基于大數據分析的電力盜竊檢測與預防系統研究

劉安磊,馬 迅,賈旭超,王錦騰,魏 濤

(國網河北省電力有限公司營銷服務中心,河北 石家莊 050035)

0 引言

電力是社會發展所需要的重要能源,目前電力系統面臨著嚴重的盜竊行為。電力盜竊技術的提升以及工作人員能力薄弱問題給電力系統的工作帶來了很多困難[14],非法電力盜竊技術日益增多,各種類型的盜竊技術對電力系統的運行構成了威脅。因此,亟需有效的電力檢查工作和防竊電系統[5-6],以確保電力系統的安全運行[7]。

蔣意玨等人[8]設計了一種基于三軸加速度傳感器的電纜在線監測算法和裝置,實時監測電纜是否存在破壞性竊電活動。通過搭建實驗平臺,采集傳感器數據,采用小波系數相關方法進行去噪。然后計算加速度與重力方向之間的角度,對數據進行小波分解,得到基于角度的小波能譜。同時,計算出復合加速度、偏斜度、標準差、熵等時頻域特征準則。最后,采用主成分分析法進行降維,采用BP神經網絡算法進行分類。多次測試出該算法的平均準確率,算法的優化提高了檢測精度,為防止竊電提供了一種新途徑。王舉[9]提出有必要合理開展電力系統的用電檢查,特別是加強反竊電工作。旨在研究當前電力系統用電檢查所面臨的問題,并提出了一系列應對措施,以期提升反竊電工作效果。陳向群等人[10]提出了一種電力盜竊檢測預防策略,該策略可以在不中斷電源的情況下檢測和預防竊電。通過整合配電網的電壓,為非法連接的負載提供電源電壓。建立一個消費者監督單位,以保障電壓調節的穩定性,并確保竊電預防系統有效運行。楊躍軍[11]提出電網企業在發展與管理中違章用電和竊電行為,給電網企業的經濟發展和社會進步帶來了不利影響。沈波[12]提出在三相電能計量系統防竊電技術中,使用具有防竊電功能的電能表與防竊電計量裝置,運用網絡技術,實現防竊電功能,減少電力企業的經濟損失,確保用電用戶的權益。

雖然上述研究充分證明了所提方法的有效性,然而未解決在實際應用中遇到的一些特定情況,以及對不同類型的電力盜竊行為的適應性。在此基礎上,本文針對電力盜竊問題,提出了一種基于大數據分析的檢測模型。通過對數據集進行安全檢測,利用神經網絡算法建立了安全狀態監測模型。該模型通過計算隱藏層的數據信息,對原始電力系統進行安全檢測,得到相應的結果。在對神經網絡模型進行反復迭代訓練的基礎上,得出了數據安全狀態檢測的結果。通過采用隨機函數對隱含層進行多次迭代訓練,最終得到了輸出層的結果,從而成功識別了電力盜竊行為。同時,采用奇異值分解法以用戶數據為基礎進行竊電檢測,通過從最大特征值到最小特征值的奇異值分解,形成了數據樣本矩陣。

1 基于大數據分析的電力盜竊檢測模型

基于竊電檢測的現狀和不足以及竊電預防系統的發展,結合電力用戶實際情況,本文基于海量的數據分析,建立電力盜竊檢測模型[13],如圖1所示。通過該模型獲取在線監測數據,由實時監控和控制中心保障其安全狀態,并將數據傳送至電力盜竊檢測中心。從收集的用戶數據特點出發,定位疑似竊電用戶,預測疑似概率指標。

圖1 基于大數據分析的電力盜竊檢測模型

2 電力盜竊與預防系統計算

2.1 安全因素的關聯分析

大數據的特征可以總結為速度快、類型多、數據量大、價值高、真實可信等[14-15]?；诖髷祿治龅碾娏ΡI竊檢測與預防系統是通過使用機器學習算法來分析用戶的日常用電量模式以建立分類模型。

設安全狀態數據樣本集為G={g1,g2,…,g r} ,樣本集對應的模糊子集為H={h1,h2,…,h r} 。

電力盜竊檢測系統的安全數據有特殊的關聯性,為了保證安全數據的真實性,對計算得到的兩個集進行精確的校正和調整,利用大數據分析計算出修正度δ,即

式中:μ為電力盜竊檢測與預防系統的相關系數,用以表示系統的安全狀態強度分級,取系統的安全度相關系數為[0,0.3],此時系統安全的修正度δ為0.03;如果系統的安全度相關系數值為[0.3,0.5],則此時系統的修正度δ為0.5;若系統安全的相關系數值為[0.6,1.0],則系統此時的修正度δ為0。將以上分級結果作為修正處理的數據結果,可得到電力盜竊檢測與預防系統安全狀態和數據之間的關聯性分析。

