電力企業基于準實時數據電價異常分析的設計與應用

林志堅，杜旭昕，黃朝凱，林幕群

（廣東電網有限責任公司汕頭供電局，廣東汕頭515000）

電力企業基于準實時數據電價異常分析的設計與應用

林志堅，杜旭昕，黃朝凱，林幕群

（廣東電網有限責任公司汕頭供電局，廣東汕頭515000）

文章依據發生電價異常行為必然會偏離電價正常用戶用電軌跡的原理，并對用電異常指標分析判定用戶電價異常風險等級和典型用戶用電軌跡進行了對比；通過充分利用用戶月電量、用戶月電費、行業類別、電價類別等結合數學統計分析方法作為電價風險等級評估指標，建立了電價風險等級評估模型，從而通過不同緯度設置不同閥值，建立不同緯度的電價異常風險等級模型，準確的將符合數據特征的用戶及時發掘出來，減少了一定的經濟損失；使得電價風險分析工作做到有的放矢，電價風險分析工作達到信息化、智能化。

電價異常；系統建設；數據分析；電價風險；用電軌跡

電價異常分析研究的目的在于通過對計量自動化系統各類計量點海量、多維度準實時數據的內在關聯性、邏輯關系的深入挖掘和分析，并結合營銷、營配等相關信息系統以及不同類型客戶的用電特征，分別建立針對不同種類、不同區域不同電壓客戶的異常用電監測和智能分析數學模型和分析方法，并在此基礎上將電力從生產到消費的一切行為都用價格（費用）表示出來。利用電價在市場環境中的經濟信號作用，指導、調節、控制電力生產與消費，從而達到優化資源配置，合理組織生產，提高社會經濟效益的目的[1-2]。

1 設計思路

系統的業務架構如圖1所示，通過對營銷系統、計量自動化系統各類海量數據的內在關聯性、邏輯關系的深入挖掘和分析，并結合不同類型客戶的用電特征，分別建立針對不同區域、不同類別客戶的用電行為軌跡分析數學模型和分析算法，從而實現由系統對各類電價與客戶用電行為關系、以及電價執行異常進行分析、診斷的功能，改變以往靠人工分析營銷報表和數據以及現場稽查電價的做法。基于計量自動化、營銷等相關信息系統的售電電價與客戶用電行為的研究和應用將極大地提高電價執行規范在線稽查的針對性、準確性和工作效率，為企業規范電價執行、引導客戶合理用電、提高經營效益提供更為高效、智能的技術手段，為供電企業節省大量的人力物力和財力，具有廣闊應用前景和推廣價值[2-3]。

圖1 系統業務架構圖

2 系統建設

系統在架構上主要分為三部分：持久層、業務邏輯層、展現層。持久層主要是對營銷、計量數據進行同步、加工；業務邏輯層主要采用數據挖掘的方法，對用戶基礎數據、電量數據進行處理計算；數據應用層主要對電價風險評估綜合數據處理的前端應用[11-16]，負責滿足系統人機交互，提供電價異常行為的判定，如圖2所示。

圖2 系統架構圖

2.1 持久層

通過一些技術化的手段或第三方工具，如ETL工具、數據庫的DBLINK或者增量XML將用戶基本信息、量價費數據等信息收集到電價風險評估系統中。

2.2 業務邏輯層

電價風險評估系統責對電能量數據的同步、加工、處理、監控，并將數據整合梳理，滿足模型管理中對數據要求，并采用多種數據挖掘的方法對用戶數據進行分析計算。

2.3 展現層

應用管理層主要是通過模型管理設置，分析存在電價風險異常的專變用戶、低壓用戶。并結合典型用戶用電軌跡輔助判斷用戶電價是否異常。可按供電單位、行業性質、用電類別等多維度對數據進行查詢。

3 主要功能

3.1 區域電價異常分析

本模塊主要是按照不同的電價緯度對電量執行情況進行對比分析，通過對電價設置異常區間，達到能夠判別出存在“高價低接”異常范圍的目的，并設置異常權重，監督和檢查各地的電價執行情況。

頁面主要按供電單位對月平均售電單價進行鉆取展示和對比分析，分析的目的是通過各營業區域不同電價類別、行業類別和12個月時間趨勢的電價對比，根據異常分值找出可能存在電價異常的區域。按電價類別，共分為稻田排灌、一般工商業、居民一戶一表和居民合表、農業生產以及所有電價6種電價分類[3]。根據這6種分類，從營銷系統的數據中將符合條件的用戶數據抽過來，計算出用戶所在臺區、供電所和各區局的平均電價。并通過臺區號關聯歷史數據，獲取上期和同期的電價。

