王 浩馬 迅劉安磊賈旭超紀(jì)書軍駱云娟徐冬冬

(國網(wǎng)河北省電力有限公司電力科學(xué)研究院，石家莊 050021)

隨著科學(xué)技術(shù)的不斷發(fā)展，利用高科技進(jìn)行竊電的手段越來越普遍[1]，比如強(qiáng)磁竊電、無線干擾竊電、更改電能表編程器竊電等。這些技術(shù)手段不但隱蔽性強(qiáng)，而且不容易控制，用戶的竊電量大，查處難度非常大。

針對高科技竊電現(xiàn)象，有學(xué)者提出采用時域和頻域的曲線相似性分析方法，通過判斷用戶負(fù)荷曲線與異常饋線線損曲線之間的相似性來識別竊電行為；有學(xué)者提出根據(jù)“在一個數(shù)據(jù)集中，會出現(xiàn)偏離集群中其他數(shù)據(jù)的數(shù)據(jù)點(diǎn)，若數(shù)據(jù)點(diǎn)的偏離程度較大，則懷疑形成這種偏離的原因不屬于集群內(nèi)部因素導(dǎo)致，而是外界干擾因素導(dǎo)致的這種不正常的現(xiàn)象”建立基于距離的離群點(diǎn)檢測方法檢測電壓、電流異常，進(jìn)而判斷用戶是否存在竊電行為；有的學(xué)者提出通過獲取智能電表數(shù)據(jù)和配電變壓器的數(shù)據(jù)，構(gòu)建數(shù)據(jù)模型，進(jìn)而判斷用戶是否竊電[2]。上述判斷方法，主要根據(jù)用戶用電數(shù)據(jù)進(jìn)行異常判斷，判斷方式單調(diào)，構(gòu)建的數(shù)據(jù)特征較少，導(dǎo)致數(shù)據(jù)挖掘的效率不高，數(shù)據(jù)價值沒有得到充分利用，所以分析效果并不理想。而基于機(jī)器學(xué)習(xí)算法構(gòu)建反竊電模型，從用戶用電數(shù)據(jù)、計量異常事件以及線損3個角度切入，多方位偵測用戶竊電行為，能夠有效地提高竊電檢測率，對構(gòu)建基于大數(shù)據(jù)的反竊電稽查監(jiān)控系統(tǒng)具有重要的社會和經(jīng)濟(jì)意義。

1 模型簡介

模型選用隨機(jī)森林算法是利用多棵樹對樣本進(jìn)行訓(xùn)練并預(yù)測的一種分類器。其反復(fù)二分?jǐn)?shù)據(jù)進(jìn)行分類或回歸，計算量大大降低。在變量(列)的使用和數(shù)據(jù)(行)的使用上進(jìn)行隨機(jī)化，生成很多分類樹，再匯總分類樹的結(jié)果。目前反竊電的特征中多數(shù)的特征無共同性，因竊電的形式可能多種，竊電用戶的數(shù)據(jù)不具備一定的共同性，隨機(jī)森林算法可以根據(jù)這些竊電用戶的特征以及非竊電用戶的特征，在子樹中對每一個分裂過程選擇部分特征，從所有特征中隨機(jī)選取一定的特征，之后再在隨機(jī)選取的特征中選取特征，每棵樹重復(fù)上述過程，最后投票選擇出最正確的分類。此模型可提升反竊電稽查監(jiān)控系統(tǒng)的多樣性，從而提升數(shù)據(jù)的可利用性和結(jié)果預(yù)測的正確性，同時防止過擬合。隨機(jī)森林算法可以在運(yùn)算量沒有顯著提高的前提下提高了預(yù)測精度，其原理如圖1所示。

圖1 隨機(jī)森林算法的原理

隨機(jī)森林算法是機(jī)器學(xué)習(xí)中的重要算法，在許多領(lǐng)域應(yīng)用[4]。隨機(jī)森林模型[5]是一個包含多個決策樹的分類器，并且其輸出的類別是由個別樹輸出的類別的眾數(shù)而定。在機(jī)器學(xué)習(xí)中，決策樹是一個預(yù)測模型，他代表的是對象屬性與對象值之間的一種映射關(guān)系。

在決策樹中每個節(jié)點(diǎn)表示某個對象，而每個分叉路徑則代表某個可能的屬性值，每個葉結(jié)點(diǎn)則對應(yīng)從根節(jié)點(diǎn)到該葉節(jié)點(diǎn)所經(jīng)歷的路徑所表示對象的值。隨機(jī)森林由多個決策樹構(gòu)成，每個決策樹都表述了一種樹型結(jié)構(gòu)，由它的分支來對該類型的對象依靠屬性進(jìn)行分類。每個決策樹可以依靠對源數(shù)據(jù)庫的分割進(jìn)行數(shù)據(jù)測試，這個過程可以遞歸式的對樹進(jìn)行修剪。當(dāng)不能再進(jìn)行分割或一個單獨(dú)的類可以被應(yīng)用于某一分支時，遞歸過程完成。隨機(jī)森林分類器將許多決策樹結(jié)合起來可以提升分類的正確率[6]。具體的決策樹與隨機(jī)森林的算法介紹見參考文獻(xiàn)[7]。

