基于自動化檢驗的電能計量裝置現(xiàn)場反竊電技術(shù)研究

摘 要：本文對基于自動化檢驗的電能計量裝置現(xiàn)場反竊電技術(shù)進(jìn)行研究。通過分析電能計量裝置的工作原理和竊電行為的特點，提出了一種基于自動化檢驗的反竊電技術(shù)。該技術(shù)利用電能計量裝置的自動化檢驗功能，結(jié)合實時監(jiān)測和數(shù)據(jù)分析，能夠準(zhǔn)確識別和定位竊電行為，有效防止竊電事件的發(fā)生。試驗結(jié)果表明，該技術(shù)具有較高的準(zhǔn)確性和可靠性，可以為電力系統(tǒng)的安全穩(wěn)定運行提供有效的支持。

關(guān)鍵詞：自動化檢驗；電能計量裝置；反竊電

中圖分類號：TM 7" " 文獻(xiàn)標(biāo)志碼：A

1 電能計量裝置狀態(tài)測定

首先，需要從預(yù)處理反竊電監(jiān)測模塊中獲取目標(biāo)計量數(shù)據(jù)。這些數(shù)據(jù)包括電力消耗、電壓、電流等相關(guān)信息[1]。通過收集這些數(shù)據(jù)來建立一個樣本集，用于后續(xù)的數(shù)據(jù)分析和模型建立。在獲取目標(biāo)計量數(shù)據(jù)后，需要對數(shù)據(jù)進(jìn)行預(yù)處理。預(yù)處理的目的是清洗數(shù)據(jù)、去除噪聲、填補(bǔ)缺失值等，以確保數(shù)據(jù)的質(zhì)量和準(zhǔn)確性。預(yù)處理方法可以包括數(shù)據(jù)清洗、數(shù)據(jù)平滑、數(shù)據(jù)插補(bǔ)等。其次，需要進(jìn)行數(shù)據(jù)分析和模型建立。數(shù)據(jù)分析可以包括統(tǒng)計分析、數(shù)據(jù)挖掘等方法，以探索數(shù)據(jù)的規(guī)律和特征。通過數(shù)據(jù)分析，可以獲取目標(biāo)計量數(shù)據(jù)的統(tǒng)計特征、趨勢規(guī)律等信息。在數(shù)據(jù)分析的基礎(chǔ)上，可以建立模型，以預(yù)測和評估電能計量裝置的狀態(tài)。模型可以采用機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、回歸分析等方法，將輸入的目標(biāo)計量數(shù)據(jù)映射到相應(yīng)的狀態(tài)變量上。通過模型建立，可以準(zhǔn)確判斷和預(yù)測電能計量裝置的狀態(tài)。

在建立樣本集后，需要確定自變量和因變量。將自變量表示為X，因變量表示為Y。為了評價自變量和因變量之間的關(guān)系，使用相關(guān)系數(shù)矩陣。相關(guān)系數(shù)矩陣是一個矩陣，其中每個元素表示2個變量之間的相關(guān)程度。通過計算相關(guān)系數(shù)矩陣，評估自變量和因變量之間的多重相關(guān)性。相關(guān)系數(shù)矩陣可以通過計算各個自變量與因變量之間的相關(guān)系數(shù)來得到。常用的相關(guān)系數(shù)有皮爾遜相關(guān)系數(shù)和斯皮爾曼相關(guān)系數(shù)。皮爾遜相關(guān)系數(shù)適用于線性相關(guān)關(guān)系的評估，而斯皮爾曼相關(guān)系數(shù)適用于非線性相關(guān)關(guān)系的評估。相關(guān)系數(shù)的取值范圍為-1～1。當(dāng)相關(guān)系數(shù)為1時，表示2個變量成完全正相關(guān)關(guān)系；當(dāng)相關(guān)系數(shù)為-1時，表示2個變量成完全負(fù)相關(guān)關(guān)系；當(dāng)相關(guān)系數(shù)為0時，表示2個變量之間沒有線性相關(guān)關(guān)系。通過分析相關(guān)系數(shù)矩陣可以確定自變量和因變量之間的相關(guān)性強(qiáng)弱，從而選擇合適的自變量用于建立模型。如果自變量之間存在高度相關(guān)性，就可以考慮進(jìn)行變量篩選或降維處理，以減少冗余信息和提高模型的準(zhǔn)確性。矩陣公式如公式（1）所示。

