本教程為您介紹如何通過DataWorks配合機器學習的方式，實現竊電使用者的自動識別，保障使用者的安全用電。
傳統的識別竊電或計量裝置故障的方法包括定期巡檢、定期校正電錶、使用者舉報竊電等，對人的依賴性較強，且尋找竊電漏電的目標不明確。
目前，很多供電局的營銷稽查、用電檢查和計量工作人員，利用計量異常警示和電能量資料查詢功能來線上監控用電情況。通過採集電量異常、負荷異常、線損異常、終端警示、主站警示資訊，建立資料分析模型，工作人員可以即時監測竊漏電情況並發現計量裝置故障。根據警示事件發生前後，客戶計量點有關的電流、電壓和負荷等資料情況，構建基於指標的用電異常分析模型，檢查是否存在竊電、違章用電及計量裝置故障等情況。
雖然上述防竊電漏電的查詢方法可以獲得用電異常資訊，但由於終端誤判或漏報過多，無法真正快速精確地定位竊電漏電使用者。同時，採用上述方法建模時，需要專家根據其知識和經驗，來判斷模型各輸入指標權重，主觀性較強。
現有的電源計量自動化系統，能夠採集到各項電流、電壓、功率等用電負荷資料及用電異常等終端警示資訊。此外，稽查工作人員還可以通過線上稽查系統和現場稽查，尋找竊電漏電使用者資料並錄入系統。
通過上述資料資訊，提取出竊電漏電使用者的關鍵特徵，構建竊漏電使用者的識別模型，即可自動判斷使用者是否存在竊電漏電行為，降低稽查工作人員的工作量，並保障使用者的正常、安全用電。