數(shù)據(jù)挖掘在用戶竊電行為識(shí)別中的應(yīng)用

電力資源在人們的日常生產(chǎn)生活當(dāng)中起著不可或缺的作用，有些用電客戶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(jì)價(jià)值損失，同時(shí)也增加了電力系統(tǒng)的安全隱患，給用電安全和社會(huì)穩(wěn)定造成一定的影響。

以往，為發(fā)現(xiàn)用戶竊電，主要是通過用戶舉報(bào)竊電、定期巡檢、定期校驗(yàn)電表等方式，這種方法對(duì)人的依賴性很強(qiáng)而且目標(biāo)不夠明確，效率比較低，從用戶竊電開始到發(fā)現(xiàn)竊電時(shí)間跨度較長(zhǎng)。隨著科學(xué)技術(shù)的發(fā)展，用戶竊電手法越來(lái)越多樣化且越來(lái)越隱蔽，更有使用倒表器、移相方式、有線遠(yuǎn)方控制和無(wú)線遙控等智能型竊電^[1]，使得竊電行為被發(fā)現(xiàn)越來(lái)越困難。目前，也有很多供電企業(yè)營(yíng)銷稽查人員利用計(jì)量裝置的異常報(bào)警功能和電量查詢功能來(lái)對(duì)用戶用電情況進(jìn)行監(jiān)控，但由于存在終端的誤報(bào)和漏報(bào)等情況，往往不能精準(zhǔn)快速地定位到竊電用戶。

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(tǒng)的竊電排查方法難以及時(shí)、準(zhǔn)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(shù)據(jù)挖掘技術(shù)建立竊電用戶識(shí)別模型，通過對(duì)多方面因素的綜合分析，自動(dòng)檢測(cè)用戶的竊電行為。

1   用戶竊電行為分析

現(xiàn)階段用戶的竊電行為主要包括以下幾種：繞越計(jì)量、改動(dòng)計(jì)量裝置、斷零竊電、斷開聯(lián)片、調(diào)接零火線、更換齒輪等，詳細(xì)如下圖所示。

圖1 竊電行為詞云圖

2   基于數(shù)據(jù)挖掘的用戶竊電預(yù)測(cè)方案

2.1 挖掘模型思路

為了能夠更加高效地識(shí)別用電客戶各式各樣的竊電行為，引入大數(shù)據(jù)挖掘算法，建立智能識(shí)別竊電用戶的模型，從多方面考量，使得竊電行為無(wú)處遁形。CRISP-DM模型是數(shù)據(jù)挖掘領(lǐng)域中最權(quán)威的過程模型，涉及了商業(yè)理解、數(shù)據(jù)理解、數(shù)據(jù)準(zhǔn)備、建立模型、模型評(píng)估、結(jié)果發(fā)布等6 大環(huán)節(jié)。這個(gè)模型強(qiáng)調(diào)“數(shù)據(jù)不僅僅是數(shù)據(jù)的呈現(xiàn)或以某種方式組織，也不僅僅是數(shù)據(jù)分析、挖掘、統(tǒng)計(jì)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，然后再到開展實(shí)踐檢驗(yàn)和驗(yàn)證方案的完整過程”。

圖2 CRISP-DM模型流程圖

2.2 C4.5 算法

C4.5 算法，作為數(shù)據(jù)挖掘中經(jīng)典算法，是分類決策樹算法中的一種常用機(jī)器學(xué)習(xí)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(gòu)造決策樹的過程中，“如何選擇分裂屬性”和“何時(shí)停止分裂”是兩大關(guān)鍵問題，在這兩大問題上的不同處理方法，產(chǎn)生了不同的決策樹算法（CART、ID3 和C4.5）。在如何選取分裂屬性方面，Gini 指標(biāo)、信息增益和信息增益率是衡量一個(gè)屬性區(qū)分?jǐn)?shù)據(jù)樣本能力的不同度量標(biāo)準(zhǔn)，其中ID3 算法用信息增益，C4.5 算法用信息增益率，CART 決策樹用Gini 系數(shù)。

在屬性選擇度量中，假設(shè)D 是類標(biāo)記元組訓(xùn)練集，類標(biāo)號(hào)屬性具有m 個(gè)不同值，m 個(gè)不同類Ci(i=1,2,…，m)，CiD 是D 中Ci 類的元組的集合，|CiD| 和|D| 分別是CiD 和D 的元組個(gè)數(shù)：

