一种防窃电预警分析方法技术领域
本发明属于电力信息技术领域，特别是涉及一种防窃电预警分析方法。
背景技术
大数据平台采用X86架构，整合公共数据组件和智能分析决策平台，构建公司级大
数据平台，实现数据资源统一存储、数据统一对外服务，支撑大数据分析应用、专业分析应
用及实时决策等分析类应用，支撑大数据量情况下的应用系统性能优化。为各类应用建设
提供海量数据采集处理、存储处理、计算处理、分析挖掘等基础性支撑功能。同时作为公司
级大数据平台，能同时提供在线生产数据存储能力，面向普通用户、开发人员、上层业务系
统等几个层面，提供围绕数据开展的存储、处理、共享、分析计算、通用分析模型算法、可视
化组件的相关服务。
营销管理系统是支撑电力营销业务的信息系统，电力营销业务通过各领域具体业
务的分工协作，为客户提供各类服务，完成各类营销业务处理，为供电企业的管理、经营和
决策提供支持。
随着窃电技术智能化的不断升级，窃电主体由原来的居民用户向企业、由生活向
经营、由供电企业外部到内部的发展，使得窃电现象依然得不到有效遏制，这会严重损害供
电企业的合法权益，扰乱正常的供用电秩序，影响电力事业的发展，而且给安全用电带来严
重威胁。
发明内容
为了解决上述问题，本发明的目的在于提供一种防窃电预警分析方法。
为了达到上述目的，本发明提供的防窃电预警分析方法包括按顺序执行的下列步
骤：
步骤1)对采集终端和电能表生成的事件进行无效事件筛选与过滤：
对于采集终端和电能表生成的事件进行筛选，以去除无效事件；
步骤2)对采集终端和电能表的采集数据进行筛选：
对于采集终端和电能表采集的用电数据进行筛选；
步骤3)单一异常情况分析：
基于步骤1)以及步骤2)获得的采集终端和电能表的有效数据进行分类，确定多个
异常情况分析类型，并利用这些类型对所有数据进行逐一分析；
步骤4)基于上述单一异常情况分析结果对每一疑似窃电用户进行防窃电情况综
合分析：
基于上述每一疑似窃电用户的单一异常情况分析结果，结合各异常情况分析类型
的权值、不同异常情况分析类型间的关联关系以及多异常事件的关联分析算法对每一疑似
窃电用户进行综合分析，以判断出该用户窃电可能性的大小，由此挖掘出窃电用户。
在步骤3)中，所述的异常情况分析类型主要包括失压断相分析、电量差动分析、电
量波动分析、功率差动分析、电能表停走分析、电能表开盖或计量门开闭分析、电流失流分
析、恒定磁场干扰分析、线损分析和电能表分流分析在内的类型。
所述的失压断相分析的具体方法为：针对高压用户的采集终端或者电能表采集的
电压断相事件、电压曲线信息，判断用户是否出现电能表电压断相事件或者三相电压不平
衡度超限情况；
电量差动分析的具体方法为：对采集到的电量数据按照一定的差动时间间隔计算
出计量回路和比对回路同时段的电量差值，如果电量差值超过设定的阈值，即可判断出该
用户存在窃电嫌疑；
电量波动分析的具体方法为：将用户的用电时间以天为维度分为普通日和特殊日
即节假日、停电检查日、用户休息日，分别总结用户用电规律，并将用户本月用电量与用户
上月或去年同月的用电量进行比对，然后计算出用户每月用电量的波动量，当该波动量大
于设定的阈值时，认为该用户存在窃电的可能性，并能够根据波动程度计算出窃电可能性
的大小；
功率差动分析的具体方法为：对高压用户按照一定的差动时间间隔即小时或天进
行功率差动的分析，根据终端负荷以及电能表总负荷获得总负荷差值、负荷差动率、负荷差
动阈值信息；当功率差动的波动量大于设定的阈值时，认为该用户存在窃电的可能性，并根
据波动程度计算出窃电可能性的大小；
电能表停走分析的具体方法为：针对高压用户的电量数据、电流数据，首先判断高
压用户是否存在用电情况，在确定该用户存在用电的情况下，若电能表出现停止走字现象，
表现为电能量曲线中某时点电能量为0，且对应时点的任意相电流大于0.1A，同时以上异常
情况在单日数据中出现连续3个时点且累计出现超出12次，则判断出该用户存在窃电嫌疑；
电能表开盖或计量门开闭分析的具体方法为：通过采集系统获取电能表状态字，
由此判断电能表开盖或计量门开闭时间与电能表安装时间的差值是否大于时间阈值，以排