臺區之前的分局、服務班/供電所節點展示總電量、總電費、戶數、戶平均電量、戶平均電費、戶平均電價、同期電價、上期電價。每行記錄后面有按電價類別鉆取、按行業類別鉆取和時間趨勢鉆取的按鈕；按臺區電價分析時展示數據包括：同一臺區電價同比、環比；與上一級供電所的電價比較，異常分值、臺區電量電費電價指標、臺區電價的理論值比較。

3.2 稽查規則異常數據分析

本模塊主要展示營銷稽查電價稽查規則過濾出可能存在異常的用戶，通過對用戶基本檔案中用戶名稱、用戶地址、月電量、變壓器容量等檔案信息，憑借以往人工經驗進行稽查規則設置，對所有用戶全覆蓋。

根據用戶的電價代碼分為稻田排灌、一般工商業、居民一戶一表和居民合表和農業生產五種電價分類，每個分類都支持按供電局——區局——供電所鉆取到具體用戶，可以展示戶名、戶號、地址、異常描述、異常節點描述、異常分值、用戶類別等30多個指標。每月從營銷系統抽取客戶的電量等數據，計算出不同季節、節日的用電量。通過電量、地址等指標與模型參數對比[17-18]，更新是否關聯戶、是否新裝、是否增容、減容等字段，計算出異常分值，供業務人員判斷。

在稽查規則數據異常分析菜單鉆取到用戶的界面中展示用戶的臺賬信息和異常分值，每條記錄后面有個編輯按鈕，點擊后可以編輯。點擊可查看詳情、更改異常工單信息和是否關聯戶、是否新裝、是否增容、減容等信息。

如果用戶存在營銷異常工單則在異常工單面熟中展示用戶工單信息，若不存需要手工添加的，可以在點擊編輯后彈出的文本框手工輸入用戶的異常信息。彈出框上方還有添加到案例庫按鈕，對需要跟蹤用電情況的嫌疑用戶可以執行此操作。

3.3 用電軌跡異常數據分析

此模塊主要是展示模型算法結果數據、用戶異常信息匯總，數據挖掘算法已經嵌入到程序中，程序定期對全局各類用戶進行電價異常分析，根據不同電價用戶、不同區域、不同用電量用戶的用電軌跡不同，采用正常數據與測試數據用電軌跡對比分析，兩類數據都是用一年的電量來作為分析[4-5]，具體流程如圖3所示。

圖3 模型產生流程

考慮到居民電價用戶可能存在商業電價，所以在數據挖掘分析時，對低電量或用電地址是3樓以上的用戶進行了過濾。

在數據挖掘分析將不同電價不同供電局的用電曲線進行聚類后，將聚類的曲線數據和聚類信息保存起來。再將同一個電價類別和供電所的用戶用電曲線和聚類中的曲線用數據挖掘的方法進行比較，找出符合的聚類曲線并且算出差異值。

程序支持通過供電局——區局——供電所鉆取到具體電價異常用戶，展示異常用戶的具體信息。每條記錄都有一個異常明細按鈕，點擊可查看此用戶的用電軌跡符合哪種電價的軌跡，給業務人員提供參考信息[6]，如圖4所示。

圖4 用電曲線與聚類曲線

3.4 電價模型管理

電價模型管理包括3個功能，分別是電價稽查規則模型管理、區域電價異常模型管理、模型參數管理，此功能模塊負責編輯系統中所有異常用戶的過濾條件，平臺中涉及到的算法參數和稽查規則都是在此模塊中設置[7]。

電價稽查規則和區域電價異常菜單中，每個電價分類建立一個模板，每個判定條件建立一個節點，節點必須選擇所屬的模板。用表格將異常過濾條件的模板和節點展現在頁面上。點擊模板可直接編輯模板名字和是否有效。點擊節點可編輯節點的異常判斷條件。

模型參數管理菜單可以配置數據挖掘分析的各個參數，如曲線是否平滑處理、每個機構的最大聚類數、剔除孤立點的半徑閾值、歐式距離判別法閾值、弗雷歇判別法閾值等[5]。點擊各項數值可直接編輯保存。

