（广州供电局 510620）
摘要：研究建立信息化及智能化的手段是反窃电技术研究的一个重要方向。在计量自动化系统及营销系统等信息系统的实时数据基础上，建立用电异常模型和反窃电模型，实现对用户电压、电流、线损等异常情况进行监测并智能分析，从而判断出窃电嫌疑用户，为反窃电查处工作提供依据。实践证明基于用电异常分析的反窃电系统成效显著。
关键字：窃电、用电异常、反窃电模型
1、概述
当今世界电能得到广泛的使用，但是窃电行为一直存在，部分地区甚至很猖獗，据不完全统计中国每年窃电金额超过200亿元。窃电行为不仅破坏了正常的供用电秩序，损害了电网企业的合法权益，还会带来安全隐患甚至危及电网安全。
各地供电企业都在开展不同形式的反窃电工作及反窃电技术研究。但目前反窃电技术仍存在较大局限性，绝大部分技术都需要依赖现场检查工作。随着窃电手段日益隐蔽及高科技化，反窃电难度越来越大，利用信息化及智能化反窃电手段取代大海捞针的日常巡视检查势在必行。目前广州地区计量自动化系统终端已实现100%覆盖而且在线率在95%以上，能采集所有计量装置的电压、电流及功率等实时数据，为实现通过信息化手段监测窃电行为提供了数据支撑及技术支持。广州供电局开展专题研究，在计量自动化系统及营销系统等信息系统的实时数据基础上，建立用电异常模型和反窃电模型，实现对用户电压、电流、线损等异常情况进行监测，对用电异常情况进行智能分析从而判断出窃电嫌疑用户，为反窃电工作提供信息化及智能化的手段。
2、用电异常分析
所谓窃电，就是指用户在电力与使用过程中，采用秘密窃取的方式非法占用电能，以达到不交或少交电费的违法行为。由于电能传输速度极快，不能存储，用户窃电并不是偷走“电能”，而是让计量装置少计量或者让计量装置故障。根据电工基础可知，我们电能表计量功率大小与电压、电流、电压与电流间的相位关系这三个变量有关。减少其中任何一个参数，都会造成计量的功率变少，从而达到窃电的目的。
一个用户，如果其用电行为正常，那么我们可以归纳出以下几点基本特征：电压值约等于供电电压，基本不变；电流随着负荷变化，但是三相电流基本平衡；功率因数基本稳定，相位角不会突变；用户线损在一定范围波动，一般不超过7%。我们可以通过分析用户电压、电流、功率因数（相位角）、线损、电量等电气数据以及这些参数的变化趋势，来分析用户的用电行为特征，比如负荷特性、是否窃电、计量故障、是否错峰用电等。这种思路不仅是我们分析电力系统、分析用户行为的基础，也是分析窃电行为的基础。
3、用电异常模型
大部分窃电行为的特性均可以电能表的记录分析得出，不论电能表是停转、反转、慢转，用户的用电情况均会有记录数据。前面分析看出，我们可以通过分析用户电压、电流、电量、功率因数（相位角）、线损等的变化，来判断用户是否存在窃电。用户电压、电流、电量、功率因数（相位角）、线损等不可能恒定不变，轻微的变化一定存在，而且这种微小的变化与窃电无关。但是如果变化的幅度超过一定的数值，我们就可以确定为异常。通过对用户的用电异常进行详细分析，可以确定用户是否存在窃电。
根据电工原理，结合广州地区用电实际以及以往窃电案例，设计了用电异常模型及判定条件。由于窃电主要在专变客户，这里重点介绍专变客户用电异常模型。
电压异常。由于用户电压值约等于供电电压，通过电压低于某阀值进行判定。
电流异常。由于电流随着负荷变化但是三相电流基本平，所以用三相电流不平衡进行判定。
功率因数异常。由于专变用户要执行力率考核，功率因数低于规定值的用户要进行处罚，所以专变用户功率基本上大于0.8。因此我们用功率因数低于某个阀值来判定。
电量异常。由于电量随时变化，但是正常情况下计量表采样值（表采）与负控装置采样值（交差）之间的差值相差不大，我们可以通过监测计量表采样值（表采）与负控装置采样值（交差）之间的差值来判定是否存在窃电行为。
线损异常。由于用户线损在一定范围内变化（城网线损率一般低于5%，农网线损率一般低于大于7%），用线损大于某个阀值来判定。
具体的异常模型如下。
4、反窃电模型
用户存在用电异常行为并不等于就一定有窃电行为，还有可能是由于断线、线路故障、外部干扰等原因造成。但是反过来，用电存在窃电行为则该用户的一定产生用电异常现象，而且通常不止一种用电异常现象并且用电异常现象具有持续性。根据这个基本思路来设计反窃电识别模型，即综合测算用户用电异常行为出现的种类及次数来判断是否存在窃电，这里我们简化为计算用户的“嫌疑系数”。我们将用户每种用电异常模型设定不同分值，用户一天当中出现用电异常模型的次数与该模型对应分值的乘积的累计值，就是用户的“嫌疑系数”。
公式：嫌疑系数=∑（用电异常分值*异常次数）
用电异常分值：该用电异常后与窃电行为的关联越高，分值越高。
异常次数：指用户在一天中出现用电异常模型中元素种类的总次数。
例如一个用户一天连续监测到的用地异常如下：
那么该用户的嫌疑系数：3*1+1*1+1*1=5
