基于关联度分析的防窃电模型研究

梁志巾

摘 要：现如今，随着我国经济的快速发展，电力是关系国计民生的基础产业，电力安全更是社会公共安全的重要组成部分，对国民经济有着至关重要的影响。随着电网的互联和电网覆盖范围的不断扩大，恶意窃电行为不仅造成大量的电量流失，甚至可能导致不可控的连锁反应，造成大范围、长时间的停电，对电网稳定和经济安全造成严重影响。窃电手段的不断翻新，强磁、遥控、改装互感器等各种各样的窃电产品充斥于互联网，窃电呈产业化趋势。目前，表前窃电、更改内部电路等窃电手段仍无法及时有效的防治，用户窃电往往又避开正常工作时间，有些窃电行为到达现场查处时，用户可以方便拆卸窃电设备，无法有效收集证据实施电量追补，使窃电防治工作愈加困难。唯有实时监控，及时预警、发现电网隐患，有效防止窃电现象的产生，才能确保电网的安全稳定。本文主要结合目前的窃电与反窃电现状，研究智能防窃电技术，探讨新型的智能防竊电管理模式，建立长效防范机制，并就关键技术进行研究与延伸。

关键词：关联度分析;防窃电模型

引言

近年来，随着市场经济的多元化发展，电能作为一种清洁能源被广泛应用于国民经济的各个领域和人们的生产生活中。由于电能费用占企业成本比重较大，一些不法经营者、个体私营业主为谋取暴利，无视国家法律、法规，不择手段地窃取电能。窃电行为严重损害了企业和个人的合法权益，扰乱了供用电秩序，阻碍了电力事业的高质量发展，也给安全用电带来了严重威胁。通过大量分析窃电现场情况得出，窃电行为主要表现在借零窃电、电能表人为改变、计量箱破坏、强电击损坏计量电子元件等。当前各公司缺乏对电能计量装置有效监督的措施，对用户窃电行为的特征分析也不够明确，对各类数据缺乏整合利用，难以对“窃电”行为进行有效的预警、监督和查处。国内外专家基于人工智能和大数据分析建立不同的反窃电模型，聚类分析数据特征，利用神经网络等智能算法建立窃电用户筛选规则，根据规则建立预警模型，但均限于理论阶段，实际过程中能够大幅度提升监测精度的方法还未成熟。本文以台区线损为切入点，从现场抓获真实窃电案例出发，建立失压断相预警、电量差动预警、电量波动预警、功率差动预警、电能表停走预警、电流异常预警、恒定磁场干扰预警、线损异常预警，并通过关联度分析对线损值进行判定，大幅度提升了窃电嫌疑用户的筛选精度，对保证电网安全稳定运行具有重要意义。

1窃电与反窃电现状

1.1频现的窃电手段

（1）强磁干扰。利用强磁窃电装置使电能表慢走或停转。篡改电能表软件程序。通过复制表内线路板植入窃电程序，替换原有线路板，在电能表使用过程中利用掌机红外接口或RS-485接口对电能表施加特殊指令，激活窃电程序窃电。（3）欠压法窃电。在电压回路上串联分压电阻或断开电压线圈。（4）分流法窃电。更改接线盒互感器二次侧电流回路遥控窃电。（5）更改表前互感器。短接表前计量互感器二次侧电流回路窃电。（6）更改表计计量回路。更改表计内部电流采样互感器分流窃电。近几年常见的窃电手段还有更改高供高计互感器，在高压计量箱内安装遥控器分流窃电;利用移相窃电设备改变电能表电流、电压相位角，使电能表慢走;绕越计量回路，私拉电线越表窃电等。

1.2传统的防窃电技术

针对上述情况，近些年采取了一系列的防窃电措施，如采取高供高计与高供低计相结合，对计量表箱加装节点控制器，安装负控装置，加密用电信息采集等方法。这些方法和设备都起到了一定程度的防窃电效果，但由于这些设备的客观缺陷（如负控装置无法防控表前窃电），传统的防窃电技术并没有达到对窃电行为实时、高效、准确的防范控制。