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

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(xù)值屬性上的處理。該算法定義了一套處理不同數(shù)據(jù)缺失情況的處理策略，其優(yōu)點(diǎn)是可以對(duì)不完整數(shù)據(jù)集處理得較為完善。

2.3 案例分析

2.3.1 數(shù)據(jù)輸入和特征選取

根據(jù)電力企業(yè)的用電檢查業(yè)務(wù)指導(dǎo)相關(guān)的內(nèi)容，可基于營(yíng)銷稽查、線損、業(yè)擴(kuò)、計(jì)量、電費(fèi)、客服等專業(yè)數(shù)據(jù)預(yù)測(cè)用戶竊電信息[]。本文建立的用戶竊電智能識(shí)別模型選取450 條訓(xùn)練數(shù)據(jù)和50 條測(cè)試數(shù)據(jù)。數(shù)據(jù)集的特征包括用戶類別、電價(jià)類別、豐枯類型、用電性質(zhì)、地區(qū)類別、信用級(jí)別、業(yè)務(wù)類別、費(fèi)用類別、峰谷標(biāo)志、電量類別、季節(jié)類型、違竊標(biāo)志的12 個(gè)字段。

2.3.2 模型構(gòu)建及模型訓(xùn)練

用戶竊電行為分析屬于分類預(yù)測(cè)的應(yīng)用場(chǎng)景，在模型訓(xùn)練階段，采用總體表現(xiàn)較優(yōu)秀的C4.5 決策樹算法進(jìn)行竊電識(shí)別模型的訓(xùn)練，并通過輸出的決策樹歸納識(shí)別用戶竊電行為的規(guī)則。

2.3.3 模型評(píng)估

對(duì)于分類場(chǎng)景中的二分類問題，可以將分類器預(yù)測(cè)類別和真實(shí)類別，排列組合為四種類別，如下表1 所示。

真正類（true positive TP）：真實(shí)類別為正類，預(yù)測(cè)類別為正類；

（false positive FP）：真實(shí)類別為負(fù)類，預(yù)測(cè)類別為正類；

（false negative FN）：真實(shí)類別為正類，預(yù)測(cè)類別為負(fù)類；

（true negative TN）: 真實(shí)類別為負(fù)類，預(yù)測(cè)類別為負(fù)類。

該模型采用的準(zhǔn)確率（Accuracy）：

用于衡量所有樣本被分類準(zhǔn)確的比例。

2.3.4 模型的應(yīng)用

模型總體的準(zhǔn)確率在95% 左右，可用于后續(xù)用戶竊電情況的分析和預(yù)測(cè)。并且隨著模型輸入數(shù)據(jù)的增加，模型的準(zhǔn)確性和可靠性也將得到提升。通過與分類預(yù)測(cè)器的結(jié)合使用，可以實(shí)現(xiàn)已經(jīng)訓(xùn)練好的模型的復(fù)用而不用重新訓(xùn)練模型。

3   結(jié)論

本文基于數(shù)據(jù)挖掘的技術(shù)，分析用電客戶相關(guān)的用電特征數(shù)據(jù)，建立竊電用戶識(shí)別模型，選用C4.5 決策樹算法進(jìn)行模型的訓(xùn)練，得到了較好的預(yù)測(cè)結(jié)果。該模型能夠?qū)τ脩舻母`電行為進(jìn)行有效而科學(xué)的判斷，幫電力系統(tǒng)營(yíng)銷稽查相關(guān)工作人員及時(shí)地研判用戶是否存在竊電情況。相比于傳統(tǒng)的反竊電技術(shù)工作量大、工作效率低，該方法能夠提高識(shí)別效率，減少供電企業(yè)的經(jīng)濟(jì)損失。

參考文獻(xiàn)：

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

[2] 胡琛,數(shù)據(jù)挖掘技術(shù)在電量管理與反竊電系統(tǒng)中的應(yīng)用與研究[D].武漢:武漢大學(xué),2004．

[3] 蔡嘉榮,王順意,吳廣財(cái).基于機(jī)器學(xué)習(xí)的用戶竊電預(yù)測(cè)及用電檢查計(jì)劃輔助編排研究[J].測(cè)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）