過去，大多數(shù)的防竊漏電方法主要是通過利用定期的檢查、電表校驗以及用戶自主報告偷盜等手段，去發(fā)掘竊電或測量裝置故障。不過上述方法的一個弊端是，對人的依賴性太強(qiáng)，且抓竊查漏的目標(biāo)不甚明確。

目前，許多供電局主要通過營銷檢查人員、電力檢查人員和計量人員計量異常報警功能和電力數(shù)據(jù)查詢功能進(jìn)行用戶電力在線監(jiān)控，通過收集電力異常、負(fù)荷異常、終端報警、主站報警、線路損壞異常信息，建立數(shù)據(jù)分析模型，實時監(jiān)裝置故障。根據(jù)報警事件發(fā)生前后客戶計量點有關(guān)的電流、電壓、負(fù)荷數(shù)據(jù)情況等，構(gòu)建基于指標(biāo)加權(quán)的用電異常分析模型，實現(xiàn)檢查客戶是否存在竊電、違章用電及計量裝置故障等。

雖然上述防盜漏電的診斷方法可以獲得一些用電異常的信息，但因為終端誤報或漏報過多，無法真正快速準(zhǔn)確地定位可疑用戶，這往往會加重檢查人員的工作負(fù)擔(dān)。此外，在采用這種方法進(jìn)行建模時，需要使用專家的知識和經(jīng)驗來確定輸入指標(biāo)的權(quán)重，主觀性大，缺陷明顯，實施效果往往不令人滿意。

現(xiàn)有的電力計量自動化系統(tǒng)能夠采集到各項電流、電壓、功率因數(shù)等用電負(fù)荷數(shù)據(jù)以及用電異常等終端報警信息。異常報警信息和用電負(fù)荷數(shù)據(jù)可以反映用戶的用電情況。同時，檢查人員還過在線檢查系統(tǒng)和現(xiàn)場檢查找到泄漏用戶，并輸入系統(tǒng)。異常報警信息和用電負(fù)荷數(shù)據(jù)可以反映用戶的用電情況。不僅如此，檢查人員還可以通過在線檢查系統(tǒng)和現(xiàn)場檢查找到泄漏用戶，并輸入系統(tǒng)。

下面，小麥帶大家利用智能BI 平臺Samrtbi的Smartbi Mining數(shù)據(jù)挖掘功能進(jìn)行建模，利用隨機(jī)森林算法來幫助實現(xiàn)電力竊漏電用戶自動識別。

一、案例背景數(shù)據(jù)說明：

某電力公司采集的數(shù)據(jù)集共計291條，共有四個字段，其中目標(biāo)字段為是否竊漏電。如下表所示：

部分?jǐn)?shù)據(jù)截圖

二、整體實驗流程圖

首先完成數(shù)據(jù)讀取，繼而利用特征選擇、隨機(jī)森林拆分等進(jìn)行模型訓(xùn)練，最后，進(jìn)行模型預(yù)測與評估從而完成整個操作步驟。

審核編輯：符乾江