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人员、用电检查人员和计量工作人员主要利用计量异常报警功能和电能量数据查询功能,开展用户用电情况的在线监控工作。通过采集电量异常、负荷异常、终端报警、主站报警和线损异常等信息,建立数据分析模型,来实时监测窃漏电情况和发现计量装置的故障。根据报警事件发生前后,客户计量点有关的电流、电压和负荷数据情况等数据情况,构建基于指标的用电异常分析模型,实现检查客户是否存在窃电、违章用电,及计量装置故障等情况。

上述防窃电漏电的查询方法,虽然可以获得用电异常的某些信息,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。并且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、功率因数等用电负荷数据,以及用电异常等终端报警信息。异常告警信息和用电负荷数据能够反映用户的用电情况,同时稽查工作人员也会通过在线稽查系统和现场稽查,查找窃电漏电用户,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,便可自动检查、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