電力營(yíng)銷(xiāo)大數(shù)據(jù)在反竊電檢查中的應(yīng)用研究

柴金成

摘要：經(jīng)濟(jì)的發(fā)展，社會(huì)的進(jìn)步推動(dòng)了我國(guó)綜合國(guó)力的提升，也帶動(dòng)了電力行業(yè)的飛速發(fā)展，同時(shí)，隨著科技水平的提升，我國(guó)已經(jīng)進(jìn)入了信息化和大數(shù)據(jù)時(shí)代，各行各業(yè)廣泛應(yīng)用大數(shù)據(jù)技術(shù)提升管理監(jiān)督效果。在電力行業(yè)中，反竊電檢查是保證企業(yè)效益的有效手段，越來(lái)越多的企業(yè)加強(qiáng)應(yīng)用大數(shù)據(jù)技術(shù)加強(qiáng)質(zhì)量檢查，但結(jié)合實(shí)際來(lái)看，仍存在些許不足。為有效地降低竊電現(xiàn)象發(fā)生頻率，加強(qiáng)對(duì)電力營(yíng)銷(xiāo)數(shù)據(jù)的應(yīng)用是一種有效的手段，對(duì)促進(jìn)企業(yè)發(fā)展有重要作用。

關(guān)鍵詞：電力營(yíng)銷(xiāo);大數(shù)據(jù);反竊電檢查;應(yīng)用

引言

大數(shù)據(jù)作為一種新型技術(shù)，可以高效地對(duì)數(shù)據(jù)進(jìn)行分析、處理，應(yīng)用價(jià)值比較高。為此，在開(kāi)展電力企業(yè)營(yíng)銷(xiāo)管理創(chuàng)新時(shí)，必須要科學(xué)地應(yīng)用大數(shù)據(jù)技術(shù)，這需要電力企業(yè)在第一時(shí)間了解到市場(chǎng)的動(dòng)態(tài)以及群眾的需求，并從細(xì)節(jié)出發(fā)開(kāi)展業(yè)務(wù)活動(dòng)，只有如此，才能夠確保電力企業(yè)營(yíng)銷(xiāo)管理工作是行之有效的，為電力企業(yè)的進(jìn)一步發(fā)展提供支持。

1應(yīng)用電力營(yíng)銷(xiāo)大數(shù)據(jù)開(kāi)展反竊電檢查的必要性

基于市場(chǎng)的變化，供電企業(yè)為了調(diào)整當(dāng)前的電力營(yíng)銷(xiāo)體系，不斷加強(qiáng)業(yè)務(wù)集約化發(fā)展，在這過(guò)程中，較為重要的是反竊電檢查，通過(guò)應(yīng)用大數(shù)據(jù)技術(shù)有效地提升了檢查效率和準(zhǔn)確性，對(duì)于電力營(yíng)銷(xiāo)活動(dòng)有促進(jìn)作用?；谛录夹g(shù)的強(qiáng)大功能，以大數(shù)據(jù)為基礎(chǔ)的反竊電檢查代替了傳統(tǒng)的檢查方式，對(duì)促進(jìn)電力企業(yè)核心競(jìng)爭(zhēng)力的提升有重要作用，促進(jìn)以用戶需求為導(dǎo)向的電力營(yíng)銷(xiāo)模式的建設(shè)與完善。

2電力營(yíng)銷(xiāo)大數(shù)據(jù)在反竊電檢查中的應(yīng)用

2.1基于K值法的線損異常分析及反竊電

為滿足復(fù)雜電網(wǎng)結(jié)構(gòu)對(duì)反竊電工作的要求，進(jìn)一步提升電網(wǎng)企業(yè)反竊電工作效率、降低線損率，通過(guò)抓住用戶小時(shí)用電量隨線損波動(dòng)的規(guī)律，建立線損異常分析模型，極大縮小了核查范圍，降低了反竊電工作成本。K值法的模型驗(yàn)證主要涉及以下幾個(gè)方面：首先是相關(guān)系數(shù)法。運(yùn)用相關(guān)性分析，當(dāng)線損量與用電量的相關(guān)系數(shù)趨近于1時(shí)，則可判斷用戶有竊電嫌疑。記X為用電量，Y為線損量，做出散點(diǎn)圖，計(jì)算兩個(gè)用戶用電下降量與線損增長(zhǎng)率之間的關(guān)系數(shù)。用戶1的相關(guān)系數(shù)為0.8141473628430643。用戶2的相關(guān)系數(shù)為0.9394492710138272。兩用戶用電量與線損量之間的相關(guān)系數(shù)都趨近于1，為強(qiáng)相關(guān)關(guān)系，即該用戶存在異常用電情況。其次是電壓電流曲線比對(duì)。在用采系統(tǒng)用戶用電信息模塊中打開(kāi)用戶電流曲線，觀察用戶電流曲線是否存在異常情況。