R=rij （1）

式中：rij為自變量Xi和因變量Yj之間的相關(guān)系數(shù)。

該矩陣提供關(guān)于自變量和因變量之間相關(guān)性的信息，幫助理解它們之間的關(guān)系強(qiáng)度和方向。

通過PLS方法提取成分。成分是通過降維處理原始數(shù)據(jù)得到的新變量，它們是原始數(shù)據(jù)中的線性組合。成分的提取幫助減少數(shù)據(jù)的維度，從而提取最具有信息量的變量[2]。使用軸向量來描述自變量和因變量之間的關(guān)系。軸向量是成分和原始數(shù)據(jù)之間的權(quán)重向量，它們表示成分和原始數(shù)據(jù)之間的線性關(guān)系。通過交叉性檢驗的方法來判斷是否需要提取下一個成分。交叉性檢驗是一種評估模型性能的方法，確定模型的復(fù)雜度和準(zhǔn)確性。如果交叉性檢驗結(jié)果表明需要提取下一個成分，就繼續(xù)進(jìn)行提取，直到達(dá)到滿意的模型性能。最后，生成最小二乘回歸方程。最小二乘回歸方程是通過將成分、軸向量和回歸系數(shù)組合起來得到的。用來預(yù)測因變量的值，并描述自變量和因變量之間的線性關(guān)系，如公式（2）所示。

Y=b0+b1X1+b2X2+...+bnXn （2）

式中：Y為因變量；X1、X2、...、Xn為自變量；b0、b1、b2、...、bn為回歸系數(shù)。

在分析電能計量裝置的狀態(tài)漸變過程時，可以將上述最小二乘回歸方程與因變量理論計算方程進(jìn)行對比。因變量理論計算方程是一個簡單的線性方程，表示因變量與自變量之間的理論關(guān)系。通過對比回歸方程和因變量理論計算方程的系數(shù)，可以描述電能計量裝置的狀態(tài)漸變過程。如果回歸方程中的系數(shù)a偏離1，即與因變量理論計算方程的系數(shù)不一致，就可以判斷電能計量裝置的狀態(tài)發(fā)生了變化。進(jìn)一步，可以計算相應(yīng)時段的異常概率，以評估電能計量裝置的狀態(tài)是否正常。異常概率是指在給定的時間段內(nèi)，回歸方程中的系數(shù)a偏離1的概率。通過統(tǒng)計分析和概率計算，可以確定電能計量裝置狀態(tài)的異常程度。異常概率的計算可以基于歷史數(shù)據(jù)或基準(zhǔn)數(shù)據(jù)進(jìn)行。通過比較當(dāng)前時段的回歸方程系數(shù)與歷史數(shù)據(jù)或基準(zhǔn)數(shù)據(jù)的分布情況，可以計算異常概率。如果異常概率較高，即超過了預(yù)設(shè)的閾值，就可以判斷電能計量裝置的狀態(tài)存在異常。

2 生成反竊電指標(biāo)評價體系挖掘嫌疑位置

生成反竊電指標(biāo)評價體系并挖掘嫌疑位置是指通過分析電力系統(tǒng)中的數(shù)據(jù)，建立一套評價指標(biāo)體系，用于評估竊電行為的嫌疑程度，并確定可能存在竊電行為的位置。為了挖掘竊電嫌疑位置，需要生成一個反竊電指標(biāo)評價體系。該評價體系由多個指標(biāo)組成，用于評估用戶用電的特征和異常情況。

首先，考慮月用電量峰谷差率指標(biāo)，用p1表示。該指標(biāo)反映用戶在不同時間段的用電差異[3]。通過計算月用電量峰谷差（s）與最大月用電量（q1）的比值來得到該指標(biāo)的值，如公式（3）所示。

（3）

其次，考慮用電量季不平衡率指標(biāo)，用p2表示。該指標(biāo)反映用戶用電的平穩(wěn)性。通過計算月平均電量（q3）與當(dāng)年最大月電量（q2）的比值，得到該指標(biāo)的值，如公式（4）所示。

（4）

最后，考慮典型用電量比率指標(biāo)，用p3表示。該指標(biāo)反映用戶夏季和冬季用電量的差異。通過計算夏季用電量（qa）、冬季用電量（qb）與全年用電量（q0）的比值，得到該指標(biāo)的值，如公式（5）所示。