除正常电能表开盖情况，即初次安装、检定和正常工单的情况；如开盖时间出现逻辑错误的
情况，则属于异常情况；
电流失流分析的具体方法为：主要根据高压用户的电流曲线进行分析，统计并判
断用户是否出现电流表失流事件或者三相电流不平衡度超限情况；
恒定磁场干扰分析的具体方法为：通过分析现场采集终端上报的磁场异常事件，
分析用户是否出现磁场干扰异常情况；
线损分析的具体方法为：使用线路线损及台区线损数据，将线损异常即超出阈值
期间的用户电量与线损正常期间的用户电量进行比对，发现并统计出线损异常区域中的电
量突减用户；
电能表分流分析的具体方法为：针对在电能表内部或外部采用并联小电阻而将火
线电流分流，从而使进入计量元件的电流变小而达到窃电的现象，通过检测电能表内的火
线电流值和零线电流值是否出现差异来分析用户是否存在窃电行为。
所述的多异常事件的关联分析算法的公式如下：
其中，E为多异常事件的关联度；n为同时发生的异常事件数量；Pi为第i个异常情
况分析类型的权值；Rjk为第j个异常事件和第k个异常事件的关联度。
本发明提供的防窃电预警分析方法的优点和积极效果是：
利用各类规则对异常信息进行综合判断、分析，并结合大数据挖掘技术实现海量
数据准实时处理，对现场计量异常情况、窃电行为进行在线监测；
根据用电信息采集系统中的各类异常事件和窃电行为以及窃电行为的种类存在
关联关系，结合各类异常分析模型的权值、不同模型间关联关系以及关联分析算法进行综
合判断及分析，判断用户窃电可能性的大小；
支持动态产生异常事件告警，实现对现场窃电行为的在线诊断及窃电行为分析的
全过程管理，辅助提高对窃电行为分析判断的准确率。
附图说明
图1为本发明提供的防窃电预警分析方法的流程图。
具体实施方式
下面结合附图和具体实施例对本发明提供的防窃电预警分析方法进行详细说明。
如图1所示，本发明提供的防窃电预警分析方法包括按顺序执行的下列步骤：
步骤1)对采集终端和电能表生成的事件进行无效事件筛选与过滤：
对于采集终端和电能表生成的事件进行筛选，以去除无效事件,筛选与过滤的具
体原则如下：
①对于同1条事件重复上报，即包括时间在内的事件内容均完全相同的情况，只按
第1条进行主站智能诊断，其余事件不参与主站智能诊断。
②剔除内容不符合通信协议格式要求的事件，包括数据乱码及应填数据为空的情
况。
③剔除内容明显有误的事件，包括事件时间早于设备安装时间及事件时间晚于当
前时间的情况。
步骤2)对采集终端和电能表的采集数据进行筛选：
对于采集终端和电能表采集的用电数据进行筛选，筛选的具体原则如下；
①正/反向有功总功率乘倍率的数值大于用户合同容量的K倍，属于异常数据。
②日冻结正/反向电能示值计算得到的电量大于用户日最大用电量(合同容量×
24h)的K倍，属于异常数据。
③月冻结正/反向电能示值计算得到的电量大于用户月最大用电量(合同容量×
24h×30天)的K倍，属于异常数据。
④日/月冻结最大需量乘倍率的数值大于用户合同容量的K倍，属于异常数据。
⑤二次侧电压值大于二次侧额定电压值的K倍，属于异常数据。
步骤3)单一异常情况分析：
基于步骤1)以及步骤2)获得的采集终端和电能表的有效数据进行分类，确定多个
异常情况分析类型，并利用这些类型对所有数据进行逐一分析；异常情况分析类型主要包
括失压断相分析、电量差动分析、电量波动分析、功率差动分析、电能表停走分析、电能表开
盖或计量门开闭分析、电流失流分析、恒定磁场干扰分析、线损分析和电能表分流分析在内
的类型；
失压断相分析的具体方法为：针对高压用户的采集终端或者电能表采集的电压断
相事件、电压曲线信息，判断用户是否出现电能表电压断相事件或者三相电压不平衡度超
限情况。
电量差动分析的具体方法为：对采集到的电量数据按照一定的差动时间间隔(天)
计算出计量回路和比对回路(如交采回路)同时段的电量差值，如果电量差值超过设定的阈
值，即可判断出该用户存在窃电嫌疑。
电量波动分析的具体方法为：将用户的用电时间以天为维度分为普通日和特殊日
(节假日、停电检查日、用户休息日等)，分别总结用户用电规律，并将用户本月用电量与用
户上月或去年同月的用电量进行比对，然后计算出用户每月用电量的波动量，当该波动量