2.2面向能源互聯(lián)網(wǎng)終端用戶的異常數(shù)據(jù)檢測(cè)

傳統(tǒng)的終端用戶異常用電模式檢測(cè)方法是現(xiàn)場(chǎng)人員定期巡檢線路、定期校驗(yàn)電表、用戶舉報(bào)等，但這些手段對(duì)人的依賴性較大，需要投入大量的人力成本，同時(shí)，用電模式的檢測(cè)耗時(shí)較長(zhǎng)、效率較低。此外，用戶的竊電手段多種多樣，傳統(tǒng)的異常用電模式檢測(cè)方法難以準(zhǔn)確地判斷用戶用電是否正常，亟需檢測(cè)精度較高、耗時(shí)較少的輕量化的異常用電模式檢測(cè)方法。目前，對(duì)于異常用電模式檢測(cè)的研究主要分為基于系統(tǒng)狀態(tài)和基于人工智能2類方法?；谙到y(tǒng)狀態(tài)的分析方法是通過(guò)實(shí)時(shí)比較配電網(wǎng)的功率、電壓、電流等大量數(shù)據(jù)的變化來(lái)檢測(cè)異常用電模式。通過(guò)對(duì)用戶日用電量和日線損電量數(shù)據(jù)進(jìn)行批量處理及相關(guān)度分析識(shí)別臺(tái)區(qū)用戶竊電行為，從而實(shí)現(xiàn)用戶異常用電模式的檢測(cè)。用戶側(cè)具有海量且多元的用電數(shù)據(jù)，異常用電模式也多種多樣，基于系統(tǒng)狀態(tài)的檢測(cè)方法需要較長(zhǎng)的檢測(cè)時(shí)間。為了縮短檢測(cè)時(shí)間并提高檢測(cè)精度，逐漸出現(xiàn)了基于人工智能的異常用電模式檢測(cè)模型，該模型首先通過(guò)數(shù)據(jù)分析提取可以反映異常用電模式的指標(biāo)，再借助人工智能的方法訓(xùn)練指標(biāo)與用電模式檢測(cè)結(jié)果之間的映射關(guān)系，完成異常用電模式檢測(cè)模型的構(gòu)建。例如，借助主成分分析實(shí)現(xiàn)大量負(fù)荷數(shù)據(jù)的可視化，構(gòu)建了無(wú)監(jiān)督學(xué)習(xí)的異常用電模式檢測(cè)模型;以正常用戶用電數(shù)據(jù)為訓(xùn)練樣本，采用自編碼網(wǎng)絡(luò)學(xué)習(xí)數(shù)據(jù)特征，重構(gòu)輸入數(shù)據(jù)以計(jì)算檢測(cè)閾值，基于此建立了對(duì)比誤差與檢測(cè)閾值的異常用電行為辨識(shí)模型;利用時(shí)間窗函數(shù)與Bootstrap重采樣建立用戶側(cè)行為模式信息簇的隨機(jī)森林模型。

2.3優(yōu)化遠(yuǎn)程抄表系統(tǒng)設(shè)計(jì)

在電力系統(tǒng)電力營(yíng)銷(xiāo)實(shí)際應(yīng)用的過(guò)程中，變電站遠(yuǎn)程抄表系統(tǒng)是遠(yuǎn)抄過(guò)程的重要部分之一，利用變電站遠(yuǎn)程抄表系統(tǒng)對(duì)營(yíng)銷(xiāo)服務(wù)系統(tǒng)加以完善。針對(duì)電能表，可以在現(xiàn)有電能表的基礎(chǔ)上創(chuàng)新，制定全新的工作規(guī)劃，分階段更換，能夠提高整體精確度，在系統(tǒng)數(shù)據(jù)采集工作中有著較高的應(yīng)用價(jià)值。以往設(shè)備建設(shè)是建立新變電站的遠(yuǎn)程抄表體系的重要依據(jù)，工作人員要積極引進(jìn)新型數(shù)據(jù)采集設(shè)備，在工作中安裝智能電能表，對(duì)其系統(tǒng)統(tǒng)一管理。結(jié)合電力營(yíng)銷(xiāo)信息系統(tǒng)中數(shù)據(jù)的實(shí)際變化情況，在系統(tǒng)與管理之間創(chuàng)建接口，營(yíng)銷(xiāo)信息系統(tǒng)才能有序運(yùn)行。從實(shí)踐中得出，終端采集方式與電力營(yíng)銷(xiāo)工作有著較為明顯的差異，利用電能表可以轉(zhuǎn)變其方式，在樓層鋪設(shè)中合理配置，通過(guò)載波方式集中處理。

