楊董韻，周 樂

（國網江蘇省電力有限公司泗洪縣供電分公司，江蘇 宿遷 223900）

如果低壓配電網出現(xiàn)非技術損失（Non-Technical Loss，NTL），會增加其運行成本，對輸送的電力資源質量造成負面影響?？紤]到電力盜竊是最常見的NTL現(xiàn)象，本文僅從這個角度分析低壓配電網的NTL，并提出結合SVM（Support Vector Machine，支持向量機）模式與SENS（Sensitivity，靈敏度）模式的NTL 集成化檢測系統(tǒng)，合理完成低壓配電網NTL 的檢測任務。

1 NTL 集成化檢測系統(tǒng)

對于SVM 模塊，其是根據智能電表有功功率測量數(shù)值，檢測是否存在NTL 情況。SVM 模塊會對用戶用電特征做提取處理后，利用相應的算法，對于每個用戶的年度用電量時間序列進行分析，確認用戶是否發(fā)生竊電行為。對于SVM 模塊，其使用基本功能是對用電時間序列突變情況進行檢測，并分析發(fā)生這種突變情況的具體時間點。對于SVM 模塊的輸出，即各個用戶可能出現(xiàn)竊電行為的發(fā)生概率，以及發(fā)生竊電行為的時間節(jié)點；對于SENS 模塊，其利用估算低壓配電網的靈敏度，從而檢測當前存在NTL 情況的用電設備。但是，如果有功功率存在測量誤差，則會對SENS 模塊計算數(shù)據的準確性造成一定程度的負面影響。對于SVM 模塊，其可以有效捕獲低壓配電網電壓值畸變下的竊電行為，例如低壓配電網電壓噪聲增加等。對于SENS 模塊，其可以檢測到用戶時間序列沒有用電量突變情況的竊電行為[1]。因為SVM 模塊與SENS 模塊在應用屬性方面存在差異，工作要求不同，基本可以囊括所有類型的竊電行為，可以選擇對SVM 模塊與SENS 模塊的輸出結果做相應的加權相乘處理，即可獲得SVM 模塊與SENS 模塊的應用優(yōu)點，以集成化系統(tǒng)方式高效完成低壓配電網非技術線損的檢測任務。對于SVM 模塊輸出wiSVM，代表用戶出現(xiàn)竊電行為的概率，處于0～1 之間。對于SENS 模塊輸出wiSENS，代表電壓自敏感度的理論數(shù)值與計算數(shù)值誤差，可以在［0，1］范圍，針對wiSENS做歸一化處理。通過將wiSVM 數(shù)據與wiSENS 數(shù)據做加權相乘基礎，即可獲得wiNTL-SYS。對于wiNTL-SYS，其主要負責對用戶出現(xiàn)竊電行為的概率進行排序處理。

wiNTL-SYS 的加權乘法為公式（1）：

2 NTL 集成化檢測系統(tǒng)仿真

2.1 SVM 模塊

2.1.1 樣本制備

對于SVM 模塊的輸出權重，代表通過用戶的年度有功功率曲線，分析用戶可能出現(xiàn)竊電行為的概率。對于竊電行為特征，是通過捕獲每個消費者的用電行為進行數(shù)據整合獲得的，徑向基函數(shù)（RBF，radial basis function）的SVM，通過一定的數(shù)據訓練，即可對用戶的竊電行為進行可靠檢測。對于網格搜索，則是對SVM-RBF 參數(shù)做優(yōu)化處理(CSVM=10，γSVM=0.15)，利用5 倍交叉驗證，保證SVM 分類器可以得到良好的泛化處理，合理規(guī)避這個過程中可能出現(xiàn)的過度擬合問題。對于SVM 模塊，需要開展三種竊電行為的混合訓練處理。調用數(shù)據集的70%，即在2567 個用戶中，挑選其中的1796 個用戶用電數(shù)據，將其作為訓練集建立樣本使用[2]。對于數(shù)據集的30%，即剩余的771 位用戶用電數(shù)據，將其作為測試集建立樣本使用。將1796 名的用戶用電數(shù)據，以隨機劃分方式，劃分出兩組數(shù)量相同的小組，并分別命名為竊電組、非竊電組，構建相應的訓練集。對于竊電的數(shù)據集，則在原本的三種竊電行為基礎上，設置若干參數(shù)值，形成多樣化的混合竊電行為，總計48 種數(shù)據攻擊，最后獲得數(shù)據樣本數(shù)量為42766個樣本的竊電數(shù)據集。對于非竊電數(shù)據集，其數(shù)據樣本數(shù)量為889 個。為合理規(guī)避在進行SVM 訓練時出現(xiàn)嚴重的數(shù)據不平衡問題，通過復制非竊電數(shù)據樣本方式，獲得包括85534個數(shù)據樣本的平衡訓練集。將非竊電數(shù)據樣本數(shù)量與竊電數(shù)據樣本數(shù)量進行平衡，利用模擬訓練集中不涉及的竊電行為，獲取最后使用的測試集。