根據電力盜竊檢測與預防系統安全狀態數據之間的相關因素,利用神經網絡算法在輸入層輸入安全數據,經過隱藏層的處理計算,得到了輸出檢測結果。最后計算電力盜竊的技術損耗,得出了測量的歐姆損失,在對大數據分析迭代訓練的基礎之上完成電力盜竊檢測與預防系統模型的建立。系統在輸入層進行電力安全數據的分析,并輸出電力安全數據檢索結果,經過對數據反復輸入與迭代訓練后得到系統與數據的交互值,對電力盜竊檢測與預防系統進行安全狀態檢測,此時得到的結果更加精確。

設電力盜竊檢測與預防系統的數據狀態為A=a1,a2,…,ar{} ,其也代表為數據的信息集合,基于時間矩陣對電力盜竊系統進行安全分析,其中數據矩陣表示為B,即:

式中:u為電力盜竊檢測時間;r反映了電力盜竊檢測的時刻;k為檢測時間的延遲系數;a為r時刻進行檢測時所考慮的延遲因素;b為矩陣B中的用戶信息。

將得到的安全系數和矩陣設立為系統模型的輸入層,此時系統隱含層的函數

式中:q為隱含神經元的數量;m為輸出層節點的數量;權重系數m pq為隱含層數據的核心,是連接輸入層p與隱含層q之間的權重系數;γ為系統的常數;ε為系統安全狀態時的最佳函數。

對隱含層不斷進行訓練,使用擾動和噪聲隨機函數N加入訓練,N代表一種隨機擾動或者噪聲,用以模擬實際情況中的隨機性或不確定性。得出輸出層的最終結果

式中:v為隱含層與對應的系統安全關聯性。

通過對安全因素的關聯性進行深入剖析,能夠為電力盜竊與預防系統的設計和優化提供有力的參考依據。

2.2 無竊電時線路損耗計算

要識別電力盜竊行為,需要先確定其技術損耗,其中電阻傳感器為r s;t為分支路線s的實際電阻,指在電力系統中傳輸線或分支路線本身的電阻。由于傳輸線與用戶i之間存在電阻,則j的歐姆損失

式中:L i,j為j時用戶i的損失值;I i(t)為瞬時電流;dt為時間;r s為分支線路s的實際電阻,其值為

式中:r0和T0為初始電阻和溫度;k為溫度系數;T為實時測量溫度。

基于r0和T0,k可以簡化為

式中:p s和q s為分支線路s的溫度系數。

當發生電力盜竊行為時,瞬時電流的值會被修改,此時所有的瞬時電流皆為未知數I i(t)。因此,如果電流的大小與時間有關聯性,那么其應分為段性和線性,即

此時,電力盜竊行為時間t j-1～t j配電網損耗

將式(9)展開可得

在一段時間內,通過電網節點與所有合法用戶之間的功率平衡獲得的所有分支的總技術損失

式中:L j為t j-1～t j內電網技術損耗總量;lno為非歐姆技術損失的總額;A為每個真實客戶安裝的智能電表的數量。

為了能夠準確的得到電力盜竊檢測與預防系統在進行電流檢測時的線流電阻,運用奇異值分解法,將用戶數據進行采集后開始檢測。先計算出電路的導線電阻,再計算出矩陣B的奇異值,需要3個矩陣ψ、∑和ζ的乘積,即

式中:ψ和ζ為正交矩陣,∑為對角矩陣。

從最大特征值到最小特征值進行奇異值分解,把之前形成的用戶數據矩陣B分解,即

式中:L為技術損耗的矢量形式,L1,L2,…,L?為時間間隔為1,2,…,?內所有分支總的技術損耗。

2.3 系統運行流程

基于大數據分析的電力盜竊檢測與預防系統,包括安全狀態提取、安全狀態評估以及系統安全預防3個部分。電力盜竊檢測預防流程見圖2,首先,將客戶ID 號分配給智能電表,通過消費者監督單位收集用戶數據,并與管理系統進行通信。通過雙向廣域網收集的數據,計算非技術損耗,對系統安全狀態提取后進行大數據分析。