2 模型框架

2.1 設(shè)計理念

隨機(jī)森林算法的基本思路是基于歷史的用電信息數(shù)據(jù)，構(gòu)建特征向量用來表征竊電行為和正常用電行為的差異性，進(jìn)而訓(xùn)練二分類機(jī)器學(xué)習(xí)模型，基于過去一段時間的用電信息，自動判斷用戶在該時間段內(nèi)是否發(fā)生了竊電，如圖2所示。

2.2 特征選擇

圖2 隨機(jī)森林模型算法設(shè)計框架

特征所使用的基礎(chǔ)表如圖3所示。其中歷史用電信息，是指用戶在一段時間區(qū)間內(nèi)(1個月/季度/年)所產(chǎn)生用電行為信息和用戶基本屬性信息。具體而言，可以分為三類:時間序列類型信息、事件類信息、靜態(tài)類信息。其中時序類信息包含了用戶每天用電量的時序數(shù)據(jù)和臺區(qū)每天線損量的時序數(shù)據(jù)；事件類信息，主要記錄了不同異常類型用電事件的發(fā)生時刻信息；靜態(tài)類信息，指用戶的基本信息，例如地址、職業(yè)、愛好、性別等。

圖3 隨機(jī)森林模型算法特征

2.2.1 基礎(chǔ)表說明

a.日用電量:日凍結(jié)有功電能示值、測量點(diǎn)日凍結(jié)電能量。

b.日臺區(qū)線損:臺區(qū)線損率明細(xì)。

c.用電異常事件:電能表的潮流反向、電流不平衡、電壓逆相序、電源異常、斷相、輔助電源掉電、負(fù)荷開關(guān)誤動拒動、過流、恒定磁場干擾、開表蓋、開端鈕蓋、欠壓、全失壓、失流、失壓、校時、電能事件清零、飛走、倒走等事件。

d.用戶基本信息表:用戶檔案。

2.2.2 主要特征數(shù)據(jù)提取

根據(jù)上述基礎(chǔ)表，以竊電手段判別，根據(jù)短接偷電、電能表停轉(zhuǎn)、電能表反轉(zhuǎn)、欠電壓法竊電，欠電流法竊電、移相法竊電，擴(kuò)差法竊電、無表法竊電等，可得出異常事件行為記錄表記錄的信息將是本模型數(shù)據(jù)權(quán)重較大部分，根據(jù)此表判斷竊電用戶的行為，取異常事件發(fā)生時間點(diǎn)，以此用戶、發(fā)生時間，關(guān)聯(lián)出其對應(yīng)時間的用電量、臺區(qū)線損，觀察其突變度，并取突變度最大值，主要特征如下:

a.異常事件發(fā)生次數(shù)(對取出的所有異常事件進(jìn)行計數(shù))；

b.異常事件時刻用電突變度(異常事件發(fā)生的時間節(jié)點(diǎn)所對應(yīng)的用電量的突變度)；

c.異常事件時刻線損突變度(異常事件發(fā)生的時間節(jié)點(diǎn)所對應(yīng)的臺區(qū)線損的突變度)；

d.用戶用電突變點(diǎn)個數(shù)(所有時間下的用電量突變點(diǎn)的計數(shù))；

e.用電突變時刻線損突變度(所有時間下的用電量突變點(diǎn)的時間所對應(yīng)的線損突變度)。

2.2.3 其他特征

根據(jù)用戶日用電量的均值、方差、異常值、突變點(diǎn)、工作日、休息日用電量等，統(tǒng)計如下信息:時間序列的空值占比、時間序列0值占比、時間序列異常電占比、時間序列中位數(shù)、時間序列方差、時間序列標(biāo)準(zhǔn)化中位數(shù)(＜=＞中位數(shù)/時間序列最大值)、時間序列標(biāo)準(zhǔn)化方差(＜=＞方差/時間序列最大值)、突變點(diǎn)個數(shù)、突變點(diǎn)躍遷最大值、工作日平均用電量、休息日平均用電量、工作日平均用電比例、休息日平均用電比例、星期用電比例的信息熵。此部分特征為預(yù)想可能存在影響該樣本是否為竊電用戶，因而選用部分。