2.1.2 仿真分析

通過分析仿真圖像，可以發(fā)現(xiàn)斜率參數(shù)b 對于SVM模塊的工作性能不會產生過于明顯的影響，在小于0.5%/天的斜率參數(shù)下，SVM 模塊的工作性能則會表現(xiàn)略微降低。對于斜率參數(shù)b，其影響集中反映在用戶出現(xiàn)竊電行為日期檢測方面。在0.5%/天的斜率參數(shù)下，日期檢測最大誤差為90 天。在低壓配電網發(fā)生組合竊電行為時，SVM 模塊成功檢測概率偏低。結合以上分析內容，可以認為在竊電系數(shù)r 大于30%的條件下，SVM 模塊的AUC 超過70%[3]。

2.2 SENS 模塊

2.2.1 樣本制備

對于SENS 模塊，其負責對各個時間窗口的各個消費者發(fā)生竊電行為的概率進行計算?，F(xiàn)將時間窗口長度設定為5·N，其中的N 是網絡節(jié)點數(shù)量?？赡軙ENS 模塊工作性能造成影響的參數(shù)為網絡節(jié)點數(shù)量N，竊電量百分比at，竊電用戶百分比f。先設置一個仿真低壓配電網的試驗場景，對于SENS 模塊運行情況進行測試。在這個試驗場景中，N=87，即擁有87 個網絡節(jié)點C=48，即擁有48 個消費者，以此搭建一個具有相對隨機特性的低壓配電網。對于f=5%，這部分消費者擁有第一種竊電行為的行為特征，其at 處于20%～90%之間，并且在竊電行為發(fā)生時間方面，也具有較大的隨機性。分析數(shù)量在30 節(jié)點～210 個節(jié)點之間的具有隨機特性的低壓配電網，分析電網建設規(guī)模與竊電用戶數(shù)量對于SENS 模塊運行產生的影響。在整個試驗中，將以第一種竊電行為作為模擬對象，即基本竊電。

2.2.2 仿真分析

對于竊電用戶的比率f，設置為50%，對于竊電用戶的竊電行為開始時間Tstart，則設定為隨機模式，對于差值ΔWSENS 進行計算，整理為圖1A。通過分析仿真結果，可以發(fā)現(xiàn)SENS 模塊的使用性能不會受到低壓電網建設規(guī)模的影響。同時，SENS 模塊可以對at 超過30%的用戶竊電行為做有效檢測。在10%～90%范圍內，對f 值進行調整，同時就at 設置成50%，以此分析發(fā)生竊電行為的用戶數(shù)量對于SENS 模塊運行產生的影響。在試驗中，節(jié)點數(shù)N 在30～210 范圍內進行隨機選擇，時間步長設置成30。針對N 的每個數(shù)值，進行5 個隨機低壓配電網的模擬作業(yè)，將其整理為圖1B 內容?？梢园l(fā)現(xiàn)，在試驗期間，ΔWSENS 一直保持在72%以上，可以證明SENS 模塊的工作性能并不會受到發(fā)生竊電行為用戶數(shù)量的影響，網絡節(jié)點數(shù)量也不會成為嚴重的干擾源，針對SENS 模塊準確性做量化試驗，以此分析SENS 模塊的使用性能。將試驗節(jié)點N 控制在30～210 范圍內，并將時間步長設置為30[4]。同樣，針對N 的每個數(shù)值，進行5 個隨機低壓配電網的模擬作業(yè)，將試驗獲得的理論自敏感度數(shù)值與計算自敏感度數(shù)值的最大相對誤差整理為圖1C?？梢园l(fā)現(xiàn)，即便是數(shù)量超過150 個節(jié)點的低壓配電網，自敏感度數(shù)值與計算自敏感度數(shù)值之間的最大誤差仍處于較低水平。對于電壓測量噪聲，即信噪比產生的影響，整理為圖1D?？梢园l(fā)現(xiàn)，在不斷提升電壓噪聲時，SENS 模塊的工作性能正在逐步降低?？梢哉J為信噪比在超過40dB 時，提升計算靈敏度的測量次數(shù)，則可以將最大相對自靈敏度誤差控制在10%以內。

