基于電量守恒原理臺(tái)區(qū)拓?fù)溆?jì)算模型研究與應(yīng)用

梁旭常，汪 毅，黃兆鵬，靳 光，劉 林，王 鵬，林健東

（1.廣東電網(wǎng)有限責(zé)任公司佛山供電局，廣東 佛山 528010；2.武漢國(guó)測(cè)數(shù)據(jù)技術(shù)有限公司，湖北武漢 430223；3.南方電網(wǎng)數(shù)字研究院有限公司，廣東廣州 5200002）

供電變壓器的供電范圍（簡(jiǎn)稱臺(tái)區(qū)）主要是“以搶修代替維護(hù)”的方式開展運(yùn)維工作，基礎(chǔ)檔案維護(hù)主要通過配網(wǎng)工程電子化移交的方式進(jìn)行，檔案與現(xiàn)場(chǎng)管理是否一致，沒有有效的監(jiān)督手段。

臺(tái)區(qū)變壓器與其下供電的用戶關(guān)系（簡(jiǎn)稱變戶關(guān)系），是臺(tái)區(qū)線損統(tǒng)計(jì)、配網(wǎng)運(yùn)行維護(hù)的基礎(chǔ)數(shù)據(jù)。臺(tái)區(qū)拓?fù)潢P(guān)系即臺(tái)區(qū)變壓器與其下用戶之間的對(duì)應(yīng)關(guān)系，但由于檔案與現(xiàn)場(chǎng)管理的不一致問題，臺(tái)區(qū)變戶拓?fù)潢P(guān)系長(zhǎng)期處于監(jiān)控真空，嚴(yán)重影響了臺(tái)區(qū)線損計(jì)算的準(zhǔn)確。

針對(duì)低壓臺(tái)區(qū)管理的頑疾，國(guó)內(nèi)學(xué)者進(jìn)行了一些研究，設(shè)計(jì)出回路測(cè)量法［1-2］、出口電壓歸算法［3］和臺(tái)區(qū)識(shí)別儀等治理設(shè)備，以及利用數(shù)據(jù)分析進(jìn)行臺(tái)區(qū)拓?fù)渥R(shí)別的方法［4］，但是這些方法使用的數(shù)據(jù)如電流數(shù)據(jù)、電壓數(shù)據(jù)是絕大多數(shù)智能電能表無法集抄到的，如果增加設(shè)備，治理費(fèi)用比較昂貴，且需要投入大量現(xiàn)場(chǎng)工作人員進(jìn)行實(shí)地測(cè)量。

文章提出的僅使用智能電能表集采的電能量數(shù)據(jù)，基于同一時(shí)刻臺(tái)區(qū)供用電符合電能量守恒關(guān)系這一基礎(chǔ)建模，使用數(shù)學(xué)分析算法，梳理出臺(tái)區(qū)正確的拓?fù)潢P(guān)系?；谀芰渴睾愕呐_(tái)區(qū)拓?fù)溆?jì)算模型和算法梳理臺(tái)區(qū)變戶關(guān)系，可以極大程度上節(jié)約實(shí)地考察的工作人員人力成本，提高排查效率。

1 臺(tái)區(qū)拓?fù)涫崂淼谋匾?/h2>

配用電網(wǎng)“站線變戶”關(guān)系是營(yíng)配信息集成最基礎(chǔ)的數(shù)據(jù)對(duì)象，支撐著企業(yè)涉及計(jì)量線損、配網(wǎng)運(yùn)行、生產(chǎn)維護(hù)和規(guī)劃建設(shè)等多個(gè)專業(yè)的數(shù)據(jù)分析，在各個(gè)專業(yè)系統(tǒng)間進(jìn)行共享應(yīng)用。維護(hù)配用電網(wǎng)“站線變戶”關(guān)系準(zhǔn)確，目前主要的做法是依賴于嚴(yán)謹(jǐn)?shù)墓芾泶胧┖涂茖W(xué)的技術(shù)手段，一是建立配網(wǎng)工程電子化移交管理機(jī)制確保數(shù)據(jù)錄入和共享及時(shí)性；二是加強(qiáng)中壓?jiǎn)尉€圖管理，實(shí)現(xiàn)歸檔閉環(huán)保障，推動(dòng)中壓“站線變”關(guān)系的準(zhǔn)確性［5］。但是對(duì)于低壓臺(tái)區(qū)的負(fù)荷割接、搶修業(yè)務(wù)等導(dǎo)致的變戶關(guān)系變更，將是“站線變戶”關(guān)系不準(zhǔn)確的主要誘因；數(shù)據(jù)遷移及各相關(guān)源數(shù)據(jù)系統(tǒng)間接口功能不完善造成的數(shù)據(jù)質(zhì)量問題也是“站線變戶”關(guān)系不準(zhǔn)確的因素。這都需要臺(tái)區(qū)變戶拓?fù)涫崂砉ぷ鞅夭豢缮俚某B(tài)開展。

