基于神经网络的敏感台区反窃电监测方法的研究

白锐 何平 赵灿 兴胜利 李荷婷

（国网江苏省电力有限公司苏州供电分公司 江苏省苏州市 215004）

1 神经网络概述

神经网络指的是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型，这种网络主要依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系来达到处理信息的目的。神经网络内部的BP 算法又被称为误差反向传播算法，这种算法在理论上可以逼近任意函数，基本的结构由非线性变化单元组成，具有很强的非线性映射能力。基于神经网络的敏感台区反窃电监测方法主要指的是通过神经网络算法对电力系统中用户用电数据进行采集，而后对这些数据进行转换处理，通过监测数据变化来获取各用户漏窃电的嫌疑系数，以此来达到反窃电现象发生的目的[1]。

2 系统设计

敏感台区反窃电监测方法作为电力系统正常运行的重要构成部分，其能够从根本上对用户的窃电行为进行发现并制止。敏感台区反窃电监测系统的主要目标是通过预测框架结构中的数据清洗、聚类分析和关联分析等功能实现的。如若发电量与用户用电量数据相差较大的话将意味着该用户存在窃电行为，而这便会使得整个电力系统的盈利收到严重的影响，只有根据实际情况及时做出调整，才能够最大程度上保证电力系统的运行安全。

2.1 系统目标

在电力系统中应用敏感台区反窃电监测方法主要是为了对用户用电量以及线损等电力系统运行过程中所产生的各方面数据进行实时的监测和分析，一旦各个方面数据出现较大变动等特殊情况那么系统便会立即发出警报，提醒工作人员对预警部位进行检查维修，从而以此来达到提升电力系统运行稳定性、避免用户窃电行为发生的目的。如图1 所示。

图1：数据分析框架

2.2 数据清洗

依据敏感台区反窃电监测系统进行用户用电量等数据监测的时候可能会遇到数据值出现异常丢失的情况，而在数据清洗中发现这种情况的话便需要对丢失的数据进行补充，根据预测需求的不同对数据补充的情况也是有所不同的，一般情况下发电量、用户用电量等数据缺失区间是不得超过1h或者1d 的，如若超过的话，那么便需要在进行数据清洗的时候使用前一个小时或者前一天的运行数据进行补充，从而以此来达到确保监测数据真实可靠的目的。敏感台区反窃电监测方法对历史时序数据进行数据清洗的要求都是缺失区间不能超过一个月，如若超过一个月的话，那么这条历史时序数据将会被丢弃，无法投入到应用之中。

2.3 聚类分析

根据用户用电需求的不同能够将配电网配电变压器分为住宅类、商业类和混用类三种，每种配电变压器的属性和运行效率都是有所不同的，所监测出来的运行数据自然也都是存在着较大区别的，而为了保证所有监测信息数据分析的可行性和科学性，便需要依靠敏感台区反窃电监测系统中的聚类分析功能将不同种类的配电变压器进行自动识别分类。而聚类分析的功能则主要依靠的是鉴别不同种类配电变压器的用户用电量曲线周期特征来实现的，商业类的用户所使用的电量比较多，在采用敏感台区反窃电监测方法进行监测的时候也比较困难，但是所监测到的数据相对来说要平稳一些，这是因为其长时间处于运行状态之中，而住宅类的数据监测则能够普遍出现高峰期和平台型，混用类配电变压器的识别是具有最高难度的，只能够根据判断其是否满足住宅类和商业类配电变压器功率曲线的共同特征来进行分别。

2.4 关联分析

用户用电量数据监测跟其运行环境以及其它一些因素也有着较大的关联，采用敏感台区反窃电监测方法监测用户过程中产生的信息数据在一定程度上也会受到温度、湿度等自然环境因素的影响，因此通过敏感台区反窃电监测系统对用户用电量等进行监测的话则也需要可能对其造成影响的各方面因素进行分析。根据有关研究数据可以得知，用户用电量等与线损、功率数之间的关联性要大一些，如若线损较为严重的话，那么电量输出与用户用电量之间便存在着较大的差别。敏感台区反窃电监测系统中的关联分析便是基于用户用电量等监测信息数据的基础上对相关自然因素进行分析，以此来进一步确保所监测到数据的整体质量。

图2：敏感台区反窃电监测框架

2.4.1 自然因素

电力系统是处于长期运行状态之中的，其可能会面临各种各样的恶劣天气，不管是风雨天气因素还是雷电等自然灾害都会对配电网造成一定的安全威胁。而且不同地区的温度、湿度也是不同的，这对于配电网设备的运行来说也有着一定的影响，配电网设备如若长期处于较为恶劣的自然环境中的话，那么其发生故障的可能性也将会大幅度的增加，同时敏感台区反窃电监测方法监测到的一些数据也将可能会因为这些因素出现上升或者下降的现象，这对于敏感台区反窃电监测系统的功能作用发挥来说有着一定的影响。