在系統得到安全系數p s和q s后,p s為有功功率,q s代表無功功率。開始計算所需要的技術損耗,其中時間間隔j分支線路s的技術損耗為

利用非法分接,此時會出現額外電流I m t(j) ,此時的總電流為I m t(j)+I s t(j) ,產生的電壓差為ΔV s≈r s[I m t(j)+I i t(j)] ,分支線路s的電壓差ΔV s=V t-V t-1也將改變。此時,分支線路s是可能發生非法用電的地點,會向系統發出警告,表明當時配電網中發生了非法竊電。

為了檢測是否發生了電力盜竊行為,利用

3 電力盜竊檢測與預防系統分析

3.1 用電數據集分析

為了更好的對電力盜竊檢測與預防系統進行研究分析,本文進行了監測消費者用電行為的模擬試驗,由配電公司定時記錄每日的用電數據行為。竊電數據屬于敏感數據,本文使用的數據集來自國家電網發布的低壓用戶用電量數據集。數據采集的頻率是每天一次,這些數據由國家電網公司的專業人員處理,包括被標記的正常用戶和竊電者。該數據集包含2018年1月至2020年10月份41 377名用戶的每日用電消耗統計數據。其中正常用戶的數量為37 989,竊電用戶的數量為3 388,竊電用戶明顯低于普通用電用戶。通過對數據集的初步觀察發現,正常用戶和竊電者的日負荷趨勢存在差異,日負荷數據不斷波動。正常用戶的日負荷數據相對正常,而電力盜竊者的日負荷值波動性較強,能耗值普遍高于正常用戶。

3.2 電壓分析

在電力系統運行過程中,電壓盜竊頻率最高,導致供電效率下降。對于此類狀況,有效地解決方法是將反竊電技術應用于電力檢查工作中,從根源上遏制竊電行為,促使電力運行穩定性提升。正常狀態與竊電狀態的系統電壓見圖3。

正常狀態配電網電壓和用戶端電壓如圖3(a)所示,如果配電網變壓器VDT電壓為230 V,而用戶端的電壓,即用戶接收到的電壓VCU為229 V,電力盜竊檢測與預防系統將無法正常運行。在電力系統的運行中,為了進一步防止電力盜竊行為的發生,可以在用戶的用電端安裝高壓計量箱,從而為每個用戶設置獨立的線路。還可以對電力盜竊檢測和預防系統的狀態進行運行分析,根據得到的結果進行線路改造,改造完成后,需要同步進行支線的移交工作。針對基于大數據分析的電力盜竊檢測與預防系統研究,測量裝置的轉移工作顯得尤為關鍵?？梢岳霉簿€路將測量裝置轉移到對應的位置,在選擇裝置點時,必須慎重考慮電線桿的合適性,并在安裝前提前確認電線管的準確安裝位置,以便為子系統的監控設備留出必要的安裝空間,從而為系統的順利運行提供重要保障。

竊電狀態下配電網電壓和系統電壓如圖3(b)所示,在電力盜竊狀態下的配電網電壓VTP最高電壓達到300 V,電力盜竊檢測和預防系統會產生過電壓,使非法連接的設備無法運行。通過將電壓調節到額定值,為正常用戶進行供電。

3.3 系統性能分析

在用電行為檢測中,工作人員發現電力盜竊行為后會立刻與周邊的電力盜竊預防系統進行關聯,同時在電路系統上安裝壓力計時器。圖4為正常用戶和電力盜竊的用電趨勢圖,可以看出,竊電過程中負載數據的波動非常突出,12天左右時電力盜竊2的用電量可達到1.5 k Wh。通過以上分析可以看出,需要定期對電力系統進行檢查,保證供電質量。除此之外,各種電力盜竊行為頻繁發生,電力企業在檢查時應當開展電力盜竊檢測與預防系統的推廣工作,進一步預防電力盜竊行為發生。

4 結論

本文基于大數據分析對用戶用電行為進行了深入研究,通過記錄實際日負荷數據和用電數據的采集,成功地揭示了電力盜竊的日負荷數據波動性較強,同時也證實了電力盜竊檢測與預防系統具備較高的穩定性。此外,在正常狀態和竊電狀態下對用戶端以及系統電壓進行了詳細的分析,結果表明在正常狀態下,電壓最高為230 V,而在竊電狀態下,最高電壓可達到300 V。最后,對于正常用戶和電力盜竊行為的用電趨勢進行了全面分析,發現電力盜竊的規律。

綜上所述,該系統能夠有效地預防電力盜竊行為,同時也成功地抑制了配電網的非技術性損耗,避免了因竊電導致配電網變壓器的過載,為防止竊電行為的發生提供了有效的保障。接下來,可以進一步優化該系統的算法和技術,以提高其在實際應用中的性能和效率。