用電信息系統(tǒng)運行數(shù)據(jù)的統(tǒng)計與分析

吳 亮， 張 潮， 陳 瓊

（國網(wǎng)浙江省電力公司溫州供電公司，浙江 溫州 325000）

電力信息化

用電信息系統(tǒng)運行數(shù)據(jù)的統(tǒng)計與分析

吳 亮， 張 潮， 陳 瓊

（國網(wǎng)浙江省電力公司溫州供電公司，浙江 溫州 325000）

隨著用電信息采集系統(tǒng)建設逐漸步入深化應用階段，各類高級應用對采集系統(tǒng)成功率提出更高的要求。以往各省網(wǎng)公司的采集建設規(guī)模、運維模式、資源配置都不盡相同，導致運維能力有較大的差異。在大數(shù)據(jù)的基礎(chǔ)上，通過數(shù)據(jù)分析與挖掘技術(shù)，以用電信息采集系統(tǒng)、營銷業(yè)務應用系統(tǒng)相關(guān)數(shù)據(jù)為支撐，抽取和分析采集運維工單數(shù)據(jù)，構(gòu)建涵蓋時間、空間、業(yè)務類型等多維度、多視角的數(shù)據(jù)處理模型，實現(xiàn)采集異常智能化甄別、異常工單智能派發(fā)以及采集運維質(zhì)量量化分析，達到采集系統(tǒng)高效運維的目的。

用電信息；數(shù)據(jù)分析與挖掘；數(shù)據(jù)處理；高效運維

0 引言

用電采集系統(tǒng)（以下簡稱采集系統(tǒng)）承擔著用電信息自動采集、高效共享和實時監(jiān)控的重要任務，是智能用電服務體系的重要基礎(chǔ)和用戶用電信息的重要來源。近年來，隨著采集系統(tǒng)的大規(guī)模建設，采集系統(tǒng)的運維服務工作將是建設后期的重點。然而隨著智能化電網(wǎng)建設進程的加快，采集系統(tǒng)要求實現(xiàn)“全覆蓋、全采集”，采集系統(tǒng)需要提升自動分析數(shù)據(jù)的能力。因此，展開采集系統(tǒng)高效運維大數(shù)據(jù)分析顯得更有意義。

隨著大數(shù)據(jù)時代的到來，供電企業(yè)積累了大量用戶數(shù)據(jù)，從供電企業(yè)內(nèi)部數(shù)據(jù)出發(fā)，通過數(shù)據(jù)挖掘技術(shù)，抽取和分析采集運維工單數(shù)據(jù)，構(gòu)建數(shù)學模型，實現(xiàn)采集異常智能化甄別、異常工單智能派發(fā)以及采集運維質(zhì)量量化分析，為采集系統(tǒng)高效運維提供數(shù)據(jù)支持。

1 主要方法簡介

通過相關(guān)性分析、聚類、回歸擬合等方法，選取1 417 869條數(shù)據(jù)、42 536 070個數(shù)據(jù)項進行分析，分別構(gòu)建月平均用電量分析模型、異常持續(xù)時間分析模型、距離下一抄表日天數(shù)分析模型、故障處理時間緊急度值分析、終端下掛接電能表數(shù)量緊急度值分析。

綜合考慮離下一抄表日天數(shù)、異常持續(xù)時間、月平均用電量、終端下掛接的電能表數(shù)量、異常處理時間等因素，確定各因素的關(guān)系和權(quán)重，建立采集異常緊急程度分析模型，輸出采集運維緊急度值。

2 采集異常緊急程度分析模型

2.1 采集異常處理緊急程度

采集異常處理緊急程度定義為：采集異常處理成功后對采集成功率、遠程抄表核算比率、臺區(qū)線損正確可算率等業(yè)務指標的提升效果。

2.2 月平均用電量分析模型

2.2.1 月平均用電量取值

用戶月平均用電量取值如下：

（1）按一定區(qū)間劃分用戶月用電量。

（2）統(tǒng)計出各類用戶的月平均用電量，然后依據(jù)用戶最多類型的用電戶平均電量作為標準用電戶月用電量。

2.2.2 建模過程

（1）數(shù)據(jù)搜集

將某省242 402個臺區(qū)根據(jù)容量分布進行分類，并統(tǒng)計某年度臺區(qū)公用變壓器（簡稱公變）月電量及相應容量公變下居民、非居民（單相、三相）電量情況。

