基于大數(shù)據(jù)的用電行為異常分析

彭濤

摘 要：智能電網(wǎng)是大數(shù)據(jù)的重要技術(shù)應(yīng)用領(lǐng)域之一。隨著智能電網(wǎng)的發(fā)展， 竊電犯罪日漸網(wǎng)絡(luò)化、規(guī)模化、專業(yè)化。由于高級量測體系、各種監(jiān)控系統(tǒng)的大規(guī)模部署產(chǎn)生和積累了大量數(shù)據(jù)， 通過信息采集并充分挖掘這些數(shù)據(jù)的價值具有重要意義。針對智能配用電業(yè)務(wù)，首先分析智能配用電大數(shù)據(jù)的特征，然后重點研究大數(shù)據(jù)環(huán)境下的用戶用電行為應(yīng)用場景，提出大數(shù)據(jù)環(huán)境下的用戶用電行為異常研究思路和方法，接著分析業(yè)務(wù)應(yīng)用中的大數(shù)據(jù)關(guān)鍵技術(shù)。

關(guān)鍵詞：大數(shù)據(jù)；用電行為；異常分析

中圖分類號：TP319 文獻(xiàn)標(biāo)識碼：A 文章編號：1671-2064（2017）05-0158-04

Abstract： Smart grid is one of the most important technical fields for big data technology application. With the development of smart grid， Stealing is growing crime network， scale and specialization. Since the deployments of advanced metering infrastructure（AMI）， equipment condition monitoring systems result in the production and accumulation of a lot of data， thus it is of great significance to fully mine the value of these data and data collection. Firstly， aiming at smart power distribution and consumption systems， the paper described the big data and its characteristics. Secondly， the typical application scenario analyses was carried out， which were customer electricity usage behavior analysis. Then the research methods of the business application in big data environment were put forward. Finally， necessary big data key technologies were proposed on big data in power distribution and consumption systems was presented.

Key words：Big data； electricity usage behavior； abnormal Analysis

1 引言

近年來，盜竊電能的違法行為越來越普遍，而且隨著科學(xué)技術(shù)的快速發(fā)展，竊電手段更加高明，技術(shù)含量更高，方法更隱蔽，特別是竊電犯罪日漸呈現(xiàn)網(wǎng)絡(luò)化、規(guī)?；I(yè)化的特點，給查處帶來了很大的難度。竊電現(xiàn)象不僅困擾電力企業(yè)的發(fā)展，對電網(wǎng)安全與效益、社會安全與風(fēng)氣構(gòu)成了嚴(yán)重挑戰(zhàn)，也嚴(yán)重影響了國家的經(jīng)濟(jì)建設(shè)和社會的穩(wěn)定。

盡管竊電的形式和手段很多，無論是哪一種竊電方式，都會影響某個電表的計量數(shù)據(jù)或者影響某條線路、某個區(qū)域的相關(guān)數(shù)據(jù)，如線損變化、電壓變化、電流變化以及相關(guān)的電表事件等。隨著用電信息采集范圍、應(yīng)用范圍的持續(xù)擴(kuò)大，伴隨著用戶量和業(yè)務(wù)需求的增長，系統(tǒng)的復(fù)雜度也大幅度增加。這些數(shù)據(jù)在當(dāng)今互聯(lián)網(wǎng)背景下愈發(fā)體現(xiàn)了大數(shù)據(jù)的關(guān)鍵要素[1]：容量（Volume），速度（Velocity），種類（Variety），不僅體量巨大，數(shù)據(jù)類型繁多，價值密度低且商業(yè)價值高。傳統(tǒng)數(shù)據(jù)處理技術(shù)已無法滿足當(dāng)前業(yè)務(wù)發(fā)展對系統(tǒng)數(shù)據(jù)處理分析的要求。通過信息采集系統(tǒng)將用戶的用電數(shù)據(jù)完整采集到主站，對這些大數(shù)據(jù)進(jìn)行深加工，尋找其中的用電行為規(guī)律，已成為當(dāng)今大數(shù)據(jù)網(wǎng)背景下一個熱點研究領(lǐng)域。

