据分析，非常有利于反窃听行为调查，供电企业近期可以与过去的用电量进行比较，有效分析用户用电走势，科学计算用电平均值，用正态分布表示的方式充分表达负荷变化规律，然后 利用评价函数可以筛选耗电量变化程度较大的用户，这种用户很可能存在窃听行为，必须加强和管理其监督

结束语

建立多用户反窃电甄别的统计判决模型，在多维参数辨识模型中，进行多用户反窃电甄别和优化识别，提出基于大数据混合数据驱动模型的多用户反窃电甄别方法。把交流滤波电容电压引入到多用户反窃电甄别模型中，通过空间信息融合，建立多用户反窃电甄别大数据融合模型，在有功功率基本维持不变的情况下，通过大数据混合调度的方法进行多用户反窃电甄别和输出反馈控制。

参考文献：

1. 孟小峰,慈祥.大数据管理:概念、技术与挑战[J].计算机研究与发展,2013,50(01):146-169.

2. 苗帅.10kV配电网的线损管理及降损策略分析[J].工程技术研究,2019,4(05):125-126.

3. 周文婷,王涛,袁鸣峰,等.基于北斗短报文通信的用电信息采集系统的研制[J].电力自动化设备,2017,37(12):211-217.

4. 邓洛.浅析用电信息采集系统运维管理要点分析[J].科技与创新,2020(18):115-116.

[5]祖莹.基于用电信息采集数据的电能质量分析方法[D].西安理工大学,2020.