基于FP-Growth_算法的台区线损窃电研究

某线路持续高损，稽查发现，该户用电量长期与变压器 容量明显不符。现场异常现象有以下 2 种。1）变压器体积 ＞ 250kVA（合同容量）变压器的体积。2）铭牌 4 个角的钉
柱有撬动痕迹。后续检测容量，发现用户私自更换大容量变 压器，按私增容违约用电处理。互感器倍率错误模型 ：系统 中设置的 CT 变比小于现场排查发现的 CT 变比。
的难度越来越大。本文以 FP-Growth 算法为基础，针对台区与线损相关联的窃电问题进行研究。通过分析台
区异常用电数据，运用 FP-Growth 算法挖掘频繁模式，识别异常数据，进而推断可能存在的窃电行为。研究
结果表明，该方法能够有效地提高对线损、窃电行为的检测准确率，为台区线损窃电治理提供有力支持。
1.3 用户表失压
案例一台区线损突然升至 10%~15%，据排查，发现用 户失自松动 A、B 相电压线，导致表计失压；断开电压连接 片，使电压采样电路失压导致该相不走字表计从而进行窃 电。电能表失压模型 ：电能表电压小于（额定电压 ×80%） 且持续时间大于 12h。
1.4 电流失流
某台区线损波动大，系统告警用户失流。现场排查接 线无异常，用钳形电流表测量二次回路中的接线端子盒， 发现 A 相电流线回路为断路状态。拆开接线端子盒发现， 表计内部加有绝缘体，导致 A 相不计电量，达到窃电目的。 经排查台区线损仍未降至合理范围，排查可疑用户，系统 报某用户电能表失流，到现场排查打开计量箱检查发现接 线无异常，但箱内布线凌乱，排查接线发现 A、C 两相电 流线紧紧贴在一起，将其 2 根线拨开后，一细小的铅锡块 掉了下来。该铅锡块为焊锡在 A、C 两相电流线之间的连 接物（导体），使 A、C 两相电流线短接，以达到少计电量 的目的。表计失流模型 ：通过 HPLC 模块采集智能电能表 电压、电流数据，连续监测 96 个点，发现电能表某一相 电流低于额定电流的 5%，即可判断为失流。
1.1 窃电相关异常事件分析
排查线损高台区，现场稽查通过打开表盖，用户私自 采用控制微型继电器闭合短接表内线路，达到控制用电时 间进行窃电的目的。现场检查拆开表计进行检查，发现表 计内部三相电加装电子设备、用铜丝相连，证实窃电情况。 此类异常可通过上报的开盖记录异常事件进行排查。开盖 记录异常事件模型 ：读取电能表开盖事件记录，并判断电 能表开盖时间与电能表安装时间阈值，电能表开盖时间或 开表箱时间大于电能表安装时间即为异常事件记录。
1.10 电能表表码倒走
将强磁铁放置在电能表对应的位置上，对电能表进行强 磁干扰，或者对电能表注入谐波，使其工作混乱，无法正常 计量。现象如下 ：电能表电量比上一日电量少。电能表倒走 模型 ：电能表后一时间点的任一计度器示度小于电能表前一 时间点该计度器的示度。
2 自适应 FP_Growth 算法
Apriori 算法需要不断扫描数据集，梳理关联规则，效率 较低，占用系统内存较大。FP-Growth 算法在 Apriori 基础上 通过扫描及针对数据集的数据处理，构建 FP 树，查找对应 的条件模式基以及构建条件数来挖掘关联关系，确认频繁项 集。
FP-Growth 算法基本算法思路如下。1）首先，将数据集 进行扫描，梳理各频繁项集，然后根据定义的最小支持度， 剔除不满足要求的项集。其次，将原始数据集根据频繁度进 行降序排列。2）针对排序后的项集，再次进行扫描，先创 建项头，然后按从上往下的顺序构造 FP 树。3）根据创建的 FP 树按照从下往上的顺序，寻找条件模式基，根据定义的 最小支持度，剔除不满足要求的项集，递归调用至单一路径 结构，将生产组合排列则生成相关关联规则。
根据以上异常情况，归纳故障模型为抄读反向电量以及 反向电量事件 ；在排查现场用相位伏安表进行接线分析后排 查。
1.6 电能表Байду номын сангаас差超差