近年來，一些學(xué)者已經(jīng)開展了該領(lǐng)域的相關(guān)研究工作。文[2-3]研究了大數(shù)據(jù)關(guān)鍵技術(shù)在用電信息采集系統(tǒng)架構(gòu)中的應(yīng)用，文[4-10]研究了基于大數(shù)據(jù)的用電消費習(xí)慣研究與分析等。由于現(xiàn)有大數(shù)據(jù)背景下的用電行為分析技術(shù)具有一定的局限性，未能有效地解決用電行為異常分析問題。為此本文提出了一種基于大數(shù)據(jù)的用電行為異常分析方法和數(shù)據(jù)處理技術(shù)，該方法和處理技術(shù)通過對廣泛采集的數(shù)據(jù)進(jìn)行建模，找出異常的數(shù)據(jù)變化規(guī)律，從而為用電行為異常分析需求提供了理論及應(yīng)用基礎(chǔ)。

2 用電行為異常分析方法

無論哪種竊電方式，都會影響某個電表的計量數(shù)據(jù)或者影響某條線路、某個區(qū)域的相關(guān)數(shù)據(jù)，如線損變化、電壓變化、電流變化以及相關(guān)的電表事件等，用電行為異常分析方法正是利用這些電力數(shù)據(jù)，進(jìn)行大數(shù)據(jù)的挖掘和分析，尋找其中的用電規(guī)律。目前，用電行為異常的分析方法，主要是通過大數(shù)據(jù)處理，通過系統(tǒng)的計算模型進(jìn)行海量計算，數(shù)據(jù)挖掘的方式，識別出用電行為異常的用戶。以下為幾種用電行為異常分析方法。

2.1 平衡分析

通過對分線線損率數(shù)據(jù)進(jìn)行對比分析，可以鎖定用電異常嫌疑用戶所在的線路。在分析線損數(shù)據(jù)時，通過不同的分析手段還可以得出用電異常嫌疑的嚴(yán)重程度。線路電量平衡衡計算公式：

線損率=（供電量-售電量）/供電量*100%

其中供電量為線路廠站端計量點電量之和，售電量為線路上所有用電用戶的用電量之和。其中檔案之間的關(guān)聯(lián)關(guān)系可以根據(jù)檔案定義來得到。

2.2 失流/二次側(cè)開路/二次側(cè)短路分析

采用欠流法竊電時，常采用使CT二次側(cè)電流回路開路或短路，改變電路接法等手法，其影響的直接結(jié)果是使得計量電流小于實際使用電流。通過檢測是否存在電流的突然大幅度減少可以判斷是否存在用電行為異常。

2.2.1 A/B/C相失流

（1）三相電流中任一相或兩相小于啟動電流；

（2）其他相線的負(fù)荷電流大于額定電流的5%；

（3）持續(xù)時間大于指定的持續(xù)時間，默認(rèn)為4小時。

2.2.2 A/B/C相CT二次側(cè)開路

（1）發(fā)生時間之后的第一個時間點電表的本相電流為0；

（2）在設(shè)定的持續(xù)時間范圍內(nèi)電表的本相電流都為0；

（3）持續(xù)時間大于指定的持續(xù)時間，默認(rèn)為4小時。

2.2.3 A/B/C相CT二次側(cè)短路

（1）發(fā)生時間之后的第一個時間點電表的本相電流低于發(fā)生前一個時點電流值的50%；

（2）在設(shè)定的持續(xù)時間范圍內(nèi)電表的本相電流都低于發(fā)生前一個時點電流值的50%；

（3）持續(xù)時間大于指定的持續(xù)時間，默認(rèn)為4小時。

2.3 失壓/斷相/缺相事件

2.3.1 失壓

通常，線路的電壓是恒定的，欠壓法竊電直接影響電壓計量結(jié)果，使得計量電壓小于實際使用電壓，通過檢測電壓是否低于額定電壓來判斷是否存在用電行為異常。不同的竊電手法導(dǎo)致電壓降低的幅度不同，失壓、斷相、缺相分開判斷有助于具體分析竊電手法，提高現(xiàn)場勘查取證的工作效率。失壓事件判定條件：