根据经验，用户出现用电异常种类越多且持续时间越长，那个存在窃电行为的可能性就越大。因此，我们将嫌疑系数达到一定分值并且持续一定时间的用户识别为“窃电嫌疑户”。根据反窃电经验，我们将嫌疑系数达到36分及36分以上且累计达到15天的用户，由系统该用户设置为“嫌疑”户。设定分值门槛为36分，主要是考虑到目前计量自动化系统每一个小时采集一次数据，用户存在用电异常一天一般达到24次，嫌疑系数至少24分，嫌疑系数36分基本上确定用户不止一种用电异常行为。对于“嫌疑”户，我们对其重点监控，加强分析，并开展现场检查确定是否存在窃电行为。当然，根据各地情况不同，嫌疑系数可以调整。
5、反窃电系统设计
为了节约成本与资源，基于用电异常分析的反窃电系统没有设计为独立的系统，它是对现有的计量自动化系统、营销系统实时数据进 行监测，发现异常后将其作为用电异常户进行监测，通过智能分析确定是否为窃电户。目前广州供电局的营销系统，涵盖各类客户信息以及客户办理业务信息的全部记录；计量自动化终端目前已实现全覆盖，能采集所有配变计量装置多维度实时数据，计量自动化系统为在线监测窃电行为提供了数据支持。营销系统、计量自动化的海量数据就是本系统的基础数据。本系统建设的核心功能就是用电异常模型及反窃电模型设计。
反窃电系统业务架构图
我们设计用电异常模型，从线损、电流、电压、功率因数等电气参数中设计若干用电异常模型。系统按照设定好的模型对营销系统、计量系统进行在线监测，查找用电异常用户。查到用电异常用户后对其用电情况的持续监控，将“嫌疑系数”达到一定分值且持续时间达到一定阀值的用户设定为窃电嫌疑户。对嫌疑户，工作人员可以借助“智能分析诊断”功能（电流、电压、电量分析等）进行分析，结合现场检查，确定是否存在窃电行为。
6、应用效果
反窃电系统集成于电能量数据平台中，整合计量自动化系统、营销系统实时数据，进行高级应用。具备以下功能模块：用电异常预警监测、窃电智能识别、智能识别规则设置、用电轨迹对比、案例知识库、阀值设定等。而且还可以进行以下数据查询功能：瞬时量监测、线路专变月线损异常监测、线路专变日线损异常监测、四区间电量分析、月时点功能对比、用电量同比对比等。
该系统2015年上半年开始试运行至今，通过反窃电系统抽取超过50个样本进行现场检查，发现窃电或计量故障用户的正确率超过70%。这些案件涉及的电费及违约金合计超过1000万元，已经收回近500万元，取得非常显著的经济效益。以前开展反窃电工作，都是大海捞针的日常巡检，工作效率很低。该系统上线后，反窃电工作主要依靠该系统监测到的用电异常用户开展。用电检查人员对用电异常用户开展针对性检查、针对窃电嫌疑用户直接进行现场查处检查，大大提供工作效率；用于反窃电工作的日常巡视检查大为减少，减少了人力物力，在国企员工零增长的背景下意义重大。
7、展望
通过近一年的运行，反窃电系统监测到大量用电异常用户及窃电嫌疑户，对这些“窃电嫌疑户”进行查处后进行统计分析，我们得出两个结论：第一、在用电异常模型中，线损异常与窃电行为关联并不大，这让我们感到很惊讶，因为在反窃电系统开发前我们基本上都是根据线损异常来开展反窃电工作。继续分析可以得出，线损异常大部分是基础档案不正确、拓扑关系不正确所致，与窃电之间关联不大。电流异常、电压异常与窃电行为关联度较高。电流异常模型、电压异常模型的异常分值可以给“3分”，其它异常模型基本上给“1分”。第二，“窃电嫌疑户”查处后发现，计量故障用户远超过窃电用户，目前反窃电系统无法识别用电异常究竟是窃电所致还是及软故障所致。这提醒我们，除了加强反窃电工作，我们还要高度重视计量故障用户，其给供电企业造成的损失可能超过窃电带来的损失。
基于用电异常分析的反窃电系统，可以实现了所有专变用户的用电异常行为分析，能及时发现发现窃电、计量故障等用电异常行为，为反窃电工作提供了智能化的技术手段。将来该系统将在反窃电工作发挥越来越大的作用。
参考文献
[1]林志坚，姚伟智，黄朝凯，林锐涛，姜浩.基于用电行为分析的反窃电在线监测及智能诊断系统研究[J].新技术新工艺.2015(5):137-140.
[2]周爽.反窃电实用技术的研究和应用[D].沈阳:东北大学,2005.
[3]陈腾飞.基于用电信息采集系统的窃电在线稽查装置的开发应用[D].北京:华北电力大学,2012.
[4]李晋.防治窃电技术[M].北京,中国电力出版社,2007,1-2.
[5]关志东.阐述窃电的分类与危害以及防偷窃电的方法[J].科技与企业.2012(22):114.
[6]闻永波.供电企业防窃电技术措施探讨[J].东北电力技术,2009,(2):48-50.
[7]商学斌.广州供电局线损管理实施细则（Q/CSG-GZPS211007-2014）（S）.广州:广州供电局, 2014,1-2.
论文作者:谭致远
论文发表刊物:《电力设备》2016年第5期
论文发表时间:2016/6/17
标签：窃电论文; 异常论文; 用户论文; 模型论文; 嫌疑论文; 系统论文; 电压论文; 《电力设备》2016年第5期论文;