供电企业台区降损工作面临系统繁多、数据分散、统计口径不一致等实际问题。异常台区线损治理存在三个难点：一是台区线损范围比较广，线损治理工作量比较大；二是供 电公司基层人员技术水平普遍偏低，缺少异常治理措施和手段，无法对线损问题进行精准 排查；三是由于现场造成线损异常的问题非常多，造成问题分析不全面。
电网台区线损管理工作正处于“深水区”，各供电企业积极组织建立健全稽查、监 督、奖惩机制，要求提升台区线损问题发现、督办和治理能力，多维度客观、量化评价各单位 台区线损精益化管理水平，实现精准降损，减少跑冒滴漏，提升企业效益。但是精细化的评价系统一直没有创建成熟。
窃电现象屡禁不绝，窃电方式已向主体多元性、事件多发性、手段隐蔽性和高科技 性的方向发展，反窃电形势十分严峻，每年全国因窃电损失电费高达近百亿元，损失惊人。 每年因窃电造成的供电中断，甚至引发的电网事故时有发生，轻则烧毁变压器，重则造成大面积停电，引发火灾。以国网冀北电力有限公司为例，近两年查获低压窃电用户几百户。
经调研分析，现阶段窃电形势呈现出窃电手段高科技化、窃电过程隐蔽化、窃电人员职业化、窃电宣传网络化的趋势。而供电公司的反窃电工作模式仍处于传统的人工检查， 工作量大、效率低、成功率不高。
因此，能够有效解决供电公司台区线损范围广和线损治理工作量大，以及人工反 窃电分析难度高、准确度低、排查面广、取证难、查处难等痛点问题，是现阶段本技术人员亟 需解决的问题。
问题拆分
包括数据端子系统、 线损诊断端子系统和反窃电端子系统；线损诊断 端子系统包括基础信息管理模块、异常分析模块、监测与分析模块和工单管理模块；基础信息 管理模块用于对台区基础信息进行获取，异常分析模块用于对台区异常信息进行收集和分析，监测与分析模块用于对线损信息进行监测和分析， 工单管理用于对工单信息进行获取并进行分析； 数据端子系统包括用户用电信息采集模块和用户用电销售信息模块；数据端子系统和线损诊断 端子系统的诊断分析进行信息交互，并将交互后 的异常信息发送至反窃电端子系统。本发明不但 可为供电公司进行线损分析，还可提供窃电用户 清单和窃电证据。
问题解决
1 .一种基于大数据的线损诊断与反窃电系统，其特征在于：包括数据端子系统、线损诊 断端子系统和反窃电端子系统； 线损诊断端子系统包括基础信息管理模块、异常分析模块、监测与分析模块和工单管 理模块；基础信息管理模块用于对台区基础信息进行获取，异常分析模块用于对台区异常 信息进行收集和分析，监测与分析模块用于对线损信息进行监测和分析，工单管理用于对 工单信息进行获取并进行分析； 数据端子系统包括用户用电信息采集模块和用户用电销售信息模块； 数据端子系统和线损诊断端子系统的诊断分析进行信息交互，并将交互后的异常信息 发送至反窃电端子系统。
2 .根据权利要求1所述的一种基于大数据的线损诊断与反窃电系统，其特征在于：所述 反窃电端子系统包括台区线损二次计算查询模块、异常阈值设置模块、疑似窃电用户统计 分析模块和疑似窃电用户分类模块；台区线损二次计算查询模块用于通过与基础信息模块 的信息获取，异常阈值设置模块用于设置各个参数阈值，并在满足条件下报警，疑似窃电用 户统计分析模块用于对用户用电异常信息进行查询和分析，疑似窃电用户分类模块用于将 存在异常信息的用户进行分类。
3 .根据权利要求2所述的一种基于大数据的线损诊断与反窃电系统，其特征在于：所述 台区线损二次计算查询模块包括台区线损率查询单元、供电量明细查询单元、售电量明细 查询单元和电能表基础信息查询单元；异常阈值设置模块包括线损率阈值设置单元和电量 阈值设置单元；疑似窃电用户统计分析模块包括用电异常类型查询单元、用电异常户数查 询单元、用户异常台区查询单元、用电异常统计分析单元、异常用户明细查询单元和月电量 趋势图查询单元；疑似窃电用户分类模块包括电量异常用户查询单元、电能表失压用户查 询单元、电能表失流用户查询单元、电能表开盖用户查询单元、反向电量异常用户查询单 元、光伏异常用户查询单元和0电量/小电量用户查询单元。
4 .根据权利要求1所述的一种基于大数据的线损诊断与反窃电系统，其特征在于：所述 基础信息管理模块包括台区档案查询单元、变压器档案查询单元、用户档案查询单元、台区 属性核查单元、台区一致性核查单元、台户关系核查单元、台区同期月线损单元、台区同期 日线损单元、倍率校验单元、换表记录缺失查询单元和台区经理人维护单元。
5 .根据权利要求1所述的一种基于大数据的线损诊断与反窃电系统，其特征在于：所述 异常分析模块包括大电量户抄表失败单元、零电量户分析单元、总表缺相分析单元、户表缺 相分析单元、供电量异常分析单元、智能表未覆盖分析单元、抄表失败分析单元、不可算异 常分析单元、负损异常分析单元、高损异常分析单元和台区线损综合分析单元。
6 .根据权利要求1所述的一种基于大数据的线损诊断与反窃电系统，其特征在于：所述 监测与分析模块包括线损异常监测单元、线损合格率测量单元、线损监测率单元、线损治理 率单元和电量监测分析单元。
7 .根据权利要求1所述的一种基于大数据的线损诊断与反窃电系统，其特征在于：所述 工单管理模块包括待办工单单元、已办工单单元和工单统计单元。
8 .一种基于大数据的线损诊断与反窃电方法，基于权利要求1至7任一所述的一种基于 大数据的线损诊断与反窃电系统，其特征在于，包括以下步骤： S1：从用户用电信息采集模块和用户用电销售信息模块获取用户档案数据和用电信息数据； S2：通过大数据神经网络算法对获取的数据进行清洗、加工和分析，导出异常台区清单 及其异常成因； S3：通过工单管理模块，将异常台区以工单形式下发至检查人员进行处理，得到反馈处 理结果。
9 .根据权利要求8所述的一种基于大数据的线损诊断与反窃电方法，其特征在于：所述 用户用电信息数据包括台区与变压器的档案关系数据、台区与用户的档案关系数据、按日 和月抄读的用户用电数据。
10 .一种基于大数据的线损诊断与反窃电模型，基于权利要求1至7任一所述的一种基于大数据的线损诊断与反窃电系统，其特征在于：通过数据端子系统和线损诊断端子系统的诊断分析并进行信息交互，生成反窃电模型，通过反窃电模型，查询具体窃电信息，具体的生成过程如下： 基于大量典型窃电案例和用电信息采集系统的海量数据信息，提取窃电用户的用电数 据特征，反复训练选取最优的大数据分析算法，应用反窃电系统对窃电嫌疑用户进行识别、 分析和定性，采集分析台区线损率、用户用电量，生成线损率、用户用电量曲线，建立线损及电量波动关联分析模型，计算两条曲线的相关性系数，对台区下所有用户进行线损及电量 波动相关性进行计算分析，筛选出相关性系数≥0 .8的用户，标记为嫌疑用户，在此基础上， 应用具体诊断规则进行进一步的用电特征分析，最终定性用电异常类型，相关性系数计算 公式为：
其中：Pi是30日内的日用电量，Li为30日内的台区线损率。
,
