用电检查与反窃电在线智能分析系统设计

用电检查与反窃电在线智能分析系统设计

李晨钢

国网昔阳县供电公司 山西晋中 045300

摘要：电力资源的发展，极大程度上满足了社会主义经济的发展要求，电力资源关系到人们生产生活的各个方面，为生产生活的顺利开展提供了物质上的支持。当前，普遍存在的违章用电及窃电行为，给电力系统的正常运行造成了极为严重的影响，破坏了电力系统的安全性，严重时甚至引发不可挽回的经济损失和安全事故，对社会经济的发展极为不利。供电企业必须加大排查力度，切实落实各项与用电检查及反窃电相关的技术，降低违规用电及窃电问题发生的可能性，维护电力系统的运行秩序，确保其安全、平稳的服务于人们。基于此，文章对用电检查反窃电的关键技术与策略进行了分析。

关键词：用电检查；反窃电；在线智能分析系统

引言

针对用户的窃电行为，电力企业需研究相对应的反窃电系统和防窃电系统，其可以在避免用户继续窃电的同时，准确的定位窃电用户的位置，从而对用户以往的窃电行为进行惩罚处理。而防窃电系统仅能够防止用户的继续窃电行为。现如今反窃电工作已经成为当前供电企业管理中的一项重要内容，可以在违规用电以及窃电纠纷频繁的情况下，通过反窃电系统中反窃电技术的运用，为整个电力网络的良性运转提供一个良好的辅助与支撑。

1窃电行为发生的主要成因

1.1反窃电技术滞后

窃电行为本身是一个技术的违法行为，为了彻底惩罚和整顿这种违法行为，首先考虑的就是要发展反窃电技术。但是，就目前而言，反窃电技术跟不上窃电技术的发展，其主要的专业性不强，技术落后，在电力检测体系中也缺少一个专门的反窃电技术的团队，从而这就给反窃电技术的检测与发展带来一定的困难。因此，目前的防窃电管理方法与技术跟不上窃电技术的发展，从而造成更多的猖獗行为发生。

1.2工作人员在责任心不强

在常规的用电检查过程中，工作人员忽略了用电检查执行程序的规范性，即使发现了用户窃电或者违规用电，但由于操作不规范导致证据缺乏真实性而无法对客户进行相应处罚。

2用电检查与反窃电在线智能分析系统设计

2.1数据传输模块

传统智能反窃电硬件系统中使用的输出传输设备为光纤传输，该设备具有传输速度快，数据传输稳定的优点，但要求传输的数据类型保持统一，且单次传输只支持一条线路的传输。为了解决光纤传输设备存在的局限性，因此GPRS技术。该技术是物联网技术的一个分支，可以实现分组无线服务传输。选用的传输介质仍为光纤传输介质，设置串口的配置为1路RS485和2路RS232，并设定串口数据格式为8位数据位和1位停止位，通过对硬件设备参数的调试，使之处于GPRS可以调用的状态，方便电网中窃电数据以及运行数据的传输。

2.2业务流程设计

用电异常监测模型对于整个系统的异常监测具有关键作用，因此要综合考虑多种因素设计合理的用电异常监测模型。在本次设计中需要根据实际的窃电现象进行分析，并依据线损、电压等参数来设计不同的用电异常模型。然后根据构建的模型以及系统的实测数据来监测用户的行为，如果发现异常的用电行为则会持续处于监控状态，并最终确定是否属于窃电嫌疑户。在监测过程中如果发现用户的窃电行为非常明显，则要继续采用系统的其他功能进行分析，并得到最终的判断结果，然后根据判定结果采取行之有效的措施。

2.3设置窃电行为判别指标

通过分析用户用电行为所导致的移仓来提出相应的用电异常，为了提高用户窃电行为识别的准确性，设置窃电行为判别指标，窃电行为的判别指标包括电压不平衡率、电流不平衡率、功率因数不平衡率等9项指标。综合多个判别指标的取值与判断，可以确定用户是否存在用电异常以及窃电行为，并确定窃电方式。