2 臺(tái)區(qū)拓?fù)溆?jì)算模型研究

2.1 臺(tái)區(qū)拓?fù)溆?jì)算的必要性分析

當(dāng)前獲取變戶關(guān)系的各種方法均受現(xiàn)場(chǎng)安裝條件制約——臺(tái)區(qū)識(shí)別儀，需要人工逐戶排查，成本太高，錯(cuò)亂關(guān)系容易反復(fù)；載波技術(shù)受限于臺(tái)區(qū)載波表的推廣；瞬時(shí)停電法，影響用戶用電，負(fù)面影響較大，難以實(shí)現(xiàn)；配變智能終端，受限于更換設(shè)備購(gòu)置計(jì)劃及施工成本，也能馬上全面鋪開應(yīng)用。

在不需要增加現(xiàn)場(chǎng)安裝監(jiān)測(cè)采集設(shè)備進(jìn)行排查的情況下，通過純粹的數(shù)據(jù)計(jì)算，計(jì)算臺(tái)區(qū)和用戶的拓?fù)潢P(guān)系和梳理相當(dāng)一部分計(jì)量異常而造成線損異常的問題，解決臺(tái)區(qū)拓?fù)潢P(guān)系紊亂難題，靶向拓?fù)洚惓Ｓ脩艋虮碛?jì)，再通過電量守恒原理對(duì)拓?fù)洚惓＿M(jìn)行梳理還原真實(shí)的線損數(shù)據(jù)［6-7］。有利于指導(dǎo)供電所對(duì)投運(yùn)時(shí)間比較長(zhǎng)，線路復(fù)雜、拓?fù)浠兊男^(qū)開展有針對(duì)性的拓?fù)湔墓ぷ?。同時(shí)在計(jì)算過程中，分析低壓集抄電能數(shù)據(jù)質(zhì)量，定位異常數(shù)據(jù)和異常終端，為準(zhǔn)確計(jì)量運(yùn)維打下良好的基礎(chǔ)，將降低員工勞動(dòng)強(qiáng)度、提升供電效益。

2.2 數(shù)學(xué)建?；A(chǔ)

本研究使用數(shù)據(jù)挖掘技術(shù)，基于電量輸送守恒、電量不會(huì)突變的原理，在歷史數(shù)據(jù)足夠而且數(shù)據(jù)質(zhì)量保證的情況下，使用純粹的數(shù)據(jù)計(jì)算方法，利用線性理論分析和基于機(jī)器學(xué)習(xí)的最小殘差二乘法，優(yōu)化窮舉和回歸模型，對(duì)低壓臺(tái)區(qū)計(jì)量系統(tǒng)數(shù)據(jù)進(jìn)行輸入總表及輸出分表拓?fù)潢P(guān)系精準(zhǔn)定位對(duì)應(yīng)，真實(shí)反映臺(tái)區(qū)的實(shí)際損耗［8-9］。

計(jì)算模型中每個(gè)參數(shù)對(duì)應(yīng)于臺(tái)區(qū)下每個(gè)用戶，正確計(jì)算出等值左右兩邊的結(jié)果，則推出了臺(tái)區(qū)真實(shí)的臺(tái)區(qū)變戶關(guān)系和串戶清單。

2.2.1 臺(tái)區(qū)供用電電量守恒

從電學(xué)原理看，臺(tái)區(qū)變戶關(guān)系正確充分且必要條件是臺(tái)區(qū)輸入電電量等于用戶用電量之和加上系統(tǒng)網(wǎng)損，即：