（5）

根據(jù)上述3組參數(shù)，生成一個表格形式的竊電嫌疑評價指標(biāo)體系。該體系包括多個指標(biāo)，每個指標(biāo)都有一個具體的計算公式。通過計算每個指標(biāo)的值，對用戶用電的特征和異常情況進(jìn)行評估。這個評價指標(biāo)體系幫助挖掘竊電的嫌疑位置，及時發(fā)現(xiàn)異常情況，并采取相應(yīng)的措施。

3 反竊電自動化檢驗

反竊電自動化檢驗是指通過自動化設(shè)備和系統(tǒng)，對電力系統(tǒng)中的竊電行為進(jìn)行檢測和防范的過程。竊電是指非法獲取電力資源或擅自使用他人電力資源的行為，給電力供應(yīng)企業(yè)和正常用戶造成經(jīng)濟(jì)損失和不公平競爭。為了進(jìn)行反竊電自動化檢驗，采用以下步驟和公式。

首先，假設(shè)時間用t來表示，并設(shè)置時間窗口寬度為i。在每個時間窗口內(nèi)，隨機(jī)選擇一個指標(biāo)，并記錄其測量值。設(shè)這些測量值為p1，p2，...，pi。同時，計算指標(biāo)的輸出x（t）。為了建立尺度序列，取這些測量值的中值為M（t），并將其分成子序列l(wèi)1，l2，...，li。綜合上述公式，得到測量值濾波的結(jié)果，如公式（6）所示。

（6）

其次，需要對測量值進(jìn)行歸一化處理，以便統(tǒng)計和分析數(shù)據(jù)。使用線性函數(shù)來轉(zhuǎn)換上述結(jié)果，得到歸一化的輸出，如公式（7）所示。

（7）

在完成數(shù)據(jù)預(yù)處理后，開始診斷竊電行為。計算診斷模型的權(quán)值，通過公式（8）獲得結(jié)果。

Yc'=G×x（t） （8）

式中：G為可逆矩陣；Yc'為新聚類下的診斷輸出。

最后，需要對現(xiàn)場電能計量裝置進(jìn)行現(xiàn)場檢驗，以確定用電數(shù)據(jù)產(chǎn)生的諧波次數(shù)。根據(jù)離群點的敏感度，完成對現(xiàn)場電能計量裝置的檢驗。

通過以上步驟和公式，實現(xiàn)反竊電自動化檢驗。這個過程幫助識別竊電行為并采取相應(yīng)的措施，確保用電的合法性和安全性。

4 基于自動化檢驗的電能計量裝置現(xiàn)場反竊電案例分析

4.1 日常監(jiān)測

F公司是一家高耗能企業(yè)，其專變?nèi)萘繛?000kVA。在1月12日，該公司完成了新的電能計量裝置和遠(yuǎn)程監(jiān)控系統(tǒng)的安裝。當(dāng)在1月20日進(jìn)行巡測監(jiān)測數(shù)據(jù)時，發(fā)現(xiàn)系統(tǒng)反饋的反竊電實時視在功率曲線值對比結(jié)果存在異常，該公司的總表二次曲線與一次曲線之間存在巨大的差異值。這個異常情況意味存在竊電行為。對反竊電實時視在功率曲線值進(jìn)行對比，系統(tǒng)檢測到竊電行為的跡象[4]。巨大的差異值表明有人在竊取電能或者存在其他異常情況，如圖1所示。

總功率因數(shù)在不同時間段內(nèi)呈現(xiàn)不同的數(shù)值?？偣β室驍?shù)表示電力系統(tǒng)中有用功和無用功之間的比例，是衡量電力系統(tǒng)效率和負(fù)載情況的重要指標(biāo)。在凌晨時段（00：00-06：00），總功率因數(shù)的數(shù)值較低，大部分在30%～40%，最低的甚至只有28.9%。這是因為在凌晨時段，電力系統(tǒng)的負(fù)載較輕，存在較多的無用功，例如待機(jī)設(shè)備或低負(fù)載設(shè)備。隨著時間的推移，到了上午和中午時段（06：00-12：00），總功率因數(shù)逐漸增加。在上午時段，總功率因數(shù)超過70%，并在中午時段達(dá)到了最高值100%。其原因是在這個時間段，企業(yè)開始正常運營，用電負(fù)載逐漸增加，用電設(shè)備的功率因數(shù)也相應(yīng)提高。然而，在下午和晚上時段（12：00-18：00），總功率因數(shù)出現(xiàn)了波動和下降的趨勢。下午時段總功率因數(shù)的波動范圍較大，介于60%～90%。晚上時段，總功率因數(shù)進(jìn)一步下降，甚至低至20%左右。這是因為在這個時間段，用電負(fù)載相對較輕，企業(yè)的運營活動減少，用電設(shè)備的功率因數(shù)也降低。

