顧及空間約束的戶變關系識別與調整方法

李源林 鄧帆 龔杰 付康

摘要：戶變關系指的是變壓器（臺區）和用戶電表的連接關系，臺區戶變關系的正確性是實現臺區線損準確計算分析的前提。本文提出以線損率一階差分平穩性作為診斷臺區戶變關系異常的指標，并以線損波動貢獻來識別臺區的異常用戶，并在公變空間臨近關系的約束下，實現戶變關系的局部調整。設計并實現以上算法，通過對樣區的試驗應用，算法能夠進行戶變關系快速高效判別，能夠為戶變關系現場核實提供有效參考。

關鍵詞：戶變關系；線損率；異常用戶識別；局部優化

中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2018）28-0191-04

Identification And Adjustment Method Of User-transformer Relationship With Spatial Contraints

LI Yuan-lin1， DENG Fan2*， GONG Jie3， FU Kang2

（1. Hubei Central China Technology Development of Electric Power CO.LTD， Wuhan 430077， China； 2. School of Geosciences， Yangtze University， Wuhan 430100， China； 3. Wuhan Huaxin Lian-Chuang Technology Engineering CO.LTD， Wuhan 430074， China）

Abstract： User-transformer relation is the connection between the transformer and the user's electric meter.The correctness of the user-transformer relationship is the prerequisite for the accurate calculation and analysis of the line loss in the substation area.Through the analysis of the sample data，it is proposed that the first order difference stationarity of line loss rate is used as the index of abnormal user-transformer relation in the diagnosis area，and the abnormal user of the substation area is identified by the contribution rate of line loss fluctuation.Under the constraint of proximity relation in space，local adjustment of user-transformer relationship is realized.Through the test and application of the sample area，the user-transformer relationship can be quickly and efficiently identified，so as to provide effective on-site verification.

Key words： user-transformer relation； line loss rate； abnormal user recognition； local optimization

臺區（指一臺變壓器的供電范圍或區域）線損率是電力公司的一項重要經濟技術指標，提高線損正確可算率是降損增效的根本途徑。臺區戶變關系的正確性是實現臺區線損準確計算分析的前提。同時，營配貫通深化應用的開展要實現營配數據信息共享和營配業務協同運作，建立準確的“變電站-線路-變壓器（臺區）-用戶”關聯關系，也對加強戶變關系梳理，提高戶變關系準確性提出了明確要求[1]。

目前營配貫通工程中變壓器（臺區）和用戶電表的連接關系采集有兩種方式：變壓器和用戶電表通過架空線路連接的，采用人工識別方式采集戶變對應關系；變壓器和用戶電表通過地下電纜連接的，由供電公司提供用電信息采集系統中記錄的對應關系。城市臺區低壓線路多采用地下電纜，線路走向隱蔽，部分老臺區電纜標識牌缺失，因此在臺區施工改造（如遷建、擴容、割接、布點等）時，容易因電纜標識而無法正確區分變壓器與戶表的對應關系，營銷系統未及時更新戶變關系變化，造成戶變關系與實際產生差異，線損計算出現偏差[2]。

戶變關系的判別一直以來都是各供電企業臺區線損管理的一大難題。傳統臺區停電方法雖然可以逐一排查停電臺區變壓器和戶表的對應關系，但是為保證用戶供電可靠性，全面停電排查方法無法實施。另外有企業采用臺區識別儀通過載波通訊方式識別臺區[3]，但是需要在線路上加裝集中器和采集器等硬件，全面開展受成本條件限制。

隨著城區智能電表全面覆蓋投運，用電信息采集系統實現了變壓器和終端用戶用電數據的自動采集，為線損分析提供了海量數據資源；另一方面，通過營配調貫通普查工程的開展，營銷客戶資源地理信息正源源不斷的采集入庫，為線損分析提供了海量的空間信息資源[4]。許多學者利用智能電表數據進行了戶變關系的研究。潘明明等基于用戶智能電表電壓量測數據與變壓器低壓側智能電表的相似度，利用灰色關聯方法識別用戶所屬臺區及相別[5]。阿遼沙·葉利用電壓時空相關性，對用戶所屬臺區進行了分類判別[6]。 趙宇東提出基于臺區相線相位差異統計特征判定電能表臺區歸屬[7]。這些研究提升了電網企業的智能化和自動化水平，但在適用性方面還需繼續研究。而在利用電量數據進行相關研究方面，還未見文獻報道。

本研究擬以用戶用電信息及空間信息為基礎，分析挖掘用電數據、GIS數據、臺賬數據中潛在的關聯關系，分析計算出合理的戶變關系，從而提高臺區線損正確可算性，使客戶用電更加可靠、透明，提高服務質量，促進降損節能。