式（1）中，w0，wi分別代表總電能表和用戶分表的電電量數(shù)值；x0，xi分別為總表和各分表的對(duì)應(yīng)電電量數(shù)值的測(cè)量誤差；cosφ0，cosφi分別為總表和各分表的對(duì)應(yīng)的功率因數(shù)；f（w0，wi，x0，xi，cosφ0，cosφi）為系統(tǒng)網(wǎng)損，是多個(gè)變量的函數(shù)。

忽略電能表誤差和網(wǎng)損的情況下，臺(tái)區(qū)變戶關(guān)系正確的判據(jù)可以描述為：

在電量守恒的條件下，如果能找到一組數(shù)據(jù)使得等式（2）成立，那么這個(gè)數(shù)據(jù)集對(duì)應(yīng)的拓?fù)潢P(guān)系，就是這個(gè)臺(tái)區(qū)的正確臺(tái)區(qū)變戶關(guān)系。

2.2.2 最小殘差模型

在所有可能的（不管現(xiàn)狀下是不是在本臺(tái)區(qū)的用戶電能表）電能表中，利用式（1）求解n元n次方程組，計(jì)算電能表計(jì)量誤差xi。

2.2.3 梯度下降算法

在尋找最優(yōu)解的過程中，需要用到梯度下降算法［10］。利用迭代的思想，不斷的更新 θ值，最終 θ會(huì)收縮到某個(gè)值上。

在機(jī)器學(xué)習(xí)中，對(duì)于很多監(jiān)督學(xué)習(xí)計(jì)算模型，需要對(duì)原始的計(jì)算模型構(gòu)建損失函數(shù)，再通過優(yōu)化算法對(duì)損失函數(shù)進(jìn)行優(yōu)化，以便找到最優(yōu)的參數(shù)。

梯度下降法作為機(jī)器學(xué)習(xí)中較常使用的優(yōu)化算法，在其求解過程中，只需要求解損失函數(shù)的一階導(dǎo)數(shù)，計(jì)算的代價(jià)比較小。

梯度下降法有三種不同的形式：批量梯度下降（batch gradient descent）、隨機(jī)梯度下降（stochastic gradient descent）以及小批量梯度下降（mini-batch gradient descent）。其中小批量梯度下降法也常用在深度學(xué)習(xí)中進(jìn)行計(jì)算模型的訓(xùn)練。

考慮到計(jì)算的前提條件是電量守恒，因此在三種算法中選擇批量梯度下降較為合理。批量梯度下降法是最原始的形式，計(jì)算過程中在每一次迭代時(shí)使用所有樣本來進(jìn)行梯度的更新，其優(yōu)點(diǎn)是由全數(shù)據(jù)集確定的方向能夠更好地代表樣本總體，從而更準(zhǔn)確地朝向極值所在的方向。

當(dāng)目標(biāo)函數(shù)為凸函數(shù)時(shí)，一定能夠得到全局最優(yōu)。而對(duì)于非凸函數(shù)，批量梯度下降會(huì)因?yàn)榇嬖诤芏嗑植孔顑?yōu)點(diǎn)（鞍點(diǎn)），而使算法陷入局部最優(yōu)解中。此時(shí)，模型需要調(diào)整αα的步長(zhǎng)，適當(dāng)?shù)膶W(xué)習(xí)率非常重要，學(xué)習(xí)速率過小時(shí)收斂速度慢，而過大時(shí)導(dǎo)致訓(xùn)練震蕩，而且可能會(huì)發(fā)散。理想的梯度下降算法要滿足兩點(diǎn)：收斂速度要快；能全局收斂。因此在項(xiàng)目的計(jì)算過程中，αα的步長(zhǎng)參考沖量梯度下降算法的思路，根據(jù)每次迭代結(jié)果的變化率進(jìn)行調(diào)整，在原始梯度下降算法的基礎(chǔ)上加入一個(gè)超參λ，從而使梯度與沖量方向一致時(shí)，沖量項(xiàng)增加，相反時(shí)，沖量項(xiàng)減少，最終減少訓(xùn)練的震蕩過程。

2.3 計(jì)算模型調(diào)優(yōu)

