一种反窃电精准定位在线监测方法与流程

本发明属于电力营销稽查领域，涉及一种反窃电精准定位在线监测方法。

背景技术：

反窃电的常规工作模式是开展周期性巡视检查来查窃，一方面人员数量有限，力量不足，不能实现对用电客户全面的排查，即使是区域性排查也同样存在效率低，耗时长的弊端，就像大海捞针，效果却差强人意；另一方面用电检查队伍素质参差不齐，现场查窃成功率较低，对窃电手段掌握不足，反窃电工作开展没有规范的技术指导和数据支撑，只能凭经验；再者窃电手法越来越隐蔽、甚至利用电能计量原理窃电，窃电时间通常无法准确查明，窃电量、窃电金额也难以准确认定，故针对上述问题，研究应用了一种基于大数据分析基础的精准定位反窃电的手段，建立常态在线监控平台，制作反窃电监测数据模型，定期开展在线集中监测，精准定位窃电疑似户，再通过现场取证查处窃电，解决了大海捞针式检查的无序性，大大提高反窃电工作效率，同时持续在线监测手段也实现了反窃电工作“由查到防”模式转变的突破。

技术实现要素：

本发明所要解决的技术问题是提供一种基于大数据分析基础的反窃电精准定位在线监测方法。

为解决上述技术问题所采用的技术方案是：一种反窃电精准定位在线监测方法，利用已知窃电用户用电数据规律，建立关于线损异常指标、用电异常指标、计量装置故障及异常告警指标、用户历史业务办理情况指标、用户历史用电服务指标和电价执行指标的模型及异常筛选规则，以营销业务应用系统、电能量采集系统、95598服务投诉、客户基础档案信息作为客户数据来源，对窃电疑似用户进行实时监测。

所述线损异常指标的模型及异常筛选规则包括线损突增指标的模型及异常筛选规则和线损连续6个月无波动指标的模型及异常筛选规则；所述线损突增指标的模型及异常筛选规则为线路或者台区当月线损率大于等于20%或小于-10%；所述线损连续6个月无波动指标的模型及异常筛选规则为线路或者台区连续6个月线损为恒定值或者数据波动率小于5％。

所述用电异常指标的模型及异常筛选规则包括零电量指标模型及异常筛选规则、日电量突变指标模型及异常筛选规则、月电量突变指标模型及异常筛选规则、合同容量比指标模型及异常筛选规则、典型行业用户指标模型及异常筛选规则、高价用电接在低价线路模型模型及异常筛选规则和用户增减容与电量增长的比例不符模型及异常筛选规则；

所述零电量指标模型及异常筛选规则为用户连续零电量天数大于等于6个月小于12个月；

所述日电量突变指标模型及异常筛选规则如下：设置用户每日理论用电量P；设置异常阀值比例R、异常连续天数N；如果用户用电量连续N天每日用电量<P*R，则判断为异常；电量曲线接近平行，连续电量误差不超过5%；

所述月电量突变指标模型及异常筛选规则为用户每月实际用电量超过理论最大用电量10%；

所述合同容量比指标模型及异常筛选规则为用户每月实际用电量低于理论最大用电量50%；

所述典型行业用户指标模型及异常筛选规则为对行业、地区、季节典型用户的日负荷、设备利用率、平均单价、峰谷比例进行标准管理；

所述高价用电接在低价线路模型模型及异常筛选规则为高价用电接在低价线路上的违约用电行为；

所述用户增减容与电量增长的比例不符模型及异常筛选规则为将用户的增、减容的比例与工作归档后的正常月的电量增减比例进行比较，筛选增容期间用电量偏低及全暂停减容期间产生电量的用户。

所述计量装置故障及异常告警指标为对于计量装置故障和用电异常事件告警，根据反窃电检测体系建立的需要进行过滤筛选，并通过复杂事件处理技术对事件间的关联性进行分析。

所述用户历史用电服务指标的模型及异常筛选规则为导致电能表故障或变压器反复增减容的用户，对其历史营销业务办理情况设定相应的指标并行进行管理。

所述用户历史用电服务指标模型及异常筛选规则为通过对用户历史的投诉记录，客户服务记录，停复电记录，设置相应的评定指标，作为预测模型的入参。

所述电价执行指标的模型及异常筛选规则为筛选变损执行错误，分时电价执行错误，力率执行错误，两部制电价执行错误的用户，作为预测模型的入参。

所述对窃电疑似用户进行实时监测方法为分析窃电高危客户数据，利用新的筛选规则对窃电疑似区域、台区进行模糊定位；按照客户行业类别、区域划分、负荷量大小等进行分类，重点关注数据的变化率，通过横向与纵向对比客户用电数据，对窃电疑似户进行进一步定位；利用电能量采集系统单户召测功能，确定客户是否存在窃电嫌疑，通过线上下发工单与线下现场稽查的形式对窃电嫌疑户进行最终核实，确定该户是否存在窃电情况，实现反窃电用户在线监测精准定位。