（2）數(shù)據(jù)核查

經(jīng)統(tǒng)計，以250 kVA及以下居民用戶為基準，其電量約為100 kWh左右，315 kVA及以上單相用戶是其2倍左右，250 kVA及以下非居民三相表是其3倍左右，315 kVA及以上非居民三相表是其10倍左右。公變下單戶居民、非居民電量缺失引起的線損波動率情況如圖1所示。

圖1 線損波動率情況

由圖1可知，當一個單相用戶電量缺失時，將引起臺區(qū)線損波動在0.6%～0.7%，當一個非居三相用戶電量缺失時，將引起臺區(qū)線損波動在3.5%左右。

（3）標準戶分類

以居民用戶和非居民單相表用戶月用電量為標準戶電量分界點：小于等于200 kWh為1戶標準戶，大于200 kWh且小于等于1 000 kWh為2戶標準戶，大于1 000 kWh為3戶標準戶。

2.3 異常持續(xù)時間分析模型

2.3.1 取值

認定每個電表的異常每持續(xù)一天就會造成一天電量監(jiān)控損失，其電量監(jiān)控損失按照累加方式進行計算。

2.3.2 建模過程

（1）數(shù)據(jù)搜集

對10 000戶居民和10 000戶非居民用戶的日用電量進行分析。

（2）數(shù)據(jù)核查

計算每日10 000戶居民和10 000戶非居民用戶的用電量標準偏差，并從小到大排列。確定其電量標準偏差值小于17的居民用戶數(shù)占總數(shù)的92%，非居民用戶數(shù)占總數(shù)的88.75%。

認定90%左右的用戶日均電量波動小，故模型以一個月之內(nèi)的日平均電量作為故障天數(shù)造成的單日損失監(jiān)控電量。為了能夠更準確地預估指定用戶當前月的用電量，參考該用戶上一年同月份用電量、上一個月用電量和前3日用電量，它們之間的比例是5∶2∶3，計算方法為：

2.3.3 建立模型

異常持續(xù)時間的緊急度值公式為：

式中：m為故障日期距離抄表日的天數(shù)；r（x）為標準戶數(shù)。

2.4 距離下一抄表日天數(shù)分析模型

2.4.1 取值

采用斷面統(tǒng)計方式，統(tǒng)計持續(xù)N天無抄表數(shù)據(jù)的電能表數(shù)分布情況。

2.4.2 建模過程

（1）數(shù)據(jù)搜集

圖2所示為持續(xù)N天無抄電能表數(shù)據(jù)的電能表數(shù)分布統(tǒng)計，從圖2可以看出持續(xù)2～8天的故障電表用戶占總故障用戶數(shù)的59.06%，將近60%；持續(xù)9～21天無抄電能表數(shù)據(jù)的用戶占總故障用戶數(shù)的30.72%，將近30%；持續(xù)22天及以上占比10.22%，將近10%。

圖2 電能表數(shù)據(jù)的電能表數(shù)分布統(tǒng)計

式中：n為故障持續(xù)天數(shù)；r（xi）為標準戶數(shù)。

2.5 故障處理時間緊急度值分析模型

（2）數(shù)據(jù)核對

抄表例日的抄表數(shù)據(jù)最為重要，該日數(shù)據(jù)缺失將直接導致抄表成本提高。

距離下一抄表日越近，異常處理緊急度越高。從分析數(shù)據(jù)看出，將近60%的采集異常在8天時間內(nèi)都會被處理，所以選擇8天作為閾值，距離天數(shù)超過閥值的該因數(shù)影響為0，距離天數(shù)在閥值內(nèi)越小則處理緊急度值越大。

2.4.3 建立模型

緊急程度為s（xi）建立以下數(shù)學模型：

2.5.1 取值

以24 907 294戶低壓用戶全月抄表數(shù)據(jù)為分析樣本，即1個月內(nèi)至少出現(xiàn)3次及以上101…，1 001…，10 001…，100 001…組合（其中1代表抄表成功，0代表抄表失?。┣闆r的用戶按照集中器類型、地域進行統(tǒng)計。

