基于数据挖掘技术的反窃电方法研究

林永超

国网吉林供电公司 吉林吉林 132001

窃电问题一直是一个难题，窃电的行为不仅会损害供电企业的经济效益，还会影响居民的正常用电，对电力设施产生一定的损害和影响。严重的情况下，甚至会产生安全隐患。所以国家和企业一直在打击窃电的行为，同时也在不断提升反窃电的技术。当前反窃电的技术有一定的局限性，随着窃电手段越来越多样，高科技反窃电工作的难度也在不断提升[1]。

1 反窃电现状分析

当前不法分子窃电的方式和手段多样化，并且随着计算机技术的发展，窃电的行为也越来越高科技化。窃电的行为主要体现在使电能表的计电量值变小，进而能够达到少交或者不交电费的目的。电能表的计电量主要是电压电流和功率因数这几方面，再加上时间的增长，所以要想进行窃电，就需要将这几个因素改变，进而使电能表慢转或停止，从而达到窃电的目的。除此之外，还可以通过改变电能表自身的性质，也能够达到窃电的目的。因此需要相关的管理人员加强对电能表的管理和监督，禁止一些无关人员接触到电能表之外，还可以从电量三要素着手对电能表内部的电压、电流和功率因数进行分析，来发现一些用电异常的现象，进而筛选出一些窃电的行为。

前几年广东某一电网公司对计量自动化系统正式进行投入，对于电能表的一些数据进行监督，对于一些电厂和变电站等地方的电量和负荷都能够实现一定的数据采集。运行的几年期间，已经收集了大量的用电信息。随着时间的不断增长，所投入的计量自动化系统已经有一定的规模，为能够推进反窃电管理提供了良好的数据。然而，因为用电计量的规模较大，所收集的数据量信息也较大，在其中提取有效的信息也是一个难题。所以无法使用一些传统的数据分析来进行分析，这就需要不断研究和引用新的技术来提高处理信息的效率，比如数据挖掘技术的应用，能够起到一定的作用。

2 数据挖掘技术

数据挖掘技术的主要作用就是能够在大量的信息数据中挖掘出有价值的数据，并且根据所挖掘出来的数据信息来建立相应的模型，为反窃电管理系统提供一定的数据支撑，并且提供一些预测性的方法。传统的数据分析方法在面对大量的数据处理时，有一定的局限性。但数据挖掘技术能够突破传统技术方法的局限，处理海量的数据时，能够在有效时间内提取有价值的信息，为反窃电技术的进步提供了一定的基础保障[2]。

数据挖掘技术中包含人工神经网络和模糊神经网络，人工神经网络是应用比较普遍的一种数据挖掘技术，它的主要功能和作用就是能够对于人脑组织进行深刻的认识，并且能够构建其模型，产生一些智能行为的系统，但是它的缺点就是对于一些模糊信息，不能够高效的处理，对于所处理信息的要求和标准较高。而模糊神经网络是模糊系统与神经网络相结合所产生的系统，也结合了两个系统的长处，具备一些能够自动处理信息的功能，该系统的优势就是能够处理一些模糊的信息，并且对信息数据的要求较低，所处理也能够更加精确等。模糊神经网络在处理模糊的数据上占有很大的优势，也能够在智能信息处理方面有很大的发展空间。所以模糊神经网络在解决窃电问题时，对于一些模糊的数据，有很大的优势。

3 反窃电数据挖掘模型的建立

在建立数据模型之前，要先将所获取一些信息数据进行抽取、转换和加载，并且保障所获取的数据能够有秩序，并且形成统一的格式，才能使模型在建立的过程中更加高效。只有对数据进行选取和转化，保证数据的格式能够有统一的标准，在进行数据加载，将导入数据库中，作为建立模型的基础。

3.1 实时线损计算分析模型

实时线损计算分析模型主要是建立在电能表的统计上，根据对某区域所属的电表中提取相关的使用电的信息，再根据区域的线路损耗的电量进行计算，最后制定出周期曲线，建立相应的模型。当然，该种计算的方式与实际的用电量可能会存在差距。但如果实际的用电量与模型中的电量，二者差距过大，那么就说明该区域的线损就会出现一定的问题[3]。

3.2 用户用电异常对比分析模型

根据对用户的用电分析，建立相应的模型，就能够发现用户的窃电行为。可以将用户的电量属性与历史用电属性做进行对比。历史用电属性所指的就是在过去的同一时期内，用户使用电的情况。如果将用户的某一个时间段的用电量与历史用电量进行对比的话，这两个数据的差异过大，就有窃电的嫌疑，需要展开深入的分析[4]。

3.3 用户负荷曲线实时显示模型

用户复合曲线实时显示模型，可以通过用电信息采集系统进行用电信息采集系统，可以完成分钟级的数据采集任务，系统可以根据采集到的数据绘制出用户复合曲线，进而建立模型来对其进行深入的分析。

3.4 数据挖掘技术与反窃电模型结合

可以将数据挖掘技术与反窃电模型相结合，发挥二者的优势来推动反窃电技术的进步。在数据挖掘技术与反窃电模型相结合的工作过程中，可以使数据划分为几种类型，比如数据聚类和分类。可以通过这两种数据分类对用户的使用电量情况进行分析，进而来筛选出一些异常用电的情况，并且展开调查分析其中的原因。

4 结语

面对大量的用户用电信息数据，采取传统的方法进行调查是有一定难度的，需要消耗较长的时间和人力，并且所分析的效果也达不到理想的程度，那么采用数据挖掘技术，就可以大大减轻这一工作压力。通过引用人工神经网络和模糊神经网络，可以对数据展开自动化的分析和处理，并且能够建立相应的模型。再根据模型所提供的信息，为工作人员的反窃电工作提供了一定的指导。总而言之，在反窃电管理系统中应用数据挖掘技术，能够使反窃电工作更加高效准确的运行，也能够推动反窃电工作取得进步。