摘 要 专变用户间断型窃电是一种查处难度较高的窃电行为。由于其采用时断时续的窃电方法，极易隐藏其窃电行为，也给窃电量计算带来困扰。我们应用多系统、多维度大数据比对分析，发现通过调度D5000系统线路电流数据和用户电流曲线数据，可以发现专变用户窃电的每一个起始点，并可还原出间断型窃电用户每一次窃电的窃电量。通过分析间断型窃电的数据特征，我们构建了专变用户间断性窃电数据分析模型，从而为在系统中精准识别间断型窃电用户，并精准还原出用户窃电量提供了可靠的方法。
关键词 大数据；反窃电；模型；成果
引言
专变用户间断型窃电是一种危害极大的窃电方法，为规避供电稽查人员的检查，此类窃电用户一般在晚上和节假日等稽查人员休息的时候作案。窃电时断时续，窃电物证随时随地都会消失。傳统意义上的反窃电一般以用户现场检查情况来判断用户是否存在窃电行为，由于此类窃电用户挑选供电稽查人员稽查薄弱时段进行窃电，且窃电防范意识强、窃电行为隐蔽，使得间断型窃电行为屡屡得手。随着智能电网建设的不断推进，电网侧和用户侧供用电数据采集精度和密度不断提升，用户历史用电数据被完整准确地以数据形式得以保留。通过对这些数据的多层次、多维度分析，可以有效还原出用户现场的实际用电情况，为打击此类窃电行为提供可靠依据。
1 专变用户间断型窃电的数据特征研究
1.1 线路线损特征
由于间断型窃电用户断断续续窃电，其日窃电量不固定，会随着其每日窃电时间而变化，从而导致其所在线路线损会随着用户日用电量的变化而波动。线路线损与某用户电量成反比例关系，用户电量降低，线损增加；用户电量上升，线损下降。
1.2 窃电用户电流曲线特征
一般情况下，采用间断型窃电的专变用户均为连续生产的用户，正常情况下，其电流曲线应该是连续的、平滑的。在用户间断型窃电的情况下，电流曲线出现突增和突降点。电流图降点为用户窃电起始点；
1.3 供电线路电流曲线特征
线路电流数据为所在线路上所有用户真实的用电电流之和。如果在用户电流曲线出现突变点的同时刻，线路电流曲线也出现合理的突变，则可说明用户该时刻的突变是有真实的负荷变化所引起；如果在用户电流曲线出现突变点的同时刻，线路电流曲线没有出现合理的突变，则可说明该时刻的用户电流曲线的突变是有用户窃电所引起的。因此，在窃电用户电流数据出现突降点A（16：00左右）和突增点B（8：30左右）的时间点，由于该用户并没有发生真正的负荷突变，因此，线路电流数据曲线应该是连续的、平滑的。
2 专变用户间断型窃电数据分析与模型构建
2.1 线损波形与用户电量波形比对分析
（1）某周期内，日线损曲线出现梯形或三角形；
（2）同一周期内，用户日用电量相应出现倒梯形或倒三角形；
（3）同一周期内，日线损电量出现梯形或三角形；
（4）构建数据分析模型如下图所示
（5）判断条件如下：①同时段内线损上升、线损电量上升而用户电量反向下降；反之亦然；②线损上升速率、线损电量上升速率和用户电量下降速率基本一致；反之亦然。
（6）窃电量初步测算。忽略正常线损电量，在一个梯形或三角形时段内线路线损电量可视作该周期内用户窃电量。
2.2 用户电流曲线与线路电流曲线比对确定窃电用户并还原窃电现场
（1）在线路线损上升（下降）日，用户电流曲线出现突降（突增）点；
（2）在用户电流曲线出现突变点的时段，线路电流曲线稳定、平衡；
（3）以此构建数据分析模型如下：
（4）判断条件如下：
①在用户电流突变点，用户电流曲线斜率的绝对值k1>阈值a；②在用户电流突变点，线路电流曲线斜率的绝对值k2<阈值b；③ k1/k2>c，阈值a和阈值b可根据实际情况设定，c可根据实际需要设置。
3 模型应用效果
间断型窃电数据分析模型通过该类窃电企业周期性电量突变、线损突变及其逻辑关系进行分析计算，具有很强的针对性。该模型通过对系统内历史数据综合分析，可以全面发现系统内存在的间断型窃电线索。2015年以来，通过在全省的应用推广，一举发现并查获无锡、常州、徐州、镇江等地10多起高压专变用户间断性窃电企业，此模型分析准确率为100%。
参考文献
[1] 江苏省营销业务应用系统说明.江苏苏源高科技有限公司，2018，0130.