同期线损监测 10kV 线路日线损率异常，根据用采数据 进行计算，该线路在某一时间段的线损率较高，分析该条线 路高损出现的时段，进一步缩小排查范围，并排查对象。现 场排查采用钳形电流表及计量故障识别模块测量电表电流、 电压以及误差等各项数值，与电表显示的读数进行比对，误 差较大，进一步对可疑电能表进行开盖检测，发现电表内部 非法加装了遥控装置。通过遥控器，随时调节电表的电流值， 从而达到少计电量的目的。电能表误差超差模型 ：电能表误 差＞ 20%。
1.8 潮流反向
采集系统发现某高供高计用户存在很大反向电量，现场 检查发现电能表显示 -Ia、-Ic，现场校验仪测试后发现确实 存在进出线反接的情况，电能表不能正确计量，疑似窃电。 潮流反向模型如下：非发电用户电能表反向有功总示值＞ 0， 且每日反向有功总示值＞ 1kWh。
1.9 互感器倍率错误
FP-tree 是一种用于压缩表示输入数据的数据结构，它 通过逐个读入事务，并将事务映射到 FP-tree 中的一个路径 来进行构建。当不同的事务拥有共同的项时，它们的路径可 能会部分重叠。当路径之间的重叠越多时，使用 FP 树结构 进行数据压缩的效果就越好。要构建 FP-tree，需要对原始 数据集进行两次扫描。
设置最小支持度为 3，丢弃支持度小于阈值的非频繁项，
得到频繁项集。根据设置的支持度，针对频繁项集进行递减
排序，见表 3。
表 3 台区线损窃电频繁项集
频繁项集 A1 A2 A3 A4 A5
支持度计数 5 4 3 3 3
然后将原项集中大于最小支持度的项按降序排列，见
表 4。
表 4 降序排列后的数据集
事务ID T1 T2 T3 T4 T5
假设该用户的三相负载平衡，令三相电压、电流的有 效值分别为 U、I，各相的功率因数角为 φ，那么正确接线
- 137 -
中国新技术新产品 2024 NO.3（下）
生产与安全技术
方式下，三相四线电能表的有功功率如公式（1）所示。
P=3UIcosφ
（1）
对调 A 相、C 相的电压接线，则三相四线电能表的有功
生产与安全技术
2024 NO.3（下） 中国新技术新产品
基于FP-Growth算法的台区线损窃电研究
陈焱彬 黄 腾 牛继伟 李腾腾 刘凯仑 （深圳供电局有限公司，广东 深圳 430223）
摘 要 ：随着台区治理的开展，台区线损率稳步下降，且整体上呈现了降幅放缓的趋势。各网省通过使用线
损工器具，基本解决了户变关系错误、计量失准等异常，台区线损治理逐步进入“深水区”，进一步压降治理
A7，A1，A2， A3 A8，A2，A3，A9，A5 A8，A1，A10，A2， A4，A9
构建 FP-tree 第一遍须对对所有元素项的出现次数进行
计数，见下述集合 ：{ A1 ：4 ；A2 ：5 ；A3 ：3 ；A4 ：3 ；A5 ：
3 ；A6 ：1 ；A7 ：1 ；A8 ：2 ；A9 ：2 ；A10 ：1}
功率如公式（2）所示。
P1=UI cos 120°o M UI cosM UI cos 240°o M
§1
3
·
UI
¨ ¨

2
cosM

2
sinM cosM ¸ ¸
¨1
3
¸
©¨ 2 cosM 2 sinM
¹¸
3UI sinM
（2）
由公式（2）可知，当三相负载平衡且负荷为感性时，通 过调换 A 相、C 相的电压接线会导致电能表反向计量有功， 从而使用户用电量少计。
1.5 用户表错接线窃电
某台区某段时间日用电量波动巨大，且穿透用户电能 表发现用户在线损异常的周期内存在停电记录，台区日线 损率波动的时间节点与日用电量波动现象相吻合，因此， 针对该用户进行窃电排查。经分析该用户在停电维修时通 过私自调换 AC 相电压接线方式的方法进行窃电。通过对 调 A、C 相电压接线的窃电方式可用下列公式说明。
根据表 1 窃电相关的故障类型事件编码，结合台区窃电 相关事件数据，获得台区窃电相关数据集，见表 2。
- 138 -
生产与安全技术
2024 NO.3（下） 中国新技术新产品
表 2 台区窃电相关数据集
事务ID T1 T2 T3 T4 T5
事务中的元素项 A1，A2，A3，A4，A5 A6，A1，A2，A4，A5
表 1 窃电相关的故障类型事件编码
故障类型 电能表零火线电流不一致 电能表开盖记录或开表箱记录
潮流反向 电压失压 互感器倍率错误 电能表停走 电能表误差超差 电能表错误接线 电能表倒走
失流
事件编码 A1 A2 A3 A4 A5 A6 A7 A8 A9 A10
3.2 构建窃电导致线损的 FP-Growth 树
1 线损窃电故障分类模型建立
目前，供电公司线损一直居高不下，线损的原因包 括在供电系统中各电器元件引起的损耗，以及窃电行为猖 獗。据有关部门统计，每年因窃电造成的损失高达 200 亿 元 [2]。因此，本文以窃电为例进行研究，并对现场线损异 常台区、用电异常数据进行分析，提取故障特征，针对窃 电行为进行建模，具体内容如下。
1.7 电能表停走
现场排查某阶段线损高台区，排查可疑用户，排查线路 电压、电流，并抄读表计上三日冻结数据与当前数据比对， 发现表计停走。经排查分析利用高电压放电装置，对电子式 电能表进行高电压放电，使其黑屏（死机）无法正常计量。 该高电压放电装置体积较小，通过前端放电探头，深入至表 箱针对电能表显示窗口或者缝隙处进行放电，使智能电能表 黑屏，从而无法正常计量，一段时间后进行掉电恢复，或者 用别的装置将电能表激活，恢复正常，达到窃电目的。电能 表停走模型：连续抄读电能表上 7 日电量，例如本日零点表 码 - 上日零点表码为 0，则判断为电能表停走。
事务中的元素项 A2，A1，A3，A4，A5
A2，A1，A4，A5 A2，A1，A3 A2，A3，A5 A2，A1，A4
再次读取原始数据集中的每个事务，并按照次序将事务
中的项插入 FP 树中。如果树的当前节点已经包括待插入的
项，那么增加该节点的计数值 ；否则，创建一个新的节点，
关键词 ：智能电能表 ；窃电用电数据 ；FP-Growth 算法
中图分类号 ：TN 915 ；TM 933
文献标志码 ：A
窃电是影响线损的重要因素，不法分子的手段也变得 隐蔽化与智能化 [1]。本研究的重点在于利用大量的台区用 电数据，通过多组数据关联分析，提取线损异常数据并分 析可能存在窃电行为的概率。台区线损率是反窃电工作的 重要依据，也是低压配电台区线损管控的重要指标 [2-3]。南 网供电公司大力开展基于线损的反窃电研究，文献 [1] 基 于高速电力载波通信技术和用电信息采集系统，辨别线损 指标超差的台区，并针对线损超标的台区进行计量装置检 测，从而发现窃电行为。文献 [2] 基于现场排查低压用户 窃电的分析与治理过程，套路台区降损的治理。文献 [3] 针对窃电的主要方法进行介绍，并通过对比采集的实时数 据与理论数据，划定窃电发生范围。由此可见，台区线损 率与窃电行为有密切的联系，采用传统统计分析方法难以 分辨大量数据之间的隐形关系。本文旨在使用 FP-Growth 算法对台区线损数据进行分析，并利用 FP-Growth 算法对 窃电数据进行挖掘和分析。通过挖掘，分析对应的关联规 则。最后，针对窃电挖掘结果进行分析。
1.2 用户表零火线不一致
现场稽查用户计量情况，发现用户私自接线，绕越电 能表直接接入家中。通过钳形电流表测量，该私接线电流
约 6.79A，确认该户窃电。针对此类窃电行为建立窃电模 型 ：目前，国网招标的电能表均为火线计量，即电流必须 经过 1、2 端子才能正常计量。正常情况下，非共零线接 线的单相表用户，火线电流等于零线电流。 用采系统获取 HPLC 电表采集的零火线电流 96 点数据，将 96 点数据累 计并比对，若火线电流与零线电流不相等（二者差异达到 0.1A 以上），则判断存在窃电嫌疑。
3 线损窃电数据预处理
3.1 窃电相关数据挖掘
本文选取台区线损现场运维数据 3843 条，根据线损窃
电故障分类模型，建立窃电故障信息库，通过筛选数据，剔
除明显异常数据以及空值，筛选 249 条与窃电异常相关，其
余数据为不确定是否与窃电相关数据。基于该线损窃电故障
分类模型，选取与窃电相关的故障类型与事件编码见表 1。