2基于关联度分析防窃电模型

2.1算法选取与模型构建

a.失压断相预警设定计量回路电压基准值，高供高计用户计量回路电压值为100V，高供低计及低供低计用户计量回路电压值为380V、220V，如果电压值偏离基准值50%，尤其是电压值为零，则判断为失压断相。该预警策略主要针对高压用户、考核表及低压重点用户的电压曲线等信息进行分析判断。b.电量差动预警针对100kVA及以上用户，加装负荷监控装置，该装置含有2个不同的计量回路，分别为含有485接口的计量回路和交流采样回路。其中交流采样回路作为485接口的考核表使用，用以对比监测2个不同回路的电量，对比2个不同回路电量值，分析计量回路和对比回路同时段的电量差值比，设定电量超值比的阈值K为20%，对超出阈值的用户需进一步判定是否有窃电嫌疑。c.电量波动预警将用户的用电时间以天为单位，按类别划分为普通日和特殊日。其中特殊日包括节假日、停电检修日、用户休息日等，依此总结用户的用电规律，并将本月用电量与上月进行环比，与去年同期进行对比，评估用户每月用电量的波动情况。当波动大于设定的阈值时，认为该用户有窃电嫌疑，触发电量波动预警，并根据波动程度深入计算窃电可能性的大小。d.功率差动预警针对10kV高压用户，按照一定的时间间隔，使用不同的负荷差动模型对功率差动进行分析。根据终端负荷、电能表总负荷以及差动模型获得总负荷差值、负荷差动率、负荷差动阈值信息，根据以上信息判断是否达标，当波动大于设定的阈值时，认为该用户有窃电可能，并根据波动程度计算窃电可能性大小。e.电能表停走预警针对10kV高压用户的电量数据、电流数据，判断10kV高压用户是否存在电能表停转现象。该现象表现为某时刻电量为零，对应时间的任意相电流大于0.1A，在单日数据中连续出现3个时间段内且累计出现超过12次，则判断该用户存在窃电嫌疑。同时进行电能表开盖或计量门关闭分析，通过采集系统获取电能表的状态，判断电能表开盖时间与电能表安装时间差值大于时间阈值，排除正常电能表开盖，则判断存在异常情况。

2.2基于大数据分析的全方位、全过程营配稽查

基于物联网数据融合共享，借助大数据技术智能分析，构建营销业务管理平台的智能大脑，实现营销管理全业务、全过程、全方位稽查。基于专家经验自适应学习，提出事前预防建议，结合业务管理要求，实时更新异常问题预防规则，制定业务执行环节流程限制、约束性填报、异常提示等事前防范措施;建立事中监管规则库，实现营销业务实时在线监控，对发现的异常问题和超限情况，即时在线干预纠正，实现“规则在线、纠偏分析、即时整改”的监控工作模式。

结语

窃电破坏正常的供电秩序，威胁电网安全和人身财产安全，是严重威胁国家经济发展、社会和谐的一个长期问题。打击高科技窃电难度在于发现困难、取证困难，传统的方式无法防范绕越表计或分流计量回路的窃电，不能从根本上解决窃电防治问题。新型智能防窃电技术的研究与应用，填补了油田用电检查管理在表前窃电监测、实时异常预警方面的技术空白。应用智能防窃电技术，解决了许多难以防范的高科技窃电行为，为集团公司挽回了巨额经济损失，同时对窃电单位和个人形成了强有力的威慑作用，有效遏制了窃电行为的发生，不仅创造了健康良好的供用电环境，建立了智能防窃电长效管理机制，而且对电力企业打造“坚强智能电网”意义重大。

参考文献

[1]何立强，赵允，于景亮.基于改进PSO优化RBF神经网络线损计算与分析[J].东北电力技术，2020，41（4）：55-59.

[2]赵允，何立强，于景亮.基于灰色关联分析和IPSO-LSS-VM的线损预测模型研究[J].东北电力技术，2020，41（4）：6-10.

[3]余向前，张世元，赵旻昱，等.基于用户负电荷检测的反窃电技术应用研究[J].电力设备管理，2020（10）：173-175.