（1）當(dāng)某相電壓持續(xù)低于電壓Un*失壓比率，超過一定時間后，判斷為該相失壓；

（2）失壓比率見表《失壓比率閥值配置》；

（3）電壓Un見《啟動電壓Un配置》。

2.3.2 A/B/C相斷相

（1）判定條件：電壓小于啟動電壓，同時電流小于啟動電流，且持續(xù)時間大于設(shè)定的判斷時間；

（2）啟動電壓：默認(rèn)為失壓比率閥值*Un，Un見表《啟動電壓Un配置》；

（3）啟動電流：默認(rèn)為10% Ib，Ib見表《啟動電流Ib配置》；

（4）失壓比率見表《失壓比率閥值配置》。

2.3.3 A/B/C相缺相

（1）電壓小于啟動電壓，電流大于啟動電流，且持續(xù)時間大于設(shè)定的判斷時間；

（2）啟動電壓：同斷相；

（3）啟動電流：同斷相。

2.3.4 閥值配置表

啟動電壓Un配置表：（表1）

啟動電流Ib配置表：（表2）

失壓比率閥值配置表：（表3）。

2.4 反極性事件

通過改變電流回路的接法，達(dá)到降低功率因數(shù)，從而降低計量電量的目的。反極性檢測是與此對應(yīng)的用電行為異常檢測算法。

2.4.1 判斷方法1

（1）本相電流值大于0.05安；

（2）總功率與分相功率之和的偏差率大于5%；偏差公式：

|分相和-總功率|/總功率

（3）持續(xù)時間大于指定的持續(xù)時間，默認(rèn)為4小時。

2.4.2 判斷方法2

計算電壓、電流的相位角，分析電壓、電流的相序和相位差，可以清晰的展示和判斷是否存在反極性接線錯誤。

2.5 電量持續(xù)為0

當(dāng)用戶采取了一定的竊電手法，繞過計量表時，得到的用戶電量將變?yōu)?，為排除偶發(fā)事件，當(dāng)0電量持續(xù)n天時才認(rèn)為存在竊電嫌疑，對于居民家庭考慮到確實外出未使用點這種情況，持續(xù)天數(shù)可適當(dāng)設(shè)長一些。

（1）用戶電量由非0值變?yōu)?值；

（2）持續(xù)時間超過n天，n可配置；

（3）一天之內(nèi)持續(xù)0電量事件判斷，可以考慮用整點電量進(jìn)行判斷；

判斷過程中考慮節(jié)假日和度假高峰期，能提高判斷精準(zhǔn)度。

2.6 非費率時段走字

分時電價政策中，每個費率時段的費率不同，且差價較大，修改電表內(nèi)設(shè)置的費率時段雖不影響計量精度，但是可顯著減少用戶實際支付的電費，也是竊電手法之一。通過數(shù)據(jù)分析，檢測表碼走字與費率時段的一致性，結(jié)合電表“費率時段發(fā)生變化”事件共同分析，可提高判斷精準(zhǔn)度。

選定某一天24小時表碼，電表每個費率每個小時的示度值變化，需要與費率時段設(shè)置一致。例如，當(dāng)費率時段分為以下三個時段，那么如圖1所示。

（1）在時段[0：00，7：00）和[22：00，0：00），只有谷時段的表碼示度能發(fā)生變化；

（2）在時段[7：00，9：00）、[12：00，15：00） 和[18：00，23：00），只有平時段的表碼示度能發(fā)生變化；

（3）在時段[9：00，12：00） 和[15：00，18：00），只有峰時段的表碼示度能發(fā)生變化。

若與上述規(guī)則不一致，則認(rèn)為該表存在非費率時段走字異常。

2.7 主備表電量超差

專變負(fù)控終端的交流采樣裝置可以采集電量數(shù)據(jù)，且具有較高的測量精度，可以作為核表校驗主表計量數(shù)據(jù)是否正確。當(dāng)主表（計量表）的計量數(shù)據(jù)比交采裝置的數(shù)據(jù)小時，主表可能存在用電行為異常嫌疑。交采數(shù)據(jù)超差檢測可以排除實際電氣運(yùn)行中電流不斷波動帶來的判斷干擾，當(dāng)主表數(shù)據(jù)與交采電流數(shù)據(jù)存在差異時，該用戶的用電行為異常的嫌疑度將加大。

指定時間點，電表和交采表，或主表與備表（核表）的電流數(shù)據(jù)比較，當(dāng)誤差率=|主表日電量-備表日電量|/主表日電量大于設(shè)定誤差率閥值（缺省為1%），認(rèn)為存在用電異常。

2.8 三相電流不平衡分析

（1）在竊電過程中，對接線模式或電路的改動會導(dǎo)致三相電流可能存在不平衡，三相電流不平衡檢測也是用電行為異常的嫌疑判斷因子之一。算法如下至少有一相大于0.05A，負(fù)控至少有一相大于0.1A；

（2）不平衡率超過指定閥值且持續(xù)時間超過指定的持續(xù)時間；

（3）其閥值與誤判相同。

三相不平衡率 = MAX（（Ia-AVG（Ia，Ib，Ic））/ AVG（Ia，Ib，Ic），（Ib-AVG（Ia，Ib，Ic））/AVG（Ia，Ib，Ic） ， （Ic-AVG（Ia，Ib，Ic））/AVG（Ia，Ib，Ic） ）