2.4.2 人为因素

人为因素主要能够分为外力破坏和人为操作失误两种，其中外力破坏的话则指的是配电网电气设备、线路等遭受暴力损坏，而人为操作失误则指的是工作人员操作不规范引起配电网设备发生故障等现象。人为因素在用户窃电行为中也占据着较大的比例，只有通过加强日常的管理监督，才能够降低人为因素导致用户窃电行为发生的可能性。

3 基于神经网络的敏感台区反窃电监测方法

3.1 敏感台区反窃电监测方法的实现

敏感台区反窃电监测方法相当于是利用计算机技术、人工智能技术等先进技术形成的敏感台区反窃电监测系统平台，其中主要能够分为用户用电量监测和线损率监测以及评价指标体系构建等多种功能。用户用电量监测功能主要实现的是对电力系统正常运行所产生的发电量数据和用户的用电量数据进行监测，其不仅能够有效辨别出环境干扰因素，而且还可以保证所有监测数据的精准性。敏感台区反窃电监测方法的其它功能则主要实现的是对所有影响窃电数据的各个方面因素进行分析的作用，一旦所监测到的数据出现较大变动或者存在较大嫌疑的话，那么敏感台区反窃电监测平台便会立即发出警报，而且工作人员也能够根据平台上的监测信息来判断出出现窃电行为用户的具体位置和情况。

图3：反窃电评价指标体系确定

3.2 敏感台区反窃电监测数据采集、清洗

敏感台区反窃电监测方法中的数据采集清洗结构大致能够分为四层组成部分，数据清洗、聚类分析、关联分析和预测建模，其中数据清洗则主要指的是对所监测收集到的所有用户用电量等相关信息数据进行初步挑选，排除没有利用价值的无用信息，保留有关窃电监测相关数据，从而以此来达到为下一步数据分析提供较为可靠基础数据的目的。而聚类分析则是可以根据不同用户的不同用电需求对其相关配电变压器进行分类监测，确保所有监测数据的合理性和科学性。关联分析则将用户用电量等信息数据与其它有关因素等关联起来进行分析，以此来达到降低监测失误可能性的目的。

3.3 敏感台区反窃电监测预警

敏感台区反窃电监测方法能够根据对发电站的发电量以及用户用电量进行及时的监测和分析，判断其是否存在用户窃电行为的现象，一旦发电站发电量与用户用电量数据之间存在较大差别的现象发生，那么敏感台区反窃电监测方法便会自动发出警报，以此来达到提示用户存在窃电嫌疑的目的。敏感台区反窃电监测方法能够对所监测到的数据进行对象过滤和状态预警，其中对象过滤则主要针对的是在线损率、用户用电率等所有数据进行筛选过滤，将一些与用户窃电行为分析没有任何关联的数据进行排除，筛选出具有一定价值的对象数据，而状态预警则是敏感台区反窃电监测预警功能作用发挥的重中之重，其能够根据对象过滤后的所有相关数据进行实时的分析，一旦出现疑似窃电现象，那么其便会立即发出警报，这样的话工作人员便需要对电力系统的运行状态进行调整，将存在疑似窃电的用户进行调查，以此来达到确保电力系统运行正常的目的。

表1：用户用电数据监测图

图4：基于BP 神经网络的反窃电模型

3.4 反窃电功能

基于神经网络的敏感台区反窃电监测方法最重要的功能便是反窃电功能，其通过对电力系统中不同用户的实际用电情况进行用电数据的采集，利用BP 算法[2]对发电站发出的电量和监测到用户的使用电量进行对比，分析用户是否存在窃电行为。敏感台区反窃电监测主要能够起到分析负荷数据、电量信息、电流和电压以及线损情况的功能，通过对这些数据进行分析比对明确用户的用电情况，从而以此来达到保护电力系统电力运行绝对安全的目的。

3.5 反窃电评价指标体系

反窃电指标评价体系是根据用户窃电特点及对用户用电影响负荷因素进行分析，并提取能够对窃电嫌疑系数产生影响的指标的特征量组成的。用户用电信息采集系统的数据量庞大、数据结构关系复杂，通过对目前多种窃电方式的分析，本文选用日用电量、线损率、功率数、台区线损、合同容量比、三相不平衡率等指标构建指标评价体系。