大于设定的阈值时，认为该用户存在窃电的可能性，并能够根据波动程度计算出窃电可能
性的大小。
功率差动分析的具体方法为：对高压用户按照一定的差动时间间隔(小时或天)进
行功率差动的分析，根据终端负荷以及电能表总负荷获得总负荷差值、负荷差动率、负荷差
动阈值信息；当功率差动的波动量大于设定的阈值时，认为该用户存在窃电的可能性，并根
据波动程度计算出窃电可能性的大小。
电能表停走分析的具体方法为：针对高压用户的电量数据、电流数据，首先判断高
压用户是否存在用电情况，在确定该用户存在用电的情况下，若电能表出现停止走字现象，
表现为电能量曲线中某时点电能量为0，且对应时点的任意相电流大于0.1A，同时以上异常
情况在单日数据中出现连续3个时点且累计出现超出12次，则判断出该用户存在窃电嫌疑。
电能表开盖或计量门开闭分析的具体方法为：通过采集系统获取电能表状态字，
由此判断电能表开盖或计量门开闭时间与电能表安装时间的差值是否大于时间阈值，以排
除正常电能表开盖情况，例如初次安装、检定和正常工单的情况；如开盖时间出现逻辑错误
的情况，则属于异常情况。
电流失流分析的具体方法为：主要根据高压用户的电流曲线进行分析，统计并判
断用户是否出现电流表失流事件或者三相电流不平衡度超限情况。
恒定磁场干扰分析的具体方法为：通过分析现场采集终端上报的磁场异常事件，
分析用户是否出现磁场干扰异常情况。
线损分析的具体方法为：使用线路线损及台区线损数据，将线损异常(超出阈值)
期间的用户电量与线损正常期间的用户电量进行比对，发现并统计出线损异常区域中的电
量突减用户。
电能表分流分析的具体方法为：针对在电能表内部或外部采用并联小电阻而将火
线电流分流，从而使进入计量元件的电流变小而达到窃电的现象，通过检测电能表内的火
线电流(L)值和零线电流(N)值是否出现差异来分析用户是否存在窃电行为。
步骤4)基于上述单一异常情况分析结果对每一疑似窃电用户进行防窃电情况综
合分析：
由于各类异常事件与窃电行为以及窃电行为的种类存在关联关系，因此基于上述
每一疑似窃电用户的单一异常情况分析结果，结合各异常情况分析类型的权值、不同异常
情况分析类型间的关联关系以及多异常事件的关联分析算法对每一疑似窃电用户进行综
合分析，以判断出该用户窃电可能性的大小，由此挖掘出窃电用户，具体步骤如下：
①确定多异常事件的关联分析算法；
多异常事件的关联分析算法如下式所示：
其中，E为多异常事件的关联度；n为同时发生的异常事件数量；Pi为第i个异常情
况分析类型的权值；Rjk为第j个异常事件和第k个异常事件的关联度。
②确定异常情况分析类型的权值及异常等级；
序号
异常情况分析类型
权值
异常等级
1
失压断相
0.5
Ⅲ级
2
电量交采比对
0.3
Ⅳ级
3
电量波动
0.6
Ⅱ级
4
电能表停走
0.4
Ⅲ级
5
功率交采比对
0.3
Ⅳ级
6
电流失流
0.3
Ⅳ级
7
电能表开盖
0.9
Ⅰ级
8
计量门开闭
0.9
Ⅰ级
9
恒定磁场干扰
0.9
Ⅰ级
10
线损异常
0.6
Ⅱ级
11
分流异常
0.9
Ⅰ级
③确定异常关联度；
④根据每一疑似窃电用户的单一异常情况分析结果，结合表1中的相应权值及表2
中的关联度，利用上述式(1)计算出该用户的多异常事件的关联度E，并根据多异常事件的
关联度E大小来判断该用户窃电的可能性；
当E≤0.8时，判定为持续关注事件，若连续k天未恢复则按照异常事件处理，k的建
议区间为3～60天；
当0.8＜E≤3时，判定为异常事件，并以曲线数据等辅助判定，对确认的异常事件
进行处理；
当E＞3时，判定为重要关注事件，按异常事件进行处理。
本发明利用各类规则对异常事件进行综合判断、分析，并结合大数据挖掘技术实
现海量数据准实时处理，对现场计量异常情况、窃电行为进行在线监测；根据用电信息采集
系统中的各类异常事件和窃电行为以及窃电行为的种类存在的关联关系，结合各类异常情
况分析类型的权值、不同类型间关联关系以及关联分析算法进行综合判断及分析，以判断
用户窃电可能性的大小；支持动态产生异常事件告警，实现对现场窃电行为的在线诊断及
窃电行为分析的全过程管理，辅助提高对窃电行为分析判断的准确率。