EmmaChen

工程师博客分享——利用切实可行的情报打击窃电

EmmaChen 在 2017-11-13 建立的討論區
最後回覆由EmmaChen於2017-11-13提供

据东北集团报告,窃电给能源供应商造成的损失每年高达960亿美元,这大致相当于发展中国家2020年气候行动融资的总目标。窃电问题常被视为发展中国家的问题,但事实上是广泛存在的,影响着每一个地理区域。有创造力的窃贼们利用各种各样的方法窃取能源,包括直接接入线路、磁性干扰和旁路电表。考虑到该问题的严重性,人们已发展出多种方法来检测窃电企图并告知能源供应商,以便能采取适当行动。但到目前为止,结果并不令人满意,窃电案持续上升。如何逆转这一趋势?

 

问题的根源在于,每种窃电检测方法都有弱点。所产生的洞察和报警容易出错,导致人们缺乏对解决方案的信任。它们能提供关于问题的有趣观点,但不能提供实时的切实可行的情报。

1_副本.png

当今使用的最普遍方法是基于模式的分析,通过机器学习来识别异常现象并给可能的窃电者画像。基于电表的历史和邻居数据同其他信息源结合,然后进行挖掘以找到偏离预期常态的模式。对异常现象可以分级,从而在理论上是可以抓获违法者的。但在实践中,这种方法往往会提供不少的误报(即根据结果认定的窃电者其实不是)。举个例子,房主长时间出差,家里数月无人,用电量骤降触发窃电报警,导致能源提供商发起错误调查,浪费资源,令房主懊恼,能源供应商本身的声誉也会受损。还有一个内在问题,由于分析依赖于历史数据,所以必然滞后于实际窃电事件。

 

另一种常见窃电检测方法是电表硬件保护。基本电表中内置检测器,某些类型的窃电企图会触发检测器,然后向能源供应商报警。部署此类检测器的电力公司的一些传闻和反馈显示,这种系统一般过于敏感,同样存在容易产生误报的问题。简言之,由于无辜触发报警的情况不少,所以不能据此采取行动。

 

 

最近的创新是采用整体性的基于电网智能或网络的方法。在能源分配链中的多个点上测量用电量,将结果加以比较,差异归结于技术或非技术(即窃电)损耗。这种解决方案很有希望,但结果的粒度大小不一,相差很大。为了给特定终端节点的窃电事件画像,需要测量所有相关的网络点,这在经济上是断然不可行的。

 

2.png

 

另外,所有现行方法都有一个致命缺点:它们虽然能或多或少地发现潜在窃电者,但无法指出失窃的电量。

 

业界需要一种新方法,它能提供在线连续实时监测,并具有相关分析能力,能够为窃电企图画像、量化并向能源供应商报警。这种方法必须提供一致且可靠的结果,从而以高可信度支持能源供应商采取行动。

3.png

 

mSure®正是为此而来。mSure是一种驻留于智能电表中的代理,能够监测用电量传感器上发生的事情。如有人企图旁路电表或使其饱和,就会引起该传感器的特性发生改变,mSure会立即检测到这种变化,进而向能源供应商发送窃电报警和/或激活电表上的视觉标志,遏止潜在窃电行为。各种直接窃电方法对传感器的影响都可以画像,因此它能以高可信度辨别窃电类型,大幅减少误报数量。此外,通过了解并分析特性变化,不仅可以检测窃电事件,还能估计失窃的电量。

 

万无一失的收入保护解决方案很可能会综合运用多种方法,但mSure提供了缺失的那部分:电表级实时窃电检测能力,以高可信度支持采取行动。简言之就是切实可行的情报。

結果