基于智能用電大數據分析的臺區線損管理初探

蔡曉燕

摘 要：隨著科技的進步和時代的發展，用戶的用電需求越來越高，電力系統不斷引進新的技術手段，改善自身的運行狀況，以滿足用戶用電需求。電力系統的用戶用電信息采集系統與業務雙向互動平臺共同組成電網與客戶信息流、業務流的智能用電大數據。此項技術的應用可以實現對電網數據的深入挖掘和實時分析，從而找到臺區線損的產生原因，對臺區線損的異常狀況進行智能診斷，推動臺區線損管理由結果管理轉向過程管理。文章將對基于智能用電大數據分析的臺區線損管理進行探究。

關鍵詞：智能用電大數據；分析；臺區線損；管理

前言

隨著信息技術的快速發展，大數據、云計算等高新技術在各行各業的應用使各行各業的業務運營管理效率得到再次提升。電力是現代化生產生活不可缺少的重要能源，必須不斷提高電力供應系統的運行質量，對其進行有效管理，以保證電力的持續、穩定供應。智能用電大數據在臺區線損管理中的應用通過對海量用戶用電信息的分析，深入挖掘信息價值，準確找到線損因素，從而提升供電運行效率和管理效率，為企業降低經營成本，使電力企業獲得更好發展。

1 基于智能用電大數據的臺區線損異常分析

供電臺區是指由一臺配電變壓器和一條配電線路、或由多臺配電變壓器和多條配電線路組成的集合。在電力供應系統中，低壓配電網處于整個電網的末端，與用電用戶直接相連，由于用戶種類多、用電需求復雜，供電區域也較為復雜，特別是城區配網的問題更加突出。所以供電企業采取臺區的方式對電力用戶進行劃分和管理，臺區經濟運行指標主要包括供電量、售電量和線損率等。其中，臺區線損是低壓線損管理的重要組成部分，對配網規劃、營銷用電、計量管理等方面都有密切關系，但由于低壓配網的復雜情況，線損管理情況一直不容樂觀，存在著較高的管理線損[1]。

在大數據技術的支持下，許多地區的用戶用電信息采集系統已經完成了低壓電力用戶的覆蓋。系統的主要功能包括考核單元信息，統計臺區與用戶的對應關系、統計每日供售電情況、計算和統計每日臺區損失率和指標完成情況等。目前使用的低壓線損計算方法主要包括平均電流負荷曲線特征系數法、降壓法、等效功率法等。用電信息采集系統的應用解決了考核表與計量表不能同期抄表的問題，但臺區用戶采集覆蓋情況、臺區戶變關系等也會對線損計算產生影響。傳統分析手段難以保證線損計算的準確性，而且工作效率低。在智能用電大數據的支持下，可以利用數據分析和數據挖掘技術對低壓線損異常的產生原因進行深入分析，為線損計算提供可靠的參數，從而為臺區線損管理工作的開展提供依據，提高其管理水平和工作效率[2]。

2 基于智能用電大數據的臺區線損異常診斷模型

2.1 可計算分析診斷模型

隨著用電用戶信息采集的覆蓋面不斷擴大，采集到信息數據量也不斷提升，傳統的數據分析手段無法解決當下電力系統的分析診斷問題。而且需要處理信息數據呈現出多樣屬性，需要對線損計算數據進行預處理，從而進行更加有效的分析和診斷。為提高線損計算的準確性，首先要制定參與線損計算的條件規則，將信息數據劃分為可計算數據和不可計算數據兩類。需要使用到基于規則的分類器，采取“if…then…”的規則對記錄數據進行分類處理。因此，應根據線損計算特征生成規則模型，使其能夠通過一組分類規則進行表示。臺區線損的具體計算屬性包括公用配變、運行臺區、考核電能表、用戶電能表、綜合倍率、采集安裝率等。同時滿足這些計算屬性的臺區屬于可計算臺區，否則屬于不可計算臺區。其中采集安裝率的計算公式為：采集安裝率=已采表/應采表×100%[3]。

2.2 合理性分析診斷模型

通過可計算分析模型確定臺區線損是否滿足可計算條件后，還要通過決策樹進行歸納分析，從而保證分析計算結果的合理性。建立合理性分析診斷模型，對臺區線損計算的合理性進一步分析，利用決策樹對記錄屬性和分類問題進行檢驗，一個問題得到答案后下一個問題隨之產生，決策樹就是由這種問題回答過程組成，其主要結構包括根節點、內部節點和葉節點。決策樹模型的構建主要以臺區線損的合理性分析屬性集作為依據，主要節點的創建則采用遞歸算法。初始決策樹只包含一個類標號為“合理性=是”的節點，表示臺區線損率合理。然后對決策樹進行細化，一個根節點包含兩類記錄，根據條件將其劃分為更小的子集，并對每個子節點進行遞歸。具體的決策樹模型如圖1所示。通過決策樹的構建，可以實現對線損異常原因的分類分析。如果再次基礎上增加用戶數量等子節點，還能幫助管理人員深入分析臺區線損的其他影響因素[4]。

2.3 戶變關系分析模型

臺區線損分析的正確性受臺區戶變關系準確性的直接影響，對停電事件采取終端主動上報和智能表的自動記錄、主站自動采集相結合的方式，利用簡單屬性之間的相似度與相異度構建臺區戶變關系模型。一般用單個屬性鄰近度的組合來定義對象之間的鄰近度。對象的相異性信息包含在屬性中，以此判斷兩個對象件的相異性。如果用戶表與總表的停電時刻差值在1分鐘以內，則相似度定義為1，否則定義為0。相異度的定義方法則相反，如果屬性值匹配，定義為0，否則定義為1。通過對營銷檔案中臺區用戶的電表與總電表的差值，判斷用戶是否屬于本臺區[5]。

3 結束語

總而言之，基于智能用電大數據的臺區線損管理，其工作效率和管理水平都將得到有效提升，從而為供電系統的正常運行提供保證，降低企業經營成本，為企業爭取更好的經濟效益。本文主要對基于智能用電大數據的臺區線損分析和診斷方法進行分析，包括可計算分析診斷模型、合理性分析診斷模型和戶變關系分析模型等，希望能為智能大數據分析在臺區線損管理中中的應用提供參考。

參考文獻

[1]李新家，孔月萍，鄒云峰，等.配電臺區在線線損分級管理和智能異常分析設計[J].電力需求側管理，2016（02）：46-48+53.

[2]郭威.基于用電信息采集系統的線損異常數據挖掘研究及應用

[D].華北電力大學，2016.

[3]周偉.用電信息采集系統應用于線損管理的分析與實施[D].山東大學，2015.

[4]程剛.智能臺區在線監控系統的設計與實現[D].電子科技大學，2015.

[5]張敏.基于用電信息采集系統的臺區線損管理研究[D].華北電力大學，2012.