數據挖掘在用戶(hù)竊電行為識別中的應用

電力資源在人們的日常生產(chǎn)生活當中起著(zhù)不可或缺的作用，有些用電客戶(hù)為了一己私利竊取電能，這不但會(huì )給電力公司造成較大的經(jīng)濟價(jià)值損失，同時(shí)也增加了電力系統的安全隱患，給用電安全和社會(huì )穩定造成一定的影響。

以往，為發(fā)現用戶(hù)竊電，主要是通過(guò)用戶(hù)舉報竊電、定期巡檢、定期校驗電表等方式，這種方法對人的依賴(lài)性很強而且目標不夠明確，效率比較低，從用戶(hù)竊電開(kāi)始到發(fā)現竊電時(shí)間跨度較長(cháng)。隨著(zhù)科學(xué)技術(shù)的發(fā)展，用戶(hù)竊電手法越來(lái)越多樣化且越來(lái)越隱蔽，更有使用倒表器、移相方式、有線(xiàn)遠方控制和無(wú)線(xiàn)遙控等智能型竊電^[1]，使得竊電行為被發(fā)現越來(lái)越困難。目前，也有很多供電企業(yè)營(yíng)銷(xiāo)稽查人員利用計量裝置的異常報警功能和電量查詢(xún)功能來(lái)對用戶(hù)用電情況進(jìn)行監控，但由于存在終端的誤報和漏報等情況，往往不能精準快速地定位到竊電用戶(hù)。

因此，在科學(xué)技術(shù)快速發(fā)展竊電手段也越來(lái)越多樣化和隱蔽化的今天，竊電行為變得更加個(gè)性化、智能化以及科技化，傳統的竊電排查方法難以及時(shí)、準確地摸排到竊電行為，找到一種更加智能化的反竊電方法尤為重要。使用數據挖掘技術(shù)建立竊電用戶(hù)識別模型，通過(guò)對多方面因素的綜合分析，自動(dòng)檢測用戶(hù)的竊電行為。

1   用戶(hù)竊電行為分析

現階段用戶(hù)的竊電行為主要包括以下幾種：繞越計量、改動(dòng)計量裝置、斷零竊電、斷開(kāi)聯(lián)片、調接零火線(xiàn)、更換齒輪等，詳細如下圖所示。

圖1 竊電行為詞云圖

2   基于數據挖掘的用戶(hù)竊電預測方案

2.1 挖掘模型思路

為了能夠更加高效地識別用電客戶(hù)各式各樣的竊電行為，引入大數據挖掘算法，建立智能識別竊電用戶(hù)的模型，從多方面考量，使得竊電行為無(wú)處遁形。CRISP-DM模型是數據挖掘領(lǐng)域中最權威的過(guò)程模型，涉及了商業(yè)理解、數據理解、數據準備、建立模型、模型評估、結果發(fā)布等6 大環(huán)節。這個(gè)模型強調“數據不僅僅是數據的呈現或以某種方式組織，也不僅僅是數據分析、挖掘、統計或建模，而是一個(gè)從業(yè)務(wù)角度理解商業(yè)需求、探索需求解決方案，然后再到開(kāi)展實(shí)踐檢驗和驗證方案的完整過(guò)程”。

圖2 CRISP-DM模型流程圖

2.2 C4.5 算法

C4.5 算法，作為數據挖掘中經(jīng)典算法，是分類(lèi)決策樹(shù)算法中的一種常用機器學(xué)習算法，它是基于ID3 算法進(jìn)行改進(jìn)后的一種重要算法。在構造決策樹(shù)的過(guò)程中，“如何選擇分裂屬性”和“何時(shí)停止分裂”是兩大關(guān)鍵問(wèn)題，在這兩大問(wèn)題上的不同處理方法，產(chǎn)生了不同的決策樹(shù)算法（CART、ID3 和C4.5）。在如何選取分裂屬性方面，Gini 指標、信息增益和信息增益率是衡量一個(gè)屬性區分數據樣本能力的不同度量標準，其中ID3 算法用信息增益，C4.5 算法用信息增益率，CART 決策樹(shù)用Gini 系數。

在屬性選擇度量中，假設D 是類(lèi)標記元組訓練集，類(lèi)標號屬性具有m 個(gè)不同值，m 個(gè)不同類(lèi)Ci(i=1,2,…，m)，CiD 是D 中Ci 類(lèi)的元組的集合，|CiD| 和|D| 分別是CiD 和D 的元組個(gè)數：

