基于大数据和机器学习的用电异常行为分析系统.pdf

第6 0 卷第6 期2023年6 月15日电测与仪 表Electrical Measurement&InstrumentationVol.60 No.6Jun.15,2023基于大数据和机器学习的用电异常行为分析系统杨铮宇（云南电网有限责任公司计量中心，昆明6 50 0 51）摘要：用户用电异常行为不仅对接入设备和用户本身产生影响，更会危及电网的正常运行，因此对用电异常行为的分析至关重要。基于大数据和机器学习技术,设计了一种用电异常行为分析系统，并提出了系统设计的总体框架和相关配置。所设计系统对用户用电的用电量、电压质量、负载及三相不平衡率、无功及功率因数等方面可以进行异常分析,并以可视化的方式向管理员和用户展示。同时，对高风险用户进行预警和跟踪处理，对窃电行为展开调查分析。本系统可以有效分析用户用电异常行为及进行窃电预警，对电网稳定运行起到关键作用。关键词：用电异常行为；大数据；机器学习；聚类分析；窃电预警D0I:10.19753/j.issn1001-1390.2023.06.024中图分类号：TM71Analysis system of abnormal behavior of electricity consumption based onAbstract:Abnormal behavior of electricity consumption not only affects access equipment and users themselves,but alsoendangers the normal operation of power grid.Therefore,the analysis of abnormal behavior of electricity consumption isvery important.Based on big data and machine learning technology,an analysis system of abnormal behavior of electricityconsumption is designed,and the overall framework and relevant configuration of the system design are proposed.The de-signed system can analyze the abnormal factors such as power consumption,voltage quality,load,three-phase unbalancerate,reactive power and power factor,etc,and show them to administrators and users in a visual way.Meanwhile,earlywarning and tracking processing are conducted to high-risk users to carry out investigation and analysis of stealing electrici-ty.The system can effectively analyze abnormal behaviors of users and give early warning of electricity theft,which playsa key role in the stable operation of power grid.Keywords:abnormal electricity behavior,big data,machine learning,clustering analysis,early warning of electricity theft0引 言文献3 介绍了基于大数据技术的用电行为异常随着社会经济的不断发展，电力运行也承受着越分析的特点和功能,并从系统架构、功能设计和接人方来越大的压力,其中用户的异常用电行为尤为严重。案对系统的开发进行了论述。文献4 提出了一种基于它不仅会影响用户自身的用电质量，还可能危及电网SMOTE和XGBoost的窃电检测方案，实验表明，可以提的安全运行。传统的用电异常行为检测方法主要依高不平衡数据分类的有效性，对比于传统的检测模型，靠人力,效率低下且出错性高。随着智能电网的不断在窃电检测场景的多项评价指标下准确率提升至发展，电力系统产生大量的运行数据。因此，从庞大的92.45%。文献5 提出一种基于AdaBoost集成学习的数据库中提炼出想要的信息，并从中对异常行为数据窃电检测算法,结果表明,在准确率、命中率、误检率等进行分析是辨识用电异常的可行性方法之一2 。检测指标中最优，灵敏性分析验证了该窃电检测方法的有效性。文献6 基于样本检测的协同森林技术对基金项目：南方电网有限公司科技项目（0 593 0 0 KK52170014）用电数据进行检测，仿真算例证明了方法的可靠性。一16 7 一文献标识码：Abig data and machine learningYang Zhengyu(Metering Center,Yunnan Power Grid Co.,Ltd.,Kunming 650051,China)文章编号：10 0 1-13 90(2 0 2 3)0 6-0 16 7-0 7第6 0 卷第6 期2023年6 月15日用户的异常用电行为对系统运行有较大的影响，同时用户运行数据体系较为庞大，如何利用该数据库进行用电行为分析是当今研究热点。因此，文中基于大数据和机器学习技术，构建一种用户用电异常行为分析系统。从用户用电量、用户电压质量、负载及三相不平衡率、无功及功率因素等多方面进行异常分析，保证用户的用电质量。