基于用电信息采集系统多数据融合的窃电行为定位方法

张亚杰,阎鹏飞,李春睿,马慧卓,马 涛

(1.国网河北省电力有限公司雄安新区供电公司,河北 雄安新区 071000；2.国网河北省电力有限公司营销服务中心,河北 石家庄 050021)

0 引言

随着智能电能表推广工作的逐步完成,用电信息采集系统在用电异常监测方面发挥了显著作用。目前各网省公司根据采集主站性能及自身需求,实现了专变客户每日24点、48点或96点的电量及负荷数据的采集及监控,数据采集频度逐步趋于高频化,但暂时无法实现分钟级的数据监控,因此部分不法分子对采集系统相关采集机制进行研究,选择在采集系统监控盲区实施窃电动作,给供电公司带来了一定的经济损失。因此,为全面监控用电客户用电行为,本文统筹用电量、电力负荷等多类别数据,构建理论用电量及实际用电量计算模型,研究了一种基于用电信息采集系统多数据融合的窃电行为定位方法。

1 窃电行为评估方法

1.1 基本原理

用电信息采集系统已经基本实现了全覆盖,其可以实现对电力用户功率、电压、电流、电量等数据的每日24点(每60 min一次)、48点(每30 min一次)或96点(每15 min一次)监测,可以准确地提供用于业务分析的基础数据。本文依托用电信息采集系统多类别数据,通过研究不同采集频次下理论用电量及实际用电量关系,分析研判疑似非正常用电客户。

1.2 判断依据

本研究根据用电信息采集系统主站每日采集的电力客户用电信息,对用电客户每个数据采集点的功率数、电量等数据进行综合分析,对数据间的异常情况进行定位,从而实现用电客户窃电行为的定位。该研究的理论判断依据如下。

1.2.1 理论用电量的推算

用电客户的用电量等于功率对时间的积分,其表达式为

如果功率为恒定功率,则电量计算表达式为

假设在用电信息采集系统主站数据采集时间间隔(60 min、30 min或15 min)内,用户的用电功率保持不变,那么理论上该用户的日用电量应与每点的功率间呈现以下的关系

式中:W1为理论用电量；n为数据的日采集点数；t为数据的采集时间间隔；p n为每个数据采集点的有功功率值；CT为电流互感器倍率；PT为电压互感器倍率。

1.2.2 电能表实际计量日用电量的计算

用电信息采集系统每日可实现电能表正向有功起始底码数据的采集,结合用户综合倍率情况即可算出用户日实际用电量,表达式如下:

式中:W为电能表实际计量日用电量；l始为当日正向有功始码；l止为当日正向有功止码。

1.2.3 异常用电判断依据的制定

理论上,理论用电量W1应近似等于电能表实际计量日用电量W,两者如果差距太大,尤其是理论用电量超出电能表实际计量用电量比例太大,那么用户用电异常的可能性就越大。

定义疑似用电异常系数为S,其表达式为

式中:W1为假定采集时间间隔内为恒定功率的理论日用电量；W为用户的实际日用电量。S在大于1的情况下,其值越大则用户窃电的可能性越大。

当S≥1.5时,本研究则判定用户存在高窃电风险。

1.2.4 疑似窃电行为等级判定

实际计量用电量减小的原因在于用户对计量设备电压或电流的接入情况进行了操控,相关操作发生在每个采集时间段或部分采集时间段的非系统采集时间点。如果采集及计量设备在数据采集时间点前后有明显的异常事件(电压或电流相关等)上报特点,相关用户的窃电风险则进一步提升。因此,定义窃电系数大于1.5但无异常事件上报的情况为三级疑似窃电事件；定义窃电系数大于1.5且有某类异常事件上报的情况为二级疑似窃电事件；定于连续N天窃电系数大于1.5且有某类异常事件上报的情况为一级疑似窃电事件。

1.3 分析步骤

a.根据公式(3)、(4)对用户前一日的理论用电量和实际用电量情况进行计算,分别得出用户前日数据理论用电量和实际计量用电量；

b.根据公式(5)计算用户的疑似窃电系数S；

c.若发现某用户疑似窃电系数S≥1.5时,则将用户列入疑似窃电用户名单；

d.判定该用户当日是否上报了电压电流相关的异常事件,若有则判定该用户发生了二级疑似窃电事件,若无则判定该用户发生了三级疑似窃电事件；

e.若该用户连续N天(假设N=3)发生了二级疑似窃电事件,则判定该用户发生了一级疑似窃电事件。

本研究方法的工作流程如图1所示。

图1 窃电行为定位方法工作流程

2 实施方案

本研究的实施框架如图2。

图2 窃电行为定位方法实施框架

以上研究内容及成果可作为电力大数据分析平台的一个功能模块,按照本研究的原理及流程图编制计算机程序,然后将计算机程序部署于电力大数据分析平台的运算服务器上。

大数据分析平台的运算服务器从用电信息采集系统的统一接口服务平台获取原始的用户负荷、底码信息,然后由编制好的计算机程序进行分析,并将最终结果存储于用电信息大数据分析平台的数据库服务器,然后供各级供电单位使用。

省、市、县、所各级供电单位的工作人员只需通过查看本单位的监控终端,即可在第一时间得知疑似窃电用户明细,可立即组织相关人员开展分析及现场核查工作,从而大幅度降低采集系统监控盲区,减少工作人员分析时间,降低供电公司的经济损失。

3 实例验证

某公司专变用户多采用每日24点的采集频率,其中某用户于2017年9月11日正向有功总起始码为1 620.32,止码为1 627.86,电流互感器倍率为8,电压互感器倍率为100,9月11日当天每个整点的有功功率数据如表1所示。

表1 24点有功功率数据情况

3.1 疑似窃电系数的判定

按照以上数据信息,可计算该用户于2017年9月11日的理论电量值为

电能表实际计量的日用电量为

疑似窃电系数为

3.2 电压、电流相关异常事件发生情况

经核查,该用户在每个整点15分左右发生电压回路异常事件,每个整点的45分左右电压回路异常事件恢复,异常事件发生较为明显,因此该事件可归列为二级疑似窃电事件。

图3 异常事件发生情况

3.3 异常事件连续发生时长判定

经核查,该用户连续2天发生异常,因此可判定为二级疑似窃电事件。

3.4 后续分析及研判

为对该用户进行详细核查,次日对其96点数据(每小时的整点、15分、30分、45分进行数据采集)进行了采集,发现该用户在每个整点的电流及功率数据较该整点时段的其他3个时间点要大5～10倍,与“每个整点15分左右发生电压回路异常事件,每个整点的45分左右电压回路异常事件恢复”的特点相一致。因此,此用户疑似对采集系统的整体数据采集机制进行了研究,选择在整点之后开始窃电行为、在下一个整点之前恢复特殊操作。

4 结束语

随着用电信息采集技术发展,用电信息数据采集频次进一步提升、数据采集范围进一步拓宽,如何拓展数据应用渠道,发挥电力大数据作用,值得进一步研究。本文依托用电信息采集用电量、负荷信息等多重类型数据,构建数学模型,能够实现疑似窃电用户的快速定位,大幅度减少采集系统监控盲区,降低供电公司经济损失。同时建立了疑似窃电用户的分级制度,有助于工作人员按事件级别优先安排分析及排查工作,具有较强的实用性。