WWW 2020 oral

1 INTRO

1.1 背景

1.1.1 窃电

• 窃电（electricity theft）指用户为了逃避电费而进行非法操作的一种行为

• 常用的反窃电方法可分为两类：

  • 基于硬件驱动的反窃电方法

    • ​​​​​​​电表开盖检测、集中器检测。。。。

    • 硬件驱动的方法响应快，定位准，但需要非常专业的领域知识，同时随着窃电策略的改变会随即失效

  • 基于数据驱动的反窃电方法

    • ​​​​​​​​​​​​​​分析用户用电时序曲线、分析台区线损时序曲线

    • 数据驱动的方法可以全盘监控全网用电数据，通过机器学习、人工智能等前沿方法可以及时跟进不断变化的窃电策略。

    • 但由于可信案例稀少，数据海量且用户行为复杂，简单的时序建模方法很难取得较好的准确率。

1.1.2 论文思路

• 提出了Hierarchical Electricity-theft Behavior Recognition (HEBR) 模型，
  • 同时组合多源时序数据用于更准确的窃电行为识别。
  • 发现气温变化与用户用电行为之间的密切关系

2 三层数据

2.1 数据介绍

对于这三种不同层次的数据，该论文分别对其进行数据观察与分析，探寻里面与窃电行为有关的模式。

2.2 微观级别的观察（用户）

2.3 中观级别的观察（变压器台区） 

2.4 宏观级别的观察（气候）

 3 模型

4 实验

在浙江省国家电网所提供的2017-2019两年多的真实数据上进行实验