2.3.1 計(jì)算過程中的過擬合問題

過擬合產(chǎn)生的原因是因?yàn)棣戎颠^多或者是θ值過大造成的。θ值太多，會(huì)導(dǎo)致模型復(fù)雜度上升而過擬合，此時(shí)訓(xùn)練誤差會(huì)很小。θ值太大，會(huì)導(dǎo)致樣本里的噪音數(shù)據(jù)干擾過大，大到模型記住了噪音特征，反而忽略了真實(shí)數(shù)據(jù)間的關(guān)系。

解決方法可以使用L1正則（又稱為lasso回歸）或者L2正則（又稱為Ridge回歸，嶺回歸）或者elastic net（彈性網(wǎng)絡(luò)）算法［11］。

正則化是指通過引入額外新信息（范數(shù)）來解決機(jī)器學(xué)習(xí)中過擬合問題的一種方法。這種額外信息通常的形式是模型復(fù)雜性帶來的懲罰度。正則化可以保持模型簡(jiǎn)單，而且，規(guī)則項(xiàng)的使用還可以約束模型的特性。所有的正則化都是通過控制模型參數(shù)的大小來降低模型的復(fù)雜度。

對(duì)于基于電量守恒的模型，Ridge回歸模型具有較高的準(zhǔn)確性、魯棒性以及穩(wěn)定性，不會(huì)丟失特征。

L2正則化不會(huì)獲得稀疏解，只會(huì)將對(duì)模型貢獻(xiàn)不大的特征所對(duì)應(yīng)的參數(shù)置于無限小的值，以此來忽略該特征對(duì)模型的影響。

2.3.2 機(jī)器學(xué)習(xí)調(diào)參

在實(shí)際工作中，對(duì)于各種算法計(jì)算模型來講，需要獲取θ、λ、ρ的值；θ的求解其實(shí)就是算法模型的求解，一般不需要開發(fā)人員參與（算法已經(jīng)實(shí)現(xiàn)），主要需要求解的是λ和ρ的值，這個(gè)過程就是調(diào)參（超參）［12］。

在梯度下降算法中引入了λ作為步長(zhǎng)α的超參，一般情況下，各種算法在機(jī)器學(xué)習(xí)的過程中，都會(huì)根據(jù)計(jì)算結(jié)果的變化進(jìn)行微調(diào)和修正，或者根據(jù)算法加入超參。

為了進(jìn)一步驗(yàn)證模型的可靠穩(wěn)定性，可以使用交叉驗(yàn)證。交叉驗(yàn)證的方法是在給定的建模樣本中，拿出大部分樣本進(jìn)行建模型，留小部分樣本用剛建立的模型進(jìn)行預(yù)報(bào)，并求這小部分樣本的預(yù)報(bào)誤差，記錄它們的平方和。

經(jīng)過不斷實(shí)踐，使用交叉驗(yàn)證時(shí)，算法將數(shù)據(jù)分成了三個(gè)部分：訓(xùn)練集（train），評(píng)估集（valid），測(cè)試集（test），將數(shù)據(jù)樣本切割成較小子集，用訓(xùn)練集對(duì)參數(shù)進(jìn)行訓(xùn)練，再利用測(cè)試集來測(cè)試訓(xùn)練得到的模型，以此作為評(píng)價(jià)參數(shù)性能的指標(biāo)，最終獲取最優(yōu)的超參。

2.4 計(jì)算結(jié)果的不確定度評(píng)估

2.4.1 計(jì)算不確定度影響

臺(tái)區(qū)用戶用電習(xí)慣相似，相近的睡眠和上下班作息習(xí)慣，相近的消費(fèi)電能習(xí)慣，相近的空調(diào)隨季節(jié)變化的使用習(xí)慣等，這都造成了不同用戶具有相近的用電習(xí)慣，這種相近的用電習(xí)慣使得用電數(shù)據(jù)自相關(guān)和多重共線性嚴(yán)重，將帶來計(jì)算的不確定性［13-15］。