結(jié)合圖1和圖2的內(nèi)容，在某些時間段，特別是在凌晨和晚上時段，F(xiàn)公司的總功率因數(shù)明顯下降。這種下降是由竊電行為導(dǎo)致的，因為竊電行為通常會導(dǎo)致用電設(shè)備的功率因數(shù)降低（反竊電設(shè)備安裝如圖3所示）。

4.2 突擊檢驗

突擊檢驗是一種突然進(jìn)行的、不預(yù)先通知的電能計量裝置現(xiàn)場檢驗，旨在發(fā)現(xiàn)和打擊竊電行為。通過突擊檢驗，電力供應(yīng)企業(yè)成功發(fā)現(xiàn)了竊電嫌疑用戶，并取得了相關(guān)的證據(jù)。突擊檢驗有效地打擊了竊電行為，維護(hù)了電力供應(yīng)的公平性和正常用戶的權(quán)益。同時，突擊檢驗也提醒了其他用戶，警示他們不要嘗試竊電行為，從而起到預(yù)防和震懾的作用。

為了確保后續(xù)反竊電工作的順利開展，對F公司進(jìn)行了持續(xù)監(jiān)測。在1月28日，再次出現(xiàn)了與圖1所示監(jiān)測數(shù)據(jù)相似的結(jié)果（如圖4所示），進(jìn)一步確認(rèn)了F公司存在竊電行為的嫌疑。為了抓獲F公司的違法行為，工作人員于2月1日晚上約18：08再次進(jìn)行突擊檢查。在現(xiàn)場檢查中，工作人員發(fā)現(xiàn)F公司配電柜的門封不見了。這一發(fā)現(xiàn)進(jìn)一步證實了F公司存在竊電嫌疑的事實。門封的缺失意味F公司在突擊檢查之前已經(jīng)意識到竊電行為的風(fēng)險，并采取了措施來掩蓋其違法行為。這一發(fā)現(xiàn)將為后續(xù)的調(diào)查和處理提供更多的證據(jù)，并加強(qiáng)對F公司竊電行為的確認(rèn)。工作人員將進(jìn)一步深入調(diào)查，收集更多的證據(jù)，以確保對F公司的違法行為進(jìn)行徹底打擊。

5 結(jié)語

通過研究現(xiàn)場反竊電技術(shù)，不僅加深了對電能計量裝置反竊電技術(shù)的認(rèn)識，而且還為提高電能計量準(zhǔn)確性和防范電能盜竊提供了有效的技術(shù)支持。本文的研究成果為電力行業(yè)的發(fā)展和電能管理提供了新的思路和方法，對提高電能計量裝置的安全性和可靠性具有積極的意義。未來，將繼續(xù)深入研究自動化檢驗的電能計量裝置現(xiàn)場反竊電技術(shù)，不斷完善技術(shù)方法和提升應(yīng)用效果，為電力行業(yè)的發(fā)展和電能管理的提升貢獻(xiàn)更多的力量。

參考文獻(xiàn)

[1]鄭權(quán).基于數(shù)據(jù)采集的電能計量裝置遠(yuǎn)程在線檢測方法研究[J].光源與照明， 2023（11）：90-92.

[2]關(guān)祥.基于在線監(jiān)控技術(shù)的電能計量裝置設(shè)計[J].電工技術(shù)， 2022（12）：3.

[3]李銘凱，張緣，李蕊，等.基于DDC的電能計量裝置現(xiàn)場檢驗方法[J].微型電腦應(yīng)用， 2022， 38（10）：86-89.

[4]鄧麗娟.基于大數(shù)據(jù)技術(shù)的反竊電分析與仿真研究[J].電工材料， 2022（6）：36-41.