4 結束語

基于準實時數據構建的電價異常分析模型，通過模型監測分析，并通過matlab計算出各電價的用電軌跡，找出電價軌跡異常用戶[19]；同時計算出嫌疑系數過濾異常用戶，然后進行周期性監控，通過對嫌疑戶用電行為分析精確定位出是否重大嫌疑戶。由于竊電方法千變萬化，在實際應用中，還需對不斷根據新增的典型案例對反竊電模型中的各類閥值進行不斷地訓練和優化[8-9]。實踐表明，綜合運用以上建立的模型分析法，基本能夠做到及時、準確地將符合數據特征的用戶及時發掘出來，可大大減少因“高價低接”造成的經濟損失[10]。

[1]許其國.“一型五化”構建大營銷[J].中國電力企業管理，2014（8）:63-64.

[2]龔秀松.市場環境下銷售電價的理論建模及實證研究[D].長沙：湖南大學，2011

[3]吳耘.電能計量裝置異常狀態監測系統終端技術研究[D].華北電力大學（河北），2007

[4]朱乾龍，韓平平，丁明，等.基于聚類-判別分析的風電場概率等值建模研究[J].中國電機工程學報，2014（28）:4770-4780.

[5]周翔，王豐華，傅堅，等.基于混沌理論和K-means聚類的有載分接開關機械狀態監測[J].中國電機工程學報，2015（6）:1541-1548.

[6]趙鴻圖，劉云.基于三次樣條插值的小波模極大值去噪算法[J].計算機工程與設計，2014（8）:2965-2968，2975.

[7]戴亮，何欣，崔力心，等.一種基于異常值檢測和群體智能優化神經網絡的電價混合預測模型[J].電子測試，2015（4）:54-56.

[8]彭顯剛，賴家文，陳奕.基于聚類分析的客戶用電模式智能識別方法[J].電力系統保護與控制，2014（19）:68-73.

[9]劉小淵，莊華松.電力營銷稽查管理中存在的問題及策略探究[J].中國高新技術企業，2014（31）:162-163.

[10]宋亞齊，周國亮，朱永利.智能電網大數據處理技術現狀與挑戰[J].電網技術2013（4）:927-935.

[11]黃園芳.供電可靠性預測的研究[D].廣州：華南理工大學，2010.

[12]林潔平.電力通信網運行方式優化研究[D].廣州：華南理工大學，2010.

[13]李存斌，馬同濤，王建軍.我國階梯電價改革的長期影響及動態調整分析[J].陜西電力，2014（10）：28-32，58.

[14]姜雪梅,宋旭東.主動配電網的運營電價研究[J].陜西電力，2015（10）：53-57.

[15]劉方，楊秀.分時電價下考慮預測偏差的微網經濟運行[J].陜西電力，2016（4）：65-70

[16]王彥，王凱，溫曉強.實時電價下計及轉移成本的負荷優化[J].陜西電力，2015（6）：55-58

[17]張鑫.基于支持向量機的能源管理系統短期負荷預測[D].長春：長春工業大學，2010.

[18]龐佳.控制與保護開關漏電保護模塊與遠程監控技術的研究[D].沈陽：沈陽工業大學，2011.

[19]楊陽.無線網絡的嵌入式接口設計[D].武漢：湖北工業大學，2011.

Design and application of analysis based on quasi real time data of abnormal price

LIN Zhi?jian，DU Xu?xin，HUANG Chao?kai，LIN Mu?qun
（Shantou Power Supply Bureau，Guangdong Power Grid Company Limited，Shantou515000，China）

Based on the principle that the occurrence of abnormal electricity price is bound to deviate from the electricity trajectory of normal users，the abnormal level of electricity price is compared with that of typical users.By making full use of the monthly electricity consumption，Electricity price category，electricity price category and other mathematical statistics analysis method as a price risk rating evaluation index，the establishment of the price risk rating model，which sets different thresholds through different latitudes，the establishment of different latitudes of abnormal price risk model，accurate Of the data characteristics of the user to discover in a timely manner to reduce a certain amount of economic losses；make the price risk analysis work done targeted，price risk analysis work to information technology，intelligent.

abnormalprice；electricity price risk；system construction；data analysis；electricity trajectory

TN99

A

1674-6236（2017）22-0058-04

2016-09-14稿件編號：201609147

林志堅（1968—），男，廣東揭陽人，高級工程師。研究方向：營銷管理、營銷信息化和自動化技術應用。