其中如果是三相三線，B相不參與計算。

三相不平衡閥值配置表：（表4）。

3 用電行為異常分析應(yīng)用

基于上述算法開發(fā)了用戶用電行為異常分析系統(tǒng)，采用Oracle數(shù)據(jù)庫和實時庫技術(shù)，實現(xiàn)了用電行為異常處理功能。系統(tǒng)總體架構(gòu)如圖2。

該系統(tǒng)的功能設(shè)計如圖3。

3.1 日用電量分析法

通過采集用戶每日用電量數(shù)據(jù)，來分析用戶用電情況。圖4中為用戶正常用電量曲線。

圖5中用戶用電量曲線與往常有區(qū)別，其中晚上22點至第二天早上4點，客戶用電量為0，存在異常情況。

通過綜合比較用戶往常用電曲線和近期異常用電曲線，再結(jié)合用戶實際生產(chǎn)用電情況，如發(fā)現(xiàn)客戶晚上確實在生產(chǎn)，則存在較大竊電嫌疑。

3.2 三相電流分析法

當(dāng)用戶正常用電時，高壓側(cè)和低壓側(cè)電流曲線應(yīng)該大致吻合。通過圖6我們發(fā)現(xiàn)，早4點至晚22點，高壓側(cè)和低壓側(cè)的B相電流曲線是吻合的。但是晚22點至早4點，高壓側(cè)有電流輸出，但是低壓側(cè)無電流輸出，相差懸殊，存在較大竊電嫌疑。

4 結(jié)語

通過大數(shù)據(jù)技術(shù)的研究和應(yīng)用，開發(fā)了用戶用電行為異常分析系統(tǒng)，并以用戶用電行為異常分析以為切入點，開展了基于大數(shù)據(jù)的用電行為異常分析研究和建設(shè)。該方法和處理技術(shù)通過對廣泛采集的數(shù)據(jù)進(jìn)行建模，找出異常的數(shù)據(jù)變化規(guī)律，為電力行業(yè)其他業(yè)務(wù)的大數(shù)據(jù)應(yīng)用提供了科學(xué)方法和經(jīng)驗。

參考文獻(xiàn)

[1]Bergelt R， Vodel M， Hardt W. Energy efficient handling of big data in embedded， wireless sensor networks[C].Sensors Applications Symposium[J]， 2014 IEEE. IEEE， 2014： 53-58.

[2]Ma Y， Ji X D， Jiang J M， et al. A resource allocation algorithm using compensation timeslot for self-healing in heterogeneous networks[C]. Proceedings of the IEEE International Symposium on Personal， Indoor and Mobile Communications workshop. London， UK：IEEE，2013：122-126.

[3]楊懿，王鑫，楊開瓊，等.大數(shù)據(jù)關(guān)鍵技術(shù)在用電信息采集系統(tǒng)架構(gòu)優(yōu)化中的應(yīng)用研究[J].科技傳播，2015，（20）：116-118.

[4]張潔.大數(shù)據(jù)在用電信息采集系統(tǒng)中的研究與實現(xiàn)[J].科技風(fēng)，2015，（19）：40-40.

[5]周嵩.淺談電力用戶用電信息采集系統(tǒng)大數(shù)據(jù)在客戶行為研究中的應(yīng)用[J].華東科技（學(xué)術(shù)版），2014，（8）：271，283.

[6]宋煜，鄭海雁，尹飛.基于智能用電大數(shù)據(jù)分析的臺區(qū)線損管理[J].電力信息與通信技術(shù)，2015，13（8）：132-135.

[7]張東霞，王繼業(yè)，劉科研等.大數(shù)據(jù)技術(shù)在配用電系統(tǒng)的應(yīng)用[J].供用電，2015，（8）：6-11.

[8]江櫻，王志強(qiáng)，戴波.基于大數(shù)據(jù)的居民用電消費習(xí)慣研究與分析[J].電力信息與通信技術(shù)，2015，13（11）：7-11.

[9]Wang Jiye， Ji Zhixiang， Shi Mengjie，et al. Scenario analysis and application research on big data in small power distribution and consumption systems[J]. Proceedings of CSEE， 2015，35（8）：1829-1836.

[10]Wang Dewen， Sun Zhiwei. Big data analysis and parallel load forecasting of electric power user side[C]. Proceedings of CSEE， 2015，35（3）：527-537.