3 模型訓(xùn)練

模型輸入數(shù)據(jù)部分選擇了360天的數(shù)據(jù)(包含竊電以及非竊電用戶)，從基礎(chǔ)表提取出主要的5個特征，訓(xùn)練數(shù)據(jù)2W正樣本+5W普通竊電用戶，交叉驗證準(zhǔn)確率為80%，隨機(jī)抽取模型中1個樹的過程，如圖4所示。

圖4 隨機(jī)森林模型樹的預(yù)測過程

由100多棵樹隨機(jī)抽取特征，根據(jù)訓(xùn)練數(shù)據(jù)擬合模型后，將新樣本輸入，執(zhí)行上述過程，得到結(jié)果。

訓(xùn)練模型:第一步將要提取特征，但在進(jìn)入特征提取前，需要抽取一定比列的訓(xùn)練樣本(竊電用戶和未發(fā)現(xiàn)竊電的用戶)，此部分需手動設(shè)置，提取完訓(xùn)練樣本后，數(shù)據(jù)將交給feature_extract抽取數(shù)據(jù)，后續(xù)將會調(diào)用feature_util中的方法對數(shù)據(jù)進(jìn)行轉(zhuǎn)換，于feature_combine中整合成用來訓(xùn)練的數(shù)據(jù)(特征)，于model_train_script中訓(xùn)練模型，訓(xùn)練完成后將導(dǎo)出一份訓(xùn)練完后的文件，內(nèi)含訓(xùn)練完畢的模型，后續(xù)預(yù)測時將直接調(diào)用該文件。

4 模型應(yīng)用

4.1 模型預(yù)測

模型預(yù)測嫌疑用戶流程如下:

a.提取預(yù)測數(shù)據(jù)；

b.執(zhí)行preprocess腳本創(chuàng)建臨時表；

c.臨時表中提取預(yù)測數(shù)據(jù)，通過feature_extract抽取數(shù)據(jù)(調(diào)用feature_util中的方法對數(shù)據(jù)進(jìn)行轉(zhuǎn)換)；

d.在feature_combine中整合成預(yù)測的數(shù)據(jù)；

e.通過model_predict_util打開訓(xùn)練完成的模型文件；

f.將數(shù)據(jù)導(dǎo)入模型進(jìn)行預(yù)測，并輸出結(jié)果；

g.調(diào)用output_database導(dǎo)出txt文件；

h.使用hadoop命令將文件導(dǎo)入hive的臨時表；

i.住址姓名通過表內(nèi)ID信息關(guān)聯(lián)，導(dǎo)入Oracle完成。

4.2 模型結(jié)果

模型選取滄州某縣進(jìn)行驗證測試工作，對部分嫌疑用戶的部分特征進(jìn)行分析，根據(jù)輸出結(jié)果進(jìn)行嫌疑度排名，選取其中嫌疑度較高的嫌疑用戶，將其用電采集數(shù)據(jù)繪制成圖，見圖5、圖6，其中虛線部分代表用戶日用電量，實(shí)線部分代表臺區(qū)日線損。

圖5 隨機(jī)森林模型嫌疑用戶1臺區(qū)線損與日用電量相關(guān)性

圖6 隨機(jī)森林模型嫌疑用戶2臺區(qū)線損與日用電量相關(guān)性

2019年5月，選取圖5、圖6對應(yīng)的嫌疑用戶，在滄州某縣城進(jìn)行現(xiàn)場稽查工作。最終，確定2戶均為竊電用戶，其中一戶嫌疑用戶存在繞越計量竊電，表內(nèi)計量電流為0 A，實(shí)際流入電流為4.97 A，屬竊電行為；另外一戶嫌疑用戶存在動表竊電，使計量不準(zhǔn)確，達(dá)到竊電目的。

2019年4月起至8月，根據(jù)文本模型得出的嫌疑用戶，于石家莊、保定、滄州3個地市開展試點(diǎn)工作，共51戶派發(fā)進(jìn)行現(xiàn)場核查，查實(shí)用戶10戶，準(zhǔn)確率19.6%。

5 結(jié)束語

由此可見，隨機(jī)森林算法可以有效快速地實(shí)現(xiàn)竊電嫌疑用戶的追蹤。隨機(jī)森林采用了集成算法，本身精度比大多數(shù)單個算法要好。在測試集上表現(xiàn)良好，由于2個隨機(jī)性的引入，使得隨機(jī)森林不容易陷入過擬合(樣本隨機(jī)，特征隨機(jī))，訓(xùn)練速度快，可以運(yùn)用在大規(guī)模數(shù)據(jù)集上。利用機(jī)器學(xué)習(xí)算法對竊電嫌疑用戶的追蹤，實(shí)現(xiàn)了快速有效的反竊電目標(biāo)，為國家以及社會反竊電領(lǐng)域創(chuàng)造了應(yīng)用價值。