（1）臺(tái)區(qū)缺戶。臺(tái)區(qū)用戶電能表故障在數(shù)據(jù)系統(tǒng)中表現(xiàn)為臺(tái)區(qū)缺戶。臺(tái)區(qū)缺戶導(dǎo)致計(jì)算精度下降，而計(jì)算精度下降的直接后果是需要增加現(xiàn)場(chǎng)核驗(yàn)的次數(shù)。大量現(xiàn)場(chǎng)數(shù)據(jù)統(tǒng)計(jì)結(jié)果，計(jì)算精度高于82%時(shí)，現(xiàn)場(chǎng)核驗(yàn)次數(shù)小于2次，計(jì)算精度每下降7%，現(xiàn)場(chǎng)核驗(yàn)次數(shù)需增加1次。

（2）缺用戶計(jì)量數(shù)據(jù)。臺(tái)區(qū)用戶電能表通信不穩(wěn)定在數(shù)據(jù)系統(tǒng)中表現(xiàn)為臺(tái)區(qū)缺用戶計(jì)量數(shù)據(jù)。缺用戶計(jì)量數(shù)據(jù)大于3%時(shí)，每增加一個(gè)百分點(diǎn)，精度約下降15%，因此，缺戶數(shù)高于3%的臺(tái)區(qū)組，為了保證臺(tái)區(qū)拓?fù)涫崂淼馁|(zhì)量，應(yīng)先進(jìn)行預(yù)排查清理，排除用戶電能表故障后，再做臺(tái)區(qū)拓?fù)涫崂砗途€損計(jì)算。

（3）有效數(shù)據(jù)長(zhǎng)度。臺(tái)區(qū)用戶電能表通信故障或表計(jì)故障在數(shù)據(jù)系統(tǒng)中表現(xiàn)為臺(tái)區(qū)用戶“部分無抄”。進(jìn)行臺(tái)區(qū)拓?fù)涫崂頃r(shí)，所有用戶“部分無抄”的并集被排除后的有效數(shù)據(jù)長(zhǎng)度，不應(yīng)小于整體戶數(shù)的1.2倍。當(dāng)“部分無抄”占有效數(shù)據(jù)的比例大于臺(tái)區(qū)納入計(jì)算戶數(shù)的5%時(shí)，每增加一個(gè)百分點(diǎn)，精度約下降12%。

2.4.2 影響計(jì)算結(jié)果準(zhǔn)確率的因素

臺(tái)區(qū)拓?fù)溆?jì)算基礎(chǔ)是電能物理量的守恒，電能數(shù)據(jù)的真實(shí)性將直接影響計(jì)算結(jié)果的正確性，因此，如下情況將降低計(jì)算的準(zhǔn)確度：

（1）臺(tái)區(qū)內(nèi)總表或其中某些用戶電能表故障、或者存在偷漏電現(xiàn)象，電能表不能正常反應(yīng)該用戶的用電電量；

（2）電能表的數(shù)據(jù)傳輸（采集）或數(shù)據(jù)的系統(tǒng)入庫(kù)異常，令數(shù)據(jù)異常（衰減或突變）；

（3）存在電能表更換，電量（表碼）不能延續(xù)；

（4）回流庫(kù)源數(shù)據(jù)產(chǎn)生斷面，或檔案錯(cuò)位。

2.4.3 提高計(jì)算結(jié)果準(zhǔn)確度策略

（1）提前進(jìn)行數(shù)據(jù)清洗和分析。數(shù)據(jù)源是建模計(jì)算的基礎(chǔ)，本計(jì)算的數(shù)據(jù)主要來源是計(jì)量自動(dòng)化系統(tǒng)和營(yíng)銷檔案系統(tǒng)。對(duì)于數(shù)據(jù)，要求進(jìn)入模型計(jì)算前先進(jìn)行數(shù)據(jù)源的分析與清洗，對(duì)比數(shù)據(jù)是否一致，確認(rèn)數(shù)據(jù)是否異常，是否存在傳輸錯(cuò)誤，同時(shí)確認(rèn)是否系統(tǒng)原因?qū)е聰?shù)據(jù)異常；確認(rèn)是否現(xiàn)場(chǎng)工作原因?qū)е聰?shù)據(jù)異常；核對(duì)系統(tǒng)表計(jì)信息。