所述对窃电疑似用户进行实时监测方法利用统计界面、工作流程图和数据查询工具实施。

本发明的有益效果是：通过反窃电在线监测平台排查用电异常客户，实时跟踪客户负荷、电量等异动情况，从根本上解决查窃难、取证难问题，有效提高反窃电工作效率；降低了用电检查人员现场工作的安全风险，避免工作人员与客户之间不必要的摩擦，提升服务满意率；借助在线数据异常锁定，使得反窃电工作更具针对性，降低反窃电工作成本投入的同时能有效提高反窃电查处成功率；利用窃电高危客户数据库，采取“回头看”的原则对高危用户进行突击检查，确保反窃成果，保障企业利益。

附图说明

图1为反窃电在线监测模型图。

图2为反窃电智能分析库模型图。

图3为稽查监控平台筛选异常模式图。

图4为计量异常在线监测模式图。

图5为用电采集系统单户召测模式图。

具体实施方式

下面根据图1-5和实施例对本发明做详细说明。

本实施例一种反窃电精准定位在线监测方法，利用已知窃电用户用电数据规律，建立关于线损异常指标、用电异常指标、计量装置故障及异常告警指标、用户历史业务办理情况指标、用户历史用电服务指标和电价执行指标的模型及异常筛选规则，以营销业务应用系统、电能量采集系统、95598服务投诉、客户基础档案信息作为客户数据来源，对窃电疑似用户进行实时监测。

所述线损异常指标的模型及异常筛选规则包括线损突增指标的模型及异常筛选规则和线损连续6个月无波动指标的模型及异常筛选规则；所述线损突增指标的模型及异常筛选规则为线路或者台区当月线损率大于等于20%或小于-10%；所述线损连续6个月无波动指标的模型及异常筛选规则为线路或者台区连续6个月线损为恒定值或者数据波动率小于5％。

所述用电异常指标的模型及异常筛选规则包括零电量指标模型及异常筛选规则、日电量突变指标模型及异常筛选规则、月电量突变指标模型及异常筛选规则、合同容量比指标模型及异常筛选规则、典型行业用户指标模型及异常筛选规则、高价用电接在低价线路模型模型及异常筛选规则和用户增减容与电量增长的比例不符模型及异常筛选规则；

所述零电量指标模型及异常筛选规则为用户连续零电量天数大于等于6个月小于12个月；

所述日电量突变指标模型及异常筛选规则如下：设置用户每日理论用电量P；设置异常阀值比例R、异常连续天数N；如果用户用电量连续N天每日用电量<P*R，则判断为异常；电量曲线接近平行，连续电量误差不超过5%；

所述月电量突变指标模型及异常筛选规则为用户每月实际用电量超过理论最大用电量10%；

所述合同容量比指标模型及异常筛选规则为用户每月实际用电量低于理论最大用电量50%；

所述典型行业用户指标模型及异常筛选规则为对行业、地区、季节典型用户的日负荷、设备利用率、平均单价、峰谷比例进行标准管理；

所述高价用电接在低价线路模型模型及异常筛选规则为高价用电接在低价线路上的违约用电行为；

所述用户增减容与电量增长的比例不符模型及异常筛选规则为将用户的增、减容的比例与工作归档后的正常月的电量增减比例进行比较，筛选增容期间用电量偏低及全暂停减容期间产生电量的用户。

所述计量装置故障及异常告警指标为对于计量装置故障和用电异常事件告警，根据反窃电监测体系建立的需要进行过滤筛选，并通过复杂事件处理技术对事件间的关联性进行分析。

所述用户历史用电服务指标的模型及异常筛选规则为导致电能表故障或变压器反复增减容的用户，对其历史营销业务办理情况设定相应的指标并行进行管理。

所述用户历史用电服务指标模型及异常筛选规则为通过对用户历史的投诉记录，客户服务记录，停复电记录，设置相应的评定指标，作为预测模型的入参。

所述电价执行指标的模型及异常筛选规则为筛选变损执行错误，分时电价执行错误，力率执行错误，两部制电价执行错误的用户，作为预测模型的入参。

所述对窃电疑似用户进行实时监测方法为分析窃电高危客户数据，利用新的筛选规则对窃电疑似区域、台区进行模糊定位；按照客户行业类别、区域划分、负荷量大小等进行分类，重点关注数据的变化率，通过横向与纵向对比客户用电数据，对窃电疑似户进行进一步定位；利用电能量采集系统单户召测功能，确定客户是否存在窃电嫌疑，通过线上下发工单与线下现场稽查的形式对窃电嫌疑户进行最终核实，确定该户是否存在窃电情况，实现反窃电用户在线监测精准定位。