2.5.2 建模過程

（1）數(shù)據(jù)搜集

Ⅰ型集中器出現(xiàn)間歇性故障的表計采集故障率平均值為5.49%，表征組內(nèi)個體間離散程度的標準偏差值為0.010 7。

Ⅱ型集中器出現(xiàn)間歇性故障的表計采集故障率平均值為2.73%，表征組內(nèi)個體間的離散程度的標準偏差值為0.007 1。

（2）數(shù)據(jù)核對

Ⅰ型集中器出現(xiàn)間歇性故障的表計采集故障率明顯高于Ⅱ型集中器，主要是低壓臺區(qū)線路分支多、延伸地域廣、現(xiàn)場用電環(huán)境復雜等原因?qū)е碌蛪弘娏€載波通信不穩(wěn)定。而Ⅱ型集中器下行通信主要是RS485雙絞線通信，因此更為穩(wěn)定，但對于同一類型集中器，間歇性故障發(fā)生比率較為穩(wěn)定。

針對1個月內(nèi)出現(xiàn)4次、5次、6次及7次間歇性故障的Ⅰ型、Ⅱ型集中器下的用戶清單按電能表廠家進行統(tǒng)計，進一步計算電能表廠家發(fā)生故障比率，Ⅰ型基本約為0.227%，Ⅱ型基本約為0.061%。

對Ⅰ型、Ⅱ型集中器下的用戶終端廠家進行統(tǒng)計，計算終端廠家的發(fā)生故障比率，Ⅰ型基本在0.247%左右、Ⅱ型基本在0.055%左右。

經(jīng)統(tǒng)計，無論是Ⅰ型集中器還是Ⅱ型集中器，1個月出現(xiàn)3次及以上的間歇性故障主要集中在101這種類型上，3天內(nèi)自動恢復的間歇性故障占間歇性故障總數(shù)量的90%以上。

2.5.3 建模結(jié)果

間歇性故障沒有呈現(xiàn)聚集性效應（如表計廠家、終端廠家、終端類型、地區(qū)分布等），存在一定的離散特性，且3天內(nèi)自動恢復的間歇性故障占比90%以上。由于目前在采集異常類型中沒有單獨生成間歇性故障，故采集運維閉環(huán)管理中的故障處理時限并不能表征故障處理的難易程度，因此該因素不作為緊急度值輸出的影響因素。

2.6 終端下掛接電能表數(shù)量緊急度值分析

2.6.1 取值

對目前采集系統(tǒng)內(nèi)某月產(chǎn)生的全部采集異常影響的故障數(shù)及處理時長進行統(tǒng)計（見圖3）。

2.6.2 建模過程

一個故障類型影響的電能表數(shù)越大，則處理優(yōu)先級越高，故障處理效益排序應該為：Ⅰ型集中器下全無數(shù)據(jù)＞Ⅰ型終端與主站無通信＞Ⅱ型集中器全無數(shù)據(jù)＞Ⅱ型終端與主站無通信＞采集器下電表全無數(shù)據(jù)＞N天無抄電能表數(shù)據(jù)。

圖3 故障數(shù)及處理時長統(tǒng)計

在運維時，輸出效用值需要考慮掛載故障電能表數(shù)，而不僅僅是終端下掛接電能表數(shù)，否則不能達到運維效用的最大化。

2.6.3 建立模型

系統(tǒng)可通過分析各個處理工單下所有故障電表的緊急度值總和來判斷其優(yōu)先級，總體緊急度值模型如下：

式中：i為歸集后的第1…n的電能表。

2.7 數(shù)據(jù)分析結(jié)論

對于單個表計緊急度值，目前主要有“離下一抄表日天數(shù)”、“異常持續(xù)時間”和“月平均用電量”3個影響因素。總體工單緊急度值是該工單所包含的故障電表緊急度值的累加，即“故障電能表數(shù)量”產(chǎn)生影響。但和“故障處理時間”不發(fā)生直接關(guān)系，故該因素不考慮，將以上幾類因素綜合考慮得出以下緊急度值模型公式：

3 結(jié)語

（1）采集異常處理緊急程度模型的應用：自動計算出總體的緊急度值，并指導異常處理的先后次序，使得日常采集運維工作有的放矢，達到事半功倍的效果。

（2）采集異常處理緊急程度模型的優(yōu)化：可納入更多更為精確的變量，如：預估指定用戶的月用電量，增加考慮農(nóng)歷公歷、歷年溫度濕度影響、本用戶年度同比增長用電量等的影響因數(shù)等，提升模型的預測能力。

（3）采集系統(tǒng)高效運維模型的展望：在進一步完善采集異常處理緊急程度模型的基礎(chǔ)上，開發(fā)采集異常工單時限處理分析、采集異常工單智能派發(fā)、采集異?，F(xiàn)場最優(yōu)處理、采集運維標簽庫構(gòu)建、采集運維多維度質(zhì)量評價分析以及采集運維資源配置決策支持等模塊，以進一步提升采集高效運維的能力。

[1]張迎.智能用電信息采集管理系統(tǒng)優(yōu)化研究[D].北京：華北電力大學，2013.