（2）保證數(shù)據(jù)質(zhì)量。

①數(shù)據(jù)長(zhǎng)度足夠長(zhǎng)。臺(tái)區(qū)取數(shù)（時(shí)間）長(zhǎng)度不少于臺(tái)區(qū)用戶數(shù)。如果某臺(tái)區(qū)有100戶用戶智能電能表，數(shù)據(jù)長(zhǎng)度須等于或大于100天。數(shù)據(jù)長(zhǎng)度越長(zhǎng)，臺(tái)區(qū)變戶關(guān)系的計(jì)算結(jié)果越準(zhǔn)確。

②丟失電量足夠小?！皝G失電量”指的是沒有經(jīng)過電能表計(jì)量的電量。當(dāng)丟失電量達(dá)到一定程度時(shí)，臺(tái)區(qū)建模前需要先做丟失電量計(jì)算（例如，先做竊電計(jì)算），然后再做臺(tái)區(qū)變戶關(guān)系梳理。例如，奧園8A分表個(gè)數(shù)是337，線損率是-19，17，分表中有336塊數(shù)據(jù)不完整，有效天數(shù)是32天，所以系統(tǒng)的判斷是集中器故障，不能形成守恒計(jì)算。

③獲取斷面營(yíng)銷數(shù)據(jù)。所謂“斷面”，即計(jì)算臺(tái)區(qū)某一時(shí)刻的變戶關(guān)系，無論臺(tái)區(qū)營(yíng)銷檔案關(guān)系數(shù)據(jù)是否正確，只需要調(diào)用一次臺(tái)區(qū)營(yíng)銷檔案關(guān)系數(shù)據(jù)。該斷面營(yíng)銷數(shù)據(jù)，作為啟動(dòng)計(jì)算賦初始值使用。

④準(zhǔn)確獲取計(jì)量數(shù)據(jù)與營(yíng)銷檔案的關(guān)系。從計(jì)量自動(dòng)化系統(tǒng)獲取的數(shù)據(jù)為表碼，屬于電能表呈現(xiàn)的二次數(shù)據(jù)，而進(jìn)行電量守恒計(jì)算的是電量，這就要求將營(yíng)銷系統(tǒng)的計(jì)量倍率同步準(zhǔn)確的對(duì)應(yīng)獲取，先對(duì)應(yīng)算準(zhǔn)用戶的一次電量，才能開展計(jì)算，否則將引起很大的計(jì)算誤差。

2.5 建模梳理策略

2.5.1 模型設(shè)計(jì)

運(yùn)行中的臺(tái)區(qū)，存在多種影響臺(tái)區(qū)電量不守恒的因素，包括各類智能電能表故障、集中器采集故障、竊電、臨時(shí)用電、居民自發(fā)電、臨時(shí)用電、電流互感器變比登錄錯(cuò)誤、營(yíng)銷檔案登錄錯(cuò)誤等，所有的影響因素都會(huì)破壞臺(tái)區(qū)供用電的電量守恒關(guān)系，破壞建模的基礎(chǔ)。

不同的臺(tái)區(qū)，存在的影響因素的種類和數(shù)量大小不同，臺(tái)區(qū)的電能數(shù)據(jù)集的特征就不同。面對(duì)臺(tái)區(qū)相互關(guān)系纏繞的干擾因素集群，不可能通過一次迭代就梳理清楚所有的臺(tái)區(qū)分表與變壓器下總表的變戶對(duì)應(yīng)關(guān)系。

2.5.2 多重共線性影響分析

多重共線性是指線性回歸模型中的變量之間由于存在高度相關(guān)而使模型嚴(yán)重失真。臺(tái)區(qū)中許多不同用戶有著相似的用電習(xí)慣和節(jié)奏，夏天同時(shí)打開空調(diào)，作息時(shí)間基本相同等等，這些相似的習(xí)慣會(huì)導(dǎo)致電能數(shù)據(jù)之間的強(qiáng)相關(guān)。臺(tái)區(qū)電能數(shù)據(jù)的多重共線性問題，是導(dǎo)致計(jì)算電能表計(jì)量誤差失準(zhǔn)的最嚴(yán)重?cái)?shù)據(jù)問題。

為了克服多重共線性對(duì)結(jié)果的影響，梳理過程中，需要用到主成分分析、嶺回歸和對(duì)偏最小二乘回歸，直到滿足模型中電量守恒前后等式一致的要求［16］。