（1）對D 中的元組分類(lèi)所需的期望信息為，Info(D)亦稱(chēng)為熵。

C4.5 算法是以信息增益率進(jìn)行分裂屬性選擇，克服了ID3 算法偏向多值屬性的不足，相較于CART 和ID3，能很好地完成了在連續值屬性上的處理。該算法定義了一套處理不同數據缺失情況的處理策略，其優(yōu)點(diǎn)是可以對不完整數據集處理得較為完善。

2.3 案例分析

2.3.1 數據輸入和特征選取

根據電力企業(yè)的用電檢查業(yè)務(wù)指導相關(guān)的內容，可基于營(yíng)銷(xiāo)稽查、線(xiàn)損、業(yè)擴、計量、電費、客服等專(zhuān)業(yè)數據預測用戶(hù)竊電信息[]。本文建立的用戶(hù)竊電智能識別模型選取450 條訓練數據和50 條測試數據。數據集的特征包括用戶(hù)類(lèi)別、電價(jià)類(lèi)別、豐枯類(lèi)型、用電性質(zhì)、地區類(lèi)別、信用級別、業(yè)務(wù)類(lèi)別、費用類(lèi)別、峰谷標志、電量類(lèi)別、季節類(lèi)型、違竊標志的12 個(gè)字段。

2.3.2 模型構建及模型訓練

用戶(hù)竊電行為分析屬于分類(lèi)預測的應用場(chǎng)景，在模型訓練階段，采用總體表現較優(yōu)秀的C4.5 決策樹(shù)算法進(jìn)行竊電識別模型的訓練，并通過(guò)輸出的決策樹(shù)歸納識別用戶(hù)竊電行為的規則。

2.3.3 模型評估

對于分類(lèi)場(chǎng)景中的二分類(lèi)問(wèn)題，可以將分類(lèi)器預測類(lèi)別和真實(shí)類(lèi)別，排列組合為四種類(lèi)別，如下表1 所示。

真正類(lèi)（true positive TP）：真實(shí)類(lèi)別為正類(lèi)，預測類(lèi)別為正類(lèi)；

（false positive FP）：真實(shí)類(lèi)別為負類(lèi)，預測類(lèi)別為正類(lèi)；

（false negative FN）：真實(shí)類(lèi)別為正類(lèi)，預測類(lèi)別為負類(lèi)；

（true negative TN）: 真實(shí)類(lèi)別為負類(lèi)，預測類(lèi)別為負類(lèi)。

該模型采用的準確率（Accuracy）：

用于衡量所有樣本被分類(lèi)準確的比例。

2.3.4 模型的應用

模型總體的準確率在95% 左右，可用于后續用戶(hù)竊電情況的分析和預測。并且隨著(zhù)模型輸入數據的增加，模型的準確性和可靠性也將得到提升。通過(guò)與分類(lèi)預測器的結合使用，可以實(shí)現已經(jīng)訓練好的模型的復用而不用重新訓練模型。

3   結論

本文基于數據挖掘的技術(shù)，分析用電客戶(hù)相關(guān)的用電特征數據，建立竊電用戶(hù)識別模型，選用C4.5 決策樹(shù)算法進(jìn)行模型的訓練，得到了較好的預測結果。該模型能夠對用戶(hù)的竊電行為進(jìn)行有效而科學(xué)的判斷，幫電力系統營(yíng)銷(xiāo)稽查相關(guān)工作人員及時(shí)地研判用戶(hù)是否存在竊電情況。相比于傳統的反竊電技術(shù)工作量大、工作效率低，該方法能夠提高識別效率，減少供電企業(yè)的經(jīng)濟損失。

參考文獻：

[1] 曹崢,楊鏡非,劉曉娜.BP神經(jīng)網(wǎng)絡(luò )在反竊電系統中的研究與應用[J].水電能源科學(xué),2011,29(9):199-202.

[2] 胡琛,數據挖掘技術(shù)在電量管理與反竊電系統中的應用與研究[D].武漢:武漢大學(xué),2004．

[3] 蔡嘉榮,王順意,吳廣財.基于機器學(xué)習的用戶(hù)竊電預測及用電檢查計劃輔助編排研究[J].測試工具與解決方案,2018,54(2):108-109.

（本文來(lái)源于《電子產(chǎn)品世界》雜志2022年5月期）