2.4异常预警监测界面

异常预警监测模块属于整个系统的核心功能模块，主要根据设定的用电异常预警模型以及瞬时量等基础数据实现用户异常用电行为的识别，具体用户包括专变用户、公变用户，对于监测到的异常用电行为则要采用其他措施继续监控，并最终确定是否存在窃电行为。根据异常预警监测模块的不同用户，可以将其划分为两个子模块，分别是公变和专变用户异常预警监测，后者主要是将专变用户的瞬时量等数据呈现在界面中，能根据其用电行为来监测是否存在窃电行为。如果监测到异常用电行为，则可以选择“添加到监控池”选项来调用窃电智能识别功能，以进一步实现对用户窃电行为的判断。

2.5深度学习技术

要想准确地识别窃电用户，必须在海量的数据信息中准确地找到电流电压异常事件，全面分析线损供应电量，上述数据存在一定的相似性，均带有时序性及稀疏性的特征。只有深入学习与反窃电技术相关的内容，才可从海量的数据中提取相关概念，准确地寻找到窃电用户，提升窃电识别的精准性，做好异动监测。深度学习从某种意义上来说是一种特定的网络结构，也可将其认定为计算机可储存结构。经过一定时间的发展，深度学习技术已经取得了明显的成绩，引起了学术领域的重视，其应用领域相当广泛，与图像特征编码、语音识别及计算机视觉等均有所关联。需要注意的是，原始数据的清理难度较高，预处理也面临全新的问题，原始数据由多个数据构成，其中包括了极为隐蔽的数据，固有的经验很难发现其潜藏在原始数据当中。数据分析会出现多种异常问题，例如指标统计值异常及中间数据生成异常等。总的来说，数据问题并不是一蹴而就的，而是一个逐渐摸索的过程。深度学习技术更有利于提高窃电工作的准确性，是做好用电异常预警项目的重要前提。

2.6强化人员素质与检测设备质量

增强用电检查人员的综合素养，除组织专业的知识体系培训外，同时加入硬件设备方面的知识体系培训，全面系统的学习。要求用电检查人员深度掌握及正确使用各类电工仪表，及时发现用电客户窃电行为，维护企业的利益。供电企业加大硬件设备的投资力度，完善防职业窃电型检测设备，组织相关人员参加新型设备培训并经考试合格，进而完美地实现人与物的结合。二是定期或不定期开展用电检查工作。组织开展大范围普查工作，频率以每季度或每半年一次为宜，结合用电采集系统统计异常分析，排查存在窃电行为的可能性。认真、全面的检查计量装置外观；核对用电设备类型、实际容量、名称；确认计量装置实际误差值。通过定期或不定期开展普查工作，大力打击窃电行为，保证电力供应的稳定性、安全性。

结束语

综上所述，电力能源是支撑社会及经济发展的重要资源，无论是在经济发展过程中，还是在社会建设过程中，均起着不可替代的作用。近些年来，窃电行为屡见不鲜，已经严重影响到了电力企业的运行与发展，用电检查工作不仅可以保障用户们的用电安全，而且还可以强化用电企业经济效益、强化用电企业社会声誉。为强化反窃电工作管理力度，通过用电检查与反窃电在线智能分析系统的支撑，可以配合原有手段，通过对用户用电行为的全面分析，提高了窃电查获率，具有相当可观的经济效益。关于系统的进一步建设和完善：正向，通过已知的窃电数据特征进行用户用电信息的检查，发现窃电痕迹和实事；反向，通过对窃电行为属性和成果案例不断总结和分析，挖掘出新的数据规则和判定策略，持续改进系统对窃电行为监测的准确性。

参考文献

[1]张玉梅.智能反窃电数据采集技术与应用分析[J].科技创新与应用，2017，12（20）:155-158.

[2]周宏建.用电检查与反窃电智能信息平台的设计与应用[J].低碳世界，2019，16（7）:236-240.

[3]李慧彤.浅议电力企业装表接电工作中的反窃电技术与应用[J].科技创新与应用，2017，21（29）:43.