3.6 基于神经网络的反窃电模型

BP 算法输入样本从输入层向输出层传递的过程中需要经过各种隐层的处理，这是信号正向传播的特点，而误差的反向传播阶段是指实际输出和输出层的期望输出不一致。信号的正向传播与信号反向传播两个过程构成了BP 算法的学习。当期望输出和实际输出的误差进入隐层输入层后，经过层层反转，再进入各层的每一个单元，从而能够得到每一层单元的误差信号，根据这个误差信号去修正每个单元的权值。

针对反窃电评价建立BP 神经网络模型，必须在已确定的用电用户状态评价指标体系中使用通过敏感台区反窃电监测方法所监测到的数据进行分析处理，不断通过交叉验证已知的窃电样本，来进一步优化评价指标模型，获取用电用户的窃电概率，最后据此划分不同的用户信用等级；将输入数据进行归一化处理，归一化区间选取[0，2]，数值0 表示无窃电嫌疑，数值1 表示一般窃电嫌疑，数值2 表示重大窃电嫌疑；对模型进行训练，在训练过程中可以调节影响训练效果的输入、含层函数、输出层函数、训练算法、归一化区间、隐含层个数、学习速率、最小目标误差和最大训练次数。训练达到预期目标后结束，得到最终预测模型，用来预测是否窃电[3]。

3.7 处理程序

在敏感台区反窃电监测方法中还存在误差现象的发生，从多维角度对所监测到的各个方面数据进行分析，将其中误差较大的无用数据进行剔除，结合用户的其它情况来对窃电问题进行根本上的分析，在对线损率进行分析之后明确反窃电具体位置，从而推动反窃电工作更加顺利的开展。

4 提高敏感台区反窃电监测效果的发展对策

想要在未来不断提高我国敏感台区反窃电监测的整体水平效果，首先需要构建完善的敏感台区反窃电监测网络质量管理体系以及有效的敏感台区反窃电监测网络质量管理平台，其次还需要加强敏感台区反窃电监测相关技术的进一步研发，也只有不断的对敏感台区反窃电监测设备以及监测技术进行更深程度的研究，才能够保证敏感台区反窃电监测方法在电力系统运行过程中发挥出更加重要的作用。

4.1 构建完善的敏感台区反窃电监测网络质量管理体系

我国的敏感台区反窃电监测网络质量管理体系已经构建的相对成熟，不同等级的发电站所利用的敏感台区反窃电监测方法系数也是有所不同的。不过随着社会的不断发展以及电力系统对敏感台区反窃电监测效果的日益重视，未来的敏感台区反窃电监测技术也会更加的智能化，而构建完善的敏感台区反窃电监测网络质量管理体系才能够保证其在电力系统中发挥出应有的作用，不同地区的电力系统全部使用相同的敏感台区反窃电监测方法、技术规范以及质量控制系统规定，这样的话当某一地区或者某一环节出现问题的时候，也不会对整个电力系统造成太大的影响，既能够保证所有敏感台区反窃电监测数据结果的可靠性，又能够促进电力系统相关行业的快速发展。

4.2 建立有效的敏感台区反窃电监测网络质量管理平台[5]

敏感台区反窃电监测作用的发挥离不开智能化敏感台区反窃电监测网络质量管理平台的建设，这个平台不仅能够将电力系统中通过敏感台区反窃电监测方法监测出来的所有用户用电数据全部进行统计，实现不同单位之间的数据资源共享，还能够对不同部门中工作人员的信息进行一定程度上的整理，使得整个敏感台区反窃电监测网络质量管理体系内部的工作更加的符合规定，既能够方便相关监测工作的进行，又能够起到一定的监督作用，对于电力系统相关行业未来的发展有着重要的推动作用。

4.3 加快相关领域的研究进度

随着各种先进技术的愈加先进，发电站等有关单位也应当根据敏感台区反窃电监测方法实际应用情况不断的对该技术进行革新，只有不断的使得敏感台区反窃电监测方法技术水平达到更高的层次，才能够更加准确的监测到用户的用电数据，并对窃电用户进行自动识别，从而以此来达到保护电力输送安全的目的。

5 结束语

总而言之，敏感台区反窃电监测方法对于电力系统的正常运行和用户窃电行为的防护来说有着重要的作用，虽然如今我国大多数电力系统均已运用敏感台区反窃电监测方法，敏感台区反窃电监测技术相对来说也较为成熟，但是仍然还是有着较大程度的进步空间，只有不断的革新敏感台区反窃电监测技术，才能够在未来电力系统要求更多的发展市场前景中依然发挥着自身的作用，在保证反窃电环境监测数据稳定可靠的情况下提供出更多的相关有用数据，以达到促进社会经济快速发展的目的。