所述对窃电疑似用户进行实时监测方法利用统计界面、工作流程图和数据查询工具实施。

本发明利用已知窃电用户用电数据规律,梳理线损异常、用电异常、计量装置故障异常、用户历史业务办理情况、用户历史用电服务等6大类数据指标，建立涵盖13个主题域的统一指标模型，编写营销稽查监控平台和电能量采集系统新的异常筛选规则，以营销业务应用系统、电能量采集系统、95598服务投诉、客户基础档案信息等作为客户数据来源，开展客户用电大数据分析，建立反窃电嫌疑客户在线实时监测体系。

本发明通过对典型窃电方式的研究，对计量装置类型、参数、故障类型、接线方式、工作流程、异常状态处理流程等数据进行分析，对日电量、抄表数据、电压电流曲线等用电数据开展综合考虑，总结应用各类手段进行窃电的数据类型和用电规律，研究出一系列反窃电在线监测模型，建立反窃电智能分析模型库。

本发明通过营销稽查监控平台、95598投诉数据库、计量异常及用电异常在线监测平台及客户基础档案信息等数据作为线索，以存在窃电行为用户作为重点关注对象，以窃电对台区线损、发生多次投诉事件等指标作为重点研究区域，利用反窃电智能分析模型库的筛选模型，结合数据分析与单户召测精确定位窃电高危疑似用户，建立窃电高危客户数据库。

本发明基于在线监测模型，开展客户用电大数据分析，建立反窃电在线监测平台，定期针对窃电高危客户数据库中的异常数据开展反窃电实时在线监测，对窃电疑似情况进行全面、系统化筛查并精准定位。

本发明利用已知窃电用户用电数据规律,梳理线损异常、用电异常、计量装置故障异常、用户历史业务办理情况、用户历史用电服务等6大类数据指标，建立涵盖13个主题域的统一指标模型，编写营销稽查监控平台和电能量采集系统新的异常筛选规则，以营销业务应用系统、电能量采集系统、95598服务投诉、客户基础档案信息等作为客户数据来源，开展客户用电大数据分析，建立反窃电嫌疑客户在线监测体系。

通过建立反窃电在线监测平台，对疑似窃电客户进行实时监控。首先利用新的筛选规则对窃电疑似区域、台区进行模糊定位；其次按照客户行业类别、区域划分、负荷量大小等进行分类，重点关注数据的变化率，通过横向与纵向对比客户用电数据，对窃电疑似户进行进一步定位；最后利用电能量采集系统单户召测功能，确定客户是否存在窃电嫌疑，通过线上下发工单与线下现场稽查的形式对窃电嫌疑户进行最终核实，确定该户是否存在窃电情况。

借助在线监测对窃电行为进行精准定位，从根本上解决查窃难、取证难、留死角的问题，有效提高了反窃电工作效率，降低工作成本，提高查处成功率，提升服务满意度，维护了良好的用电秩序。

2015年6月18日，管理创新项目小组成员在对采集系统监控时发现某电磁线有限公司存在A相电压失压的现象，疑似有窃电行为。

首先通过营销业务应用系统核实用户基本信息及往月用电量；查看用电信息采集系统中用户的计量方式及当月用电量，对该户异常情况和窃电时间精心进一步确认；然后对其进行现场检查，确定现场存在窃电行为，窃电方式为故意损坏高压用电计量装置用电。

根据供电营业规则第一百零三条规定，“在供电企业的供电设施上，擅自接线用电的，所窃电量按私接设备额定容量乘以实际使用时间计算确定。窃电时间无法查明时，窃电日数至少以一百八十天计算，每日窃电时间：电力用户按12小时计算；照明用户按6小时计算”。

窃电时间：按窃电设备实际使用时间无法确定，根据供电营业规则按180天，每天12小时计算。

窃电电价：该用户为高压用户，应执行河北省电力公司“大工业非优待1-10千伏”0.6011元。

窃电设备容量：用户的用电设备主要为生产机械及照明，现场测量为1.98kVA

应追补电量：1.98kVA*12小时/天*180天=4277kWH

应追补电量电费：4277kWH*0.6011元/kWH=2570.9元

追补违约使用电费：2570.9元*3=7712.7元

共计2570.9+7712.7=10283.6元。

以上所述实施方式仅为本发明的优选实施例，而并非本发明可行实施例的穷举。对于本领域一般技术人员而言，在不背离本发明原理和精神的前提下对其所作出的任何显而易见的改动，都应当被认为包含在本发明的权利要求保护范围之内。