同时设计高风险用户管理体系，构建窃电模型进行窃电预测，同时对高风险用户进行追踪管理，确保电力系统的正常稳定运行。1用电异常行为分析系统平台总体构架1.1总体构架系统采用J2EE架构，可满足根据不同角色进行功能授权,需兼容主流的浏览器7 。系统架构在满足稳定性、性能要求的基础上，应能够提供良好的界面展示及人机交互,提升用户使用感受，系统需具备较强的可扩展性和较低的运维成本，如图1所示。管理用户用电质量分析J2EE、H T M L、JSP、MVC、I O C 等大数据中心云电智云平台图 1系统结构框图Fig.1 Block diagram of system structure总体架构由基础设施、应用支持平台及应用构成，且整体技术又包括安全体系和标准体系全过程管理。其中技术安全包括应用安全、数据安全和环境安全，项目的集成接口建设遵循标准的编码规范、接口规范和数据规范等。（1)基础设施：基础设备主要包括分析应用系统具备的应用服务器、数据库服务器、操作系统等设备及系统运行的网络环境；（2)技术开发支撑平台：支撑平台主要包括开发的J2EE开发组件、页面HTML、JSP及JavaScript开发、及第三方开发JQuery组件等；(3）功能应用：功能应用主要包括服务应用主要包一16 8 一电测与仪表Electrical Measurement&Instrumentation括台区及线路的web功能展示应用及app后台管理，主要包括在线监测、异常分析及数据管理等，同时实现web展示和大屏展示；（4系统使用者包括系统业务人员用户、管理用户等。1.2“云电智云”技术基础云南电网已经基于阿里的技术体系，构建云南电网的“1+1+1”电力大数据中心，如图2 所示，即1个大数据平台（含数据中心），1套大数据资产运营体系（含大数据运营中心），1套大数据治理体系（含以数据源、数据标准、数据安全为核心的数据资产管理工具）；对内使公司的电网管制业务提质、增效；对外开展竞争性业务，数据变现、创造价值。对外竞争性发电企业服务决策支持运营管控数据资产集成日大数据应用场景数据标准业务用户其他用户服务应用高风险用户判断）窃电追踪应用支持JqueryVol.60 No.6Jun.15,2023政府充电汽车新能源电力大数据中心大数据平台发电厂管理亚设备监调度实营销实外部数据数据控数据时数据厨数据数据云计算平台图2 大数据平台结构Fig.2 Structure of big data platform云南电网的大数据平台是一个技术支撑平台，从数据“采、存、通、用”流程角度，分为数据采集层、数据存储层、数据计算层、数据分析层、平台服务层。平台整体部署在公司云平台之上，使用云平台提供的计算和存储服务，本身天然拥有弹性伸缩能力。平台是公司数据汇聚中心、统一数据及数据服务唯一来源，是公司大数据应用的开发支撑平台。1.3软件配置方案文中设计的用电异常行为分析系统集成云电智云大数据平台、营销管理系统、售电业务支持系统，获取海量运行数据的基础上，对数据进行分析。本文依照JAVAEE规范,采用兼容性高的系统软件，为今后平台接入做好准备，提供平台支撑。系统基于HTML5、X M L等通用技术标准，设计用户、管理员双模式。需要以下系统软件，具体如表1所示。(1)数据库:Mysql 5.6;(2)操作系统:CentOS 7;（3）中间应用程序服务器：Tomcat8。增内外增效值第6 0 卷第6 期2023年6 月15日以上系统软件均采用采用云电智云平台标准配置，技术相对成熟，使用可靠。表1平台软件配置Tab.1Platform software configuration设备型号中间件Tomcat 8数据库Mysql 5.6操作系统Centos 71.4硬件配置方案本系统在ECS接口服务器配置两颗1.8 GHzCPU、3 2 G 内存、3 0 0 G硬盘。为提供更好的用户体验和管理效率,在WEB服务器配置不低于两颗1.8 GHzCPU、6 4 G 内存以及50 0 G硬盘。由于在应用端,有可视化数据图与相关视频图片的输入，因此在应用服务器配置四颗不低于1.8 GHzCPU、6 4G 内存以及50 0 G硬盘,如表2 所示。表2 平台硬件配置Tab.2Platform hardware configuration服务器类型ECS 接口服务器ECSWE服务器ECS应用服务器1.5部署方式结合本项目的技术架构和项目模板，本项目采用如下方式进行部署，如图3 所示。外网访问DMZ区内外直Android接访问厂4GWIFI移动云网务器IOS1图3 部署方式图Fig.3Diagram of deployment method（1)所有服务器均采用云电智云平台的资源进行电测与仪表Electrical Measurement&Instrumentation数据分析和计算；（2）数据分析服务器实现模型的构建和分析；（3)接口服务器用于项目分析成果的对外数据交互；（4）W EB展现服务器，实现对数据的可视化展现。备注1.6数据库设计原则采用云电智云平台标准配置数据库设计遵循如下原则：(1)模块化设计。系统采用云电智云平台标准配置的设计以模块化为准则，根据需求,将系统划分为不同采用云电智云平台标准配置的相互独立的模块，定义出模块间的调用关系和数据交换方式。使用这样的设计,在后期的维护过程中,只需要寻找到需要完善的模块，而不必关心其他模块的运行，以达到提供可维护性的目标；（2）面向对象的封装。程序的设计采用面向对象的设计方式，将各种功能逻辑进行抽象封装,放置在一个独立的逻辑单元内，外界面对于此功能的调用通过相关接口，而不必关心封装体内部的实现。和模块化类似的是，模块化是粗粒度的封装，对象是细粒度的封装。通过这样层层封装的模式,尽最大的可能提高系统的可维护性；（3)完善的文档、注释。在系统的设计、开发等各个阶段,重视相关文档和规格数量CPU:1.8 GHz,内存:采用云电智云232 G,硬盘:3 0 0 GCPU1.8 GHz,内存:64 G,硬盘:50 0 GCPU: