基于多源数据的窃电行为识别

窃电是指用户通过对电表进行非法操作以逃避个人电费的行为，在发展中国家是一种普遍现象。考虑到其对电网和公众的危害，已有若干机械化方法被开发用于自动识别窃电行为。然而，这些主要评估用户用电记录的方法，由于窃电手段的多样性及用户行为的不规则性，可能不够充分。本文提出利用多源数据识别窃电行为。除用户用电记录外，我们还通过相应变压器台区的区域因素（技术线损以外的损耗）和气候因素（温度）来分析用户行为。通过开展分析实验，我们发现了若干有趣的模式：例如，窃电者相较于正常用户很可能消耗多得多的电能，尤其在极高或极低温度下。受这些经验观察的启发，我们进一步设计了一种用于识别窃电者的新型层次化框架。基于真实世界数据集的实验结果表明，相较于若干基线方法，我们所提出的模型在窃电检测中取得了最佳性能（例如，F0.5 至少提升 +3.0%）。最后同样重要的是，我们的工作已由中国国家电网应用，并在杭州的月度现场排查中成功抓获窃电者，精确率为 15%（相较该公司采用的另几种模型所达 0% 有所改进）。