本文为您介绍如何通过PAI-Studio预置实验模板,快速构建窃漏电用户的识别模型,达到自动检查用户是否窃漏电的目的,从而大幅度降低稽查工作人员的工作量、保障用户正常用电及安全用电。
背景信息
传统防窃漏电主要通过定期巡检、定期校验电表及用户举报等方法发现窃电或计量装置故障,该方法强依赖于人工手段,且抓窃查漏的目标不明确。通常供电局通过计量异常报警功能和电能量数据查询功能,人工在线监督用户用电情况。例如通过采集电量异常、负荷异常、终端报警、主站报警及线损异常等信息监测窃漏电情况及计量装置故障,或根据报警事件发生前后客户计量点电流、电压及负荷数据情况,构建基于指标加权的用电异常分析模型,从而检查用户是否窃电或计量装置故障等。
传统的防窃漏电方法虽然能够获得用电异常信息,但是由于终端误报或漏报过多,因此无法快速精确地定位窃漏电嫌疑用户,导致稽查工作无法开展。传统方法建模时,专家需要根据知识和经验判断模型输入指标的权重,具有强主观性,导致实施效果不理想。
电力计量自动化系统能够采集用电负荷数据(例如电流、电压及功率)及用电异常等终端报警信息,该数据能够反映用户用电情况。同时,稽查工作人员通过在线稽查系统和现场稽查找出窃漏电用户,并录入系统。通过从这些数据提取窃漏电用户的关键特征,构建窃漏电用户的识别模型,可以自动检查用户是否窃漏电,从而大幅度降低稽查工作人员的工作量、保障用户正常用电及安全用电。
数据集
本实验的数据集包括如下字段。
字段名 | 类型 | 参数 |
---|---|---|
power_usage_decline_level | BIGINT | 电量趋势下降指标 |
line_loss_rate | BIGINT | 线损指标 |
warning_num | BIGINT | 告警类指标数量 |
is_theff | BIGINT | 是否窃漏电 |
用户窃电识别
- 进入PAI-Studio控制台。
- 登录PAI控制台。
- 在左侧导航栏,选择 。
- 在PAI可视化建模页面,单击进入机器学习。
- 构建实验。
- 运行实验并查看输出结果。