圖1 SENS 模塊的仿真結果

2.2.3 仿真分析

對于竊電用戶的比率f，設置為50%，對于竊電用戶的竊電行為開始時間Tstart，則設定為隨機模式，對于差值ΔWSENS 進行計算，整理為圖1A。

2.3 NTL 集成檢測系統(tǒng)

針對集成SVM 模塊與SENS 模塊的NTL 集成檢測系統(tǒng)，可以進行相應的性能指標測試。采用50%的實驗竊電數(shù)據與50%的實驗正常用電數(shù)據，前者由隨機參數(shù)在低壓配電網運行條件下模擬生成，后者整合地區(qū)用戶用電數(shù)據，數(shù)量為500 個，選擇數(shù)據模式為隨機選擇。在低壓配電網非技術線損檢測ACC（Accuracy，準確率）方面，NTL 集成化檢測系統(tǒng)為99.4%，SVM 為91.2%，SENS 為99.4%。在AUC（Area Under Curve，曲線下面積）方面，NTL 集成化檢測系統(tǒng)為99.9%，SVM 為93.7%，SENS為99.9%。通過以上數(shù)據，可以證明本文設計的NTL 集成化檢測系統(tǒng)在使用性能方面比SVM 強，和SENS 相似，可以證明NTL 集成化檢測系統(tǒng)的使用優(yōu)異性[5]。

3 NTL 集成化檢測系統(tǒng)應用討論

將本文設計的NTL 集成化檢測系統(tǒng)和常見的低壓配電網非技術線損檢測方法進行對比。在檢測延遲方面，NTL 集成化檢測系統(tǒng)為數(shù)小時～數(shù)個月，SVM 為數(shù)月，SENS 為數(shù)小時；在新竊電行為的適應能力方面，NTL 集成化檢測系統(tǒng)表現(xiàn)為中，SVM 表現(xiàn)為低，SENS 表現(xiàn)為高；在建設成本方面，NTL 集成化檢測系統(tǒng)為中等投入，SVM 為低等投入，SENS 為中等投入在可伸縮性能方面，NTL 集成化檢測系統(tǒng)為中等水平，SVM 為高等水平，SENS 為中等水平。在這幾種偏主觀的評價指標中，可以發(fā)現(xiàn)NTL 集成化檢測系統(tǒng)的整體表現(xiàn)效果要比SVM與SENS 更好。因為SENS 模塊在檢測延遲、新竊電行為適應性能方面表現(xiàn)良好；對于運行成本方面，其涉及設備的基礎安裝成本，以及后續(xù)的運營維護成本?？紤]到智能電表是低壓配電網的常規(guī)儀器設備，擁有較高的普及率，基本可以忽略這方面的成本。對于變壓器低壓側的即時有功、無功測量，可能需要一定的運行成本；而SVM 模塊可以實現(xiàn)批量化處理上千個用戶數(shù)據，讓NTL 集成化檢測系統(tǒng)擁有較為靈活的可伸縮性能。

4 結語

在開展低壓配電網非技術線損檢測時，需要先分析低壓配電網非技術線損當前情況，結合本文理論內容，設計一套匹配低壓配電網運行需求的非技術線損檢測方案。在方案執(zhí)行過程中，需要根據一線工作人員實際工作反饋情況，對方案細節(jié)內容做合理優(yōu)化，確保非技術線損資源得到更合理的應用，提升低壓配電網的運行穩(wěn)定性，助力地區(qū)經濟的可持續(xù)運行。