2.4基于離群點(diǎn)算法的低壓竊電行為主動(dòng)辨識(shí)系統(tǒng)

有效的反竊電工作則應(yīng)該是對(duì)于多種竊電特征的綜合特性的提取。通過(guò)某一用戶的一段時(shí)間用電情況來(lái)對(duì)竊電現(xiàn)象進(jìn)行分析，分析指標(biāo)如下：1）每天平均電壓V：通過(guò)數(shù)據(jù)分析正常用戶電壓波動(dòng)非常小，若產(chǎn)生異常電壓，則說(shuō)明用戶有可能存在異常功耗。2）每天平均功率因數(shù)P：因?yàn)樨?fù)荷特性影響，用戶功率因數(shù)是在一個(gè)小范圍內(nèi)波動(dòng)的，數(shù)值穩(wěn)定，一般不會(huì)出現(xiàn)暴漲暴跌狀況。3）每天平均電流的不平衡率B：正常電流是隨著負(fù)荷的變化而不斷變化，電流差很小。因此，可以以此指標(biāo)來(lái)監(jiān)測(cè)用戶的用電行為。4）上周平均每天凍結(jié)電量C：如果某用戶存在竊電行為，那么該用戶的用電信息與其他用戶相比較是異常的。為了消除負(fù)荷容量的影響，以用戶申報(bào)容量為參考值，將電力數(shù)據(jù)轉(zhuǎn)化為單位值。5）功率不平衡率I：通過(guò)采集數(shù)據(jù)得到一段時(shí)間內(nèi)的永固電流加上平均電壓和功率，能夠計(jì)算出電流增量，然后與同樣時(shí)間段內(nèi)通過(guò)表采集的數(shù)據(jù)進(jìn)行對(duì)比，以此計(jì)算出不平衡率。

3竊電檢測(cè)技術(shù)的展望

由于負(fù)荷數(shù)據(jù)涉及用戶的隱私，目前公開(kāi)的可用于竊電檢測(cè)研究的數(shù)據(jù)集較少。目前有較多研究采用構(gòu)造數(shù)據(jù)集作為輸入，雖然其性能表現(xiàn)往往優(yōu)于真實(shí)數(shù)據(jù)集，但是考慮到不同區(qū)域用戶在用電行為、竊電方法、電表采集頻率、竊電比例等方面都存在較大差異，基于構(gòu)造數(shù)據(jù)集或單一類型數(shù)據(jù)集的檢測(cè)模型對(duì)不同數(shù)據(jù)類型的適用性難以保證，即模型的泛化能力有待提高。此外，性能評(píng)價(jià)指標(biāo)的選擇直接決定了訓(xùn)練所得的檢測(cè)模型性能。目前的研究模型均強(qiáng)調(diào)自身的有效性，但是受限于泛化能力，想要找到一個(gè)適用于大多數(shù)場(chǎng)景的竊電檢測(cè)模型依然非常困難。因此，如何選擇盡可能全面的評(píng)價(jià)指標(biāo)以對(duì)比不同方法的優(yōu)劣，從而區(qū)分不同模型適用的場(chǎng)景，是竊電檢測(cè)技術(shù)性能評(píng)估的挑戰(zhàn)之一。

結(jié)語(yǔ)

綜上所述，當(dāng)前電力企業(yè)通過(guò)電力營(yíng)銷(xiāo)大數(shù)據(jù)來(lái)增強(qiáng)反竊電檢查效果，還有很多方面需要加強(qiáng)研究。例如，營(yíng)銷(xiāo)大數(shù)據(jù)應(yīng)用過(guò)程中技術(shù)體系、技術(shù)流程規(guī)范、數(shù)據(jù)來(lái)源等方面均存在缺陷，這需要企業(yè)不斷結(jié)合實(shí)際情況進(jìn)行調(diào)整，尋找更加有效的應(yīng)用電力營(yíng)銷(xiāo)大數(shù)據(jù)提升反竊電檢查水平的途徑，從而助力電力企業(yè)穩(wěn)定健康發(fā)展。

參考文獻(xiàn)：

[1]李亞楠.大數(shù)據(jù)背景下供電公司營(yíng)銷(xiāo)管理創(chuàng)新探索[J].產(chǎn)業(yè)與科技論壇，2018，17（24）：235-236.

[2]葛一統(tǒng)，向鋒銘，余桂華，等.大數(shù)據(jù)背景下的電力營(yíng)銷(xiāo)信息化建設(shè)研究[J].華電技術(shù)，2021，43（1）：76-82.