[2]宇文肖娣.電力用戶用電信息采集系統(tǒng)的研究與應用[D].北京：華北電力大學，2011.

[3]孟靜.智能電網(wǎng)建設時期用電信息采集系統(tǒng)的研究[D].北京：華北電力大學，2014.

[4]杜潔.電力營銷用電信息采集及應用[D].北京：華北電力大學，2014.

[5]楊寧.浙江電力用電信息采集系統(tǒng)的技術(shù)研究與深化應用[D].北京：華北電力大學，2015.

[6]王鈾.電力用戶用電信息采集系統(tǒng)的設計與實現(xiàn)[D].成都：電子科技大學，2015.

[7]董飛.用電信息采集一體化建設研究[D].大連：大連海事大學，2011.

[8]李玨，馬曉東，張果謀，等.大數(shù)據(jù)分析在用電采集數(shù)據(jù)分析與智能監(jiān)測系統(tǒng)的設計與實現(xiàn)[J].電氣應用，2015，34（S1）∶558-561.

[9]潘陽.用電信息采集系統(tǒng)在智能電網(wǎng)發(fā)展中的運用[J].科技與企業(yè)，2015（19）∶50.

[10]盧玲.智能電網(wǎng)下的用電信息采集[J].硅谷，2011（13）∶195.

[11]張進，黃欣，邴志鵬，等.智能電網(wǎng)建設中的用電信息采集系統(tǒng)[J].信息通信，2012（1）∶284-285.

[12]門亮，賈聚光，馬斌.智能用電信息采集系統(tǒng)的建設[J].農(nóng)村電氣化，2013（2）∶9-10.

[13]曹林.智能用電信息采集管理系統(tǒng)的優(yōu)化探討[J].中國高新技術(shù)企業(yè)，2016（6）∶31-32.

[14]許鵬，孫毅，石坤，等.用電信息采集系統(tǒng)與業(yè)務應用平臺接口設計[J].中國電力，2016，49（1）∶136-140.

[15]劉紅衛(wèi)，周潔.淺談智能用電信息采集系統(tǒng)及應用[J].科技創(chuàng)新與應用，2014（30）∶153.

[16]韓霄漢，黃金娟，孫鋼，等.基于采集大數(shù)據(jù)的拆表止度自動復核模式探索[J].浙江電力，2016，35（9）∶39-42.

[17]王棟，邵常寧，費建平，等.基于大客戶和地方電廠數(shù)據(jù)管理預測平臺的負荷還原預測方法研究[J].浙江電力，2015，34（12）∶11-15.

（本文編輯：徐 晗）

Operation Data Collection and Analysis of Electric Power Information Acquisition System

WU Liang，ZHANG Chao，CHEN Qiong

（State Grid Wenzhou Power Supply Company，Wenzhou Zhejiang 325000，China）

∶With the construction ofelectric power information acquisition system comes to deepened application stage，higher requirement on collection success rate from various advanced applications is put forward.In the past，scale of the collection and construction，operation and maintenance mode as well as resource allocation vary in different provincial electric power companies，resulting in great difference in operational and maintenance capacity.On the basis of big data and through data analysis and mining technology，the collected work order data of operation and maintenance is extracted and analyzed to establish a multi-dimensional and multiview data processing model covering time，space，service types in support of data from electric power information acquisition system and marketing business application system to enable intelligent screening of collection abnormity，intelligent distribution of abnormal work order and quantitative analysis of the collected operation and maintenance quality，for the purpose of efficient maintenance and operation of the collection system.

∶electric power information；data analysis and mining；data processing；efficient operation and maintenance

.201704014

1007-1881（2017）04-0056-04

：TM732

：B

2016-07-28

吳 亮（1972），女，工程師，主要從事用電信息采集工作。