一、項目背景

電力客戶數(shù)量快速增長，竊電現(xiàn)象也日益嚴重，竊電不僅損害了供電公司的經(jīng)濟利益，同時也給用電安全帶來了隱患。隨著竊電現(xiàn)象的蔓延，每年因電量流失而造成的經(jīng)濟損失巨大，但能夠被供電部門成功查處的案件只占少部分，以廣東省為例，平均每年查獲漏計、竊電量超過2000萬kwh，尚不包括那些未被查處的竊電用戶。竊電戶在實施竊電過程中，可能會造成電網(wǎng)不正常運行，影響了安全用電，甚至在有些竊電案例中，發(fā)生了短路造成的火災(zāi)、爆炸等。

二、問題與挑戰(zhàn)

由于用戶數(shù)量大、竊電方式隱蔽等原因，導致反竊電工作難度大，現(xiàn)有手段難以形成有效支撐。反竊電的主要難點有以下幾個方面：

1.用戶數(shù)量龐大，稽查人員的資源和精力有限。

2.竊電手段逐漸由原來的簡單方式，發(fā)展到設(shè)備智能化、手段專業(yè)化、行為隱蔽化、實施規(guī)?；母呖萍几`電，傳統(tǒng)檢查方法難以獲取證據(jù)。

3.電能計量裝置防竊電能力差，鉛封自身防偽性不強。

4.電能具有發(fā)、供、用同時完成的特點，且沒有可見的形態(tài)，因此電量損失隱蔽性強，證據(jù)易銷毀。如果竊電行為發(fā)生在節(jié)假日或者晚上，例行用電檢查難以獲取證據(jù)。

三、解決方案

在業(yè)務(wù)知識的指導下，通過大數(shù)據(jù)分析技術(shù)，構(gòu)建疑似竊電用戶識別模型，根據(jù)疑似概率大小，定位疑似竊電用戶。

1.特征提?。簭臓I銷、用采等系統(tǒng)選取竊電用戶行為特征和非竊電用戶行為特征作為模型輸入。

2.模型構(gòu)建：根據(jù)輸入特征，采用機器學習算法，訓練識別模型，輸出疑似用戶清單。

3.結(jié)果應(yīng)用：對疑似用戶開展稽查實地取證。

四、應(yīng)用價值

1.經(jīng)濟效益：某電力企業(yè)省公司一年的售電量平均超過2000億千瓦時，線損率一般在7%左右，通過基于人工智能的反竊電技術(shù)應(yīng)用，線損率預計可降低1%，以平均電價0.6元/千瓦時計算，一個網(wǎng)省增加效益10億元，直接經(jīng)濟效益明顯。

2.社會效益：通過基于人工智能的反竊電技術(shù)應(yīng)用，加強對竊電行為的威懾，維持了正常的用電秩序，保障了用戶的用電安全。

3.管理效益：通過項目的實施，為電力企業(yè)反竊電管理提供了切實可行的方法和手段，對于推動營銷服務(wù)創(chuàng)新，促進公司反竊電管理水平提升有著重要的作用。