1 算法設計與驗證

1.1 數據特征分析

試驗數據采用的是某供電營業所范圍內電量數據。主要數據包括公變（變壓器）編號，公變日電量，公變坐標，用戶編號，用戶所屬臺區編號，用戶日電量數據，涉及記錄數據280余萬條。我們對數據進行了網絡和數值分析，得到了基于空間位置的臺區網絡拓撲圖（圖1，不同簇代表不同臺區），并計算了各臺區規模（圖2），和臺區用電以及線損率特征（圖3）。

空間上，樣區公變分布較為均勻，少數公變在空間位置上非常接近，且用戶數較多（圖1，中部紅色區域）。該樣區臺區用戶數目集中在40-140戶間，少數臺區用戶數目到200戶左右（圖2）。戶變關系不一致表現為線路改造時，戶變關系的未及時更新，通常發生在臨近臺區間。

用戶用電隨季節和時間表現出非平穩波動性，不同臺區具體的線損差異和變化也不同。同時，樣區測試數據亦存在數據采集異常等情況，對算法設計與驗證造成一定障礙。對以輻射拓撲為主的配電網線損計算與分析，需要采集線路的供入電量與供出電量，配網線路供入電量一般為變電站端計量點采集的電量，供出電量一般為線路下各專變用戶、公配變計量點所有電量之和。由于配電線路供出電量的計量點較多、分布分散，且計量自動化終端異常、通信影響等原因，易造成部分專變公變計量點的電量無法正常采集影響線損率的計算結果。因此，對線損指標數據進行預處理顯得非常重要，即需通過合適算法對缺失數據進行補齊，之后再利用線損拓撲結構關系計算線路的線損率[8]。在算法數據輸入時，應考慮數據質量問題，并做相應處理。

通過對數據的分析，臺區線損表現未四大類型：1.正常臺區，臺區線損平穩，線損率在正常范圍內（橙色曲線）；2.缺少用戶的臺區，線損波動較大，線損率高（灰色曲線）；3. 線損率波動較大，線損不穩定（黃色曲線）；4.多余用戶的臺區，線損率波動較大，且線損率較低，或為負值（藍色曲線）。這四類臺區反映了現實中臺區線損可能呈現的狀態。在戶變關系識別與調整中應考慮到不同線損變動情況。

1.2 戶變關系異常臺區和異常用戶識別

戶變關系判別與調整首先要解決異常臺區和異常用戶的識別問題[9]。針對不同的應用目的，許多學者開展了異常用戶的識別研究。利用皮爾遜相關系數分析法，在臺區中識別異常電能表用戶[10]，但該識別方法應用有一定局限性，前提是臺區戶變關系準確?；跔I配調貫通的海量數據分析技術構建了電網線損與竊電預警分析系統[11]，用以發現線損率異常的線路或潛在的用戶用電異常行為。該方法通過理論線損和統計線損的對比分析，來識別異常的臺區，進一步查找異常的用戶，對于線損偏低，或為負值臺區則無法處理。吳鴻亮等基于J2EE架構建立了高壓直流輸電系統電網元件電能損耗計算、線損診斷分析及降損潛力分析模型，研發了基于 J2EE 架構的線損理論計算與診斷分析系統[12]，實現了線損理論在線計算和線損診斷分析及降損潛力分析功能。我國線損50%是由中、低壓配電網運行引起的[13]，需要針對低壓配電網線損精準計算深入研究?？紤]到戶變關系異常導致的線損異常，因此有必要在進一步線損分析前，識別臺區戶變關系異常的用戶。

臺區用戶用電并非隨機現象，多數用戶表現出相同的趨勢，難以通過用戶線損貢獻度識別戶變關系異常用戶。臺區線損率也受到季節性和其他因素影響，呈現出非平穩性[14]，難以進行平穩時間序列分析。差分運算具有強大的確定性信息提取能力，許多非平穩序列差分后會顯示出平穩序列的性質。因此，對臺區線損進行一階差分處理（公式1），正常臺區一階差分序列數據應表現出平穩性，線損率呈現出波動較小的狀況，異常用戶將導致臺區線損波動增大。

正常臺區線損波動較小，異常用戶將導致臺區線損波動增大。并作推理如下：

1） 將其他臺區用戶添加至此臺區，必然造成S的上升，繼續增加其他臺區的用戶到此臺區，每次加入新用戶，S將會增大；

2） 如果將該臺區的用戶去掉，必然造成S的上升，在此基礎上繼續去掉此屬于臺區的用戶，S將會增大；

3） 異常將會積累而不會抵消。

我們可以將S用作判斷該區是否存在異常用戶的一個重要指標，通過測試用戶對線損波動造成的相對影響（公式2），判斷用戶是否異常。若C為負值，則當前測試用戶判別為異常用戶。

選擇某臺區對上述算法進行了4次測試，測試結果見表1。表中r為原始數據線損率，Sq、Sq為測試前后線損率波動，C為測試影響（對公式2進行了平衡擴大化）。四次測試操作分別為：