2.5.3 窮舉維數(shù)影響分析

低壓臺(tái)區(qū)智能電能表（分表）越多，窮舉的維數(shù)越大，當(dāng)窮舉的維數(shù)超過計(jì)算能力時(shí)，尋找最優(yōu)解將變得困難。為了解決一次迭代的維數(shù)限制，算法采用了分布式迭代和多維迭代與免疫算法相結(jié)合，大大減小了窮舉搜索的維度，提高了計(jì)算效率。

3 應(yīng)用

3.1 計(jì)算程序

本研究的成果是建立一種可信度高的臺(tái)區(qū)計(jì)量適組計(jì)算軟件，在不需要現(xiàn)場(chǎng)增加安裝監(jiān)測(cè)采集設(shè)備排查的情況下，通過算法軟件能夠計(jì)算臺(tái)區(qū)和用戶的拓?fù)潢P(guān)系和梳理相當(dāng)一部分計(jì)量異常而造成線損異常的問題，解決臺(tái)區(qū)拓?fù)潢P(guān)系紊亂難題，靶向拓?fù)洚惓Ｓ脩艋虮碛?jì)，再通過電量守恒原理對(duì)拓?fù)洚惓＿M(jìn)行梳理還原真實(shí)的線損數(shù)據(jù)。

為了有效驗(yàn)證窮舉法在臺(tái)區(qū)變戶關(guān)系梳理中的作用，方法設(shè)計(jì)了臺(tái)區(qū)拓?fù)涫崂硐到y(tǒng)，利用計(jì)算機(jī)的運(yùn)算能力，對(duì)低壓臺(tái)區(qū)變戶關(guān)系進(jìn)行梳理。方法流程圖如圖1所示。

3.2 應(yīng)用舉例

選取廣東省佛山市禪城區(qū)的2個(gè)臺(tái)區(qū)和順德區(qū)的一個(gè)小區(qū)進(jìn)行計(jì)算（檔案信息做了脫敏處理），數(shù)據(jù)如下。

表1 計(jì)算前后數(shù)據(jù)比對(duì)Tab.1 Data comparison before and after calculation

表2 現(xiàn)場(chǎng)核查結(jié)果Tab.2 On-site verification results

從表2的結(jié)果不難發(fā)現(xiàn)，使用計(jì)算梳理臺(tái)區(qū)拓?fù)涞臏?zhǔn)確率是非常高的。

4 結(jié)束語

電量守恒下的計(jì)算實(shí)現(xiàn)的條件比較苛刻，需要數(shù)據(jù)量足夠大，并對(duì)數(shù)據(jù)完整性要求比較高，另外面對(duì)多種不同季節(jié)、不同的用電習(xí)慣的用戶，計(jì)算模型的建立需考慮的不確定因素多，計(jì)算結(jié)果輸出還需經(jīng)過不確定度的評(píng)估。這種應(yīng)用電電量守恒的原理，通過模型，計(jì)算出臺(tái)區(qū)計(jì)量組合方式，比設(shè)備安裝、人工篩查更見準(zhǔn)確和成效，值得預(yù)期。

隨著智能電能表的大量普及和大數(shù)據(jù)技術(shù)的發(fā)展，方法不僅可以梳理出正確的臺(tái)區(qū)拓?fù)潢P(guān)系，還可以衍生出在線計(jì)算智能電能表計(jì)量誤差、電能表運(yùn)行狀態(tài)評(píng)價(jià)等多項(xiàng)技術(shù)，其應(yīng)用前景廣闊，值得進(jìn)一步深入研究。

本技術(shù)是一項(xiàng)新技術(shù)，需要進(jìn)一步改進(jìn)和提升。下一步的研究一是在算法中使用機(jī)器學(xué)習(xí)進(jìn)行智能訓(xùn)練，使得模型不斷成熟，并按業(yè)務(wù)類型分類建模，即分成城市小區(qū)的模型、城中村模型、鄉(xiāng)村模型等，不斷提高其適用性；二是研究尋找最小電量守恒區(qū)間的方法，自動(dòng)搜尋周邊臺(tái)區(qū)的電能數(shù)據(jù)來解決負(fù)線損過大這類問題。