电力客户数量快速增长,窃电现象也日益严重,窃电不仅损害了供电公司的经济利益,同时也给用电安全带来了隐患。随着窃电现象的蔓延,每年因电量流失而造成的经济损失巨大,但能够被供电部门成功查处的案件只占少部分,以广东省为例,平均每年查获漏计、窃电量超过2000万kwh,尚不包括那些未被查处的窃电用户。窃电户在实施窃电过程中,可能会造成电网不正常运行,影响了安全用电,甚至在有些窃电案例中,发生了短路造成的火灾、爆炸等。
由于用户数量大、窃电方式隐蔽等原因,导致反窃电工作难度大,现有手段难以形成有效支撑。反窃电的主要难点有以下几个方面:
(1)用户数量庞大,稽查人员的资源和精力有限。
(2)窃电手段逐渐由原来的简单方式,发展到设备智能化、手段专业化、行为隐蔽化、实施规模化的高科技窃电,传统检查方法难以获取证据。
(3)电能计量装置防窃电能力差,铅封自身防伪性不强。
(4)电能具有发、供、用同时完成的特点,且没有可见的形态,因此电量损失隐蔽性强,证据易销毁。如果窃电行为发生在节假日或者晚上,例行用电检查难以获取证据。
在业务知识的指导下,通过大数据分析技术,构建疑似窃电用户识别模型,根据疑似概率大小,定位疑似窃电用户。
特征提取:从营销、用采等系统选取窃电用户行为特征和非窃电用户行为特征作为模型输入。
模型构建:根据输入特征,采用机器学习算法,训练识别模型,输出疑似用户清单。
结果应用:对疑似用户开展稽查实地取证。
经济效益:某电力企业省公司一年的售电量平均超过2000亿千瓦时,线损率一般在7%左右,通过基于人工智能的反窃电技术应用,线损率预计可降低1%,以平均电价0.6元/千瓦时计算,一个网省增加效益10亿元,直接经济效益明显。
社会效益:通过基于人工智能的反窃电技术应用,加强对窃电行为的威慑,维持了正常的用电秩序,保障了用户的用电安全。
管理效益:通过项目的实施,为电力企业反窃电管理提供了切实可行的方法和手段,对于推动营销服务创新,促进公司反窃电管理水平提升有着重要的作用。