1） 在原記錄用戶基礎上，去掉一個目前記錄在該臺區的用戶；

2） 在1操作的基礎上，增加一個其他用戶；

3） 在原記錄用戶基礎上，增加一個其他用戶；

4） 在3操作的基礎上，增加一個其他用戶。

四次測試均導致線損波動上升，見表1。測試驗證了以上推理。

當僅考慮臺區線損異常是由于戶變關系不準確造成時，以上算法難以在缺失用戶的臺區識別異常用戶。算法必須首先在存在大量多余用戶的臺區進行測試，識別異常用戶并將其移除。由于無法在單一臺區找到缺失的用戶，因此，在臺區異常用戶識別時，將臺區按照異常類型進行了分級（表2），優先處理存在較多多余用戶的臺區。其他臺區補充用戶后再處理。

1.3 戶變關系調整

通常臺區戶變關系的錯誤是由于線路改造和臺賬數據未及時更新導致，戶變關系的錯誤一般發生在臨近臺區間。在戶變關系調整時，為避免全局的戶變關系的調整，需要在空間臨近關系約束下，進行戶變關系的調整。為此，需要為每個異常臺區維護空間臨近關系。通過臺區空間地理坐標計算每個臺區相鄰近的臺區，并保存這些臺區信息。在實際互變關系測試時，只在這5個臺區測試，能夠減少算法計算量，避免異常結果出現。

在測試某個異常用戶應當調整到哪個臺區時，同樣根據公式1和公式2計算異常用戶對臨近臺區線損造成的影響來判斷。我們將異常用戶電量數據加入新臺區，計算新的線損波動，若波動減小，則該用戶屬于新臺區。

2 算法實現

針對以上臺區異常用戶識別和戶變關系調整方法，設計并實現以上算法。測試系統流程如圖4。

測試系統主要包括數據預處理模塊，異常臺區分級模塊，異常用戶識別模塊與戶變關系調整模塊和結果輸出模塊，其中異常臺區分級模塊，異常用戶識別與戶變關系調整模塊為算法核心模塊。

1） 數據預處理模塊

該模塊主要實現數據的讀取和預處理。待處理數據包括戶變關系表，臺區空間位置表，臺區日電量表，用戶日電量表等4部分數據。功能包括坐標文件的讀取，臺區以及用戶電量讀取與計算。得到待處理臺區鏈表。

預處理模塊還針對數據存在的缺失值、異常值和數據一致性、重復數據進行了必要的檢查和處理。

2） 異常臺區分級模塊

該模塊基于臺區平均線損率和線損波動狀況，對臺區進行優先級分級處理，得到高優先級處理臺區鏈表。并將正常臺區從內存中刪除。

3） 異常用戶識別與調整模塊

在高優先級臺區中，測試每個用戶對當前臺區線損波動造成的影響，并將其加入臨近臺區進行測試，計算合理的戶變關系。

4） 結果輸出模塊

結果輸出模塊，輸出數據包括新戶變關系數據和數據異常信息（包括空間坐標缺失臺區，戶變關系缺失用戶，電量異常用戶，電量缺失用戶等）。

3 應用測試

利用該算法程序，對某供電營業所所屬93個臺區戶變關系進行了應用測試。測試數據包含用電客戶7841個，用電記錄數超過280萬條。測試運行環境為 Intel i5-6200U 2.3GHz 的 CPU， 8G DDR3 內存，Windows 10 系統；使用 C++代碼在 Visual Studio 2017 下編譯。數據測試時長4分30秒，最大占用內存700兆。算法復雜度滿足業務需求。

測試結果，發現數據異常信息：3個臺區缺失坐標，這個3個臺區及其所屬用戶在數據預處理階段被排除；128個用戶丟失電量數據；50個用戶數據存在嚴重質量問題；234個用戶缺少臺區信息。

識別戶變關系異常用戶51個，并進行了相應調整（圖6，紅點表示被調整的用戶），臺區線損和波動性均有所改善。經實地抽樣驗證，正確識別與調整異常用戶38戶，有效提升了現場核實效率。

圖6 戶變關系調整示意圖

4 結論

戶變關系準確性是線損率精準計算的前提，如何快速經濟的對戶變關系進行判別對于節能增效具有重要的意義。本文提出并實現了一種基于空間數據和電量數據的戶變關系判別與調整的算法，算法核心思想包含以下幾個方面，一是對臺區進行分類處理，優先處理線損率高，波動大，包含較多異常用戶的臺區；二是戶變關系判別上，提出基于線損率一階差分穩定性的局部優化算法，測試臺區用戶對其影響來識別異常用戶；三是在戶變關系調整上，考慮空間臨近關系的約束。通過對樣區的測試應用，算法能有效進行戶變關系的判別，為現場核實提供有效參考。

參考文獻：

[1] 張波， 朱澤廳， 盧鳴凱， 等. 營配貫通臺區線損異常數據治理方法探討[J]. 浙江電力， 2015， 34（2）： 9-11，19.

ZHANG Bo， ZHU Zeting， LU Mingkai， et al. Probe into the method for unusual line loss data management of cut-through of marketing and power distribution[J]. ZHEJIANG ELECTRIC POWER， 2