本教程将为您介绍如何通过DataWorks配合机器学习的方式,实现窃电用户的自动识别,保障用户的安全用电。

传统的识别窃电或计量装置故障的方法包括定期巡检、定期校验电表、用户举报窃电等,对人的依赖性较强,且查找窃电漏电的目标不明确。

目前,很多供电局的营销稽查、用电检查和计量工作人员,利用计量异常报警和电能量数据查询功能来在线监控用电情况。通过采集电量异常、负荷异常、线损异常、终端报警、主站报警信息,建立数据分析模型,工作人员可以实时监测窃漏电情况并发现计量装置故障。根据报警事件发生前后,客户计量点有关的电流、电压和负荷等数据情况,构建基于指标的用电异常分析模型,检查是否存在窃电、违章用电及计量装置故障等情况。

虽然上述防窃电漏电的查询方法可以获得用电异常信息,但由于终端误报或漏报过多,无法真正快速精确地定位窃电漏电用户。同时,采用上述方法建模时,需要专家根据其知识和经验,来判断模型各输入指标权重,主观性较强。

现有的电力计量自动化系统,能够采集到各项电流、电压、功率等用电负荷数据及用电异常等终端报警信息。此外,稽查工作人员还可以通过在线稽查系统和现场稽查,查找窃电漏电用户数据并录入系统。

通过上述数据信息,提取出窃电漏电用户的关键特征,构建窃漏电用户的识别模型,即可自动判断用户是否存在窃电漏电行为,降低稽查工作人员的工作量,并保障用户的正常、安全用电。

窃电用户自动识别教程涉及的具体开发流程如下:
  1. 环境准备
  2. 数据准备
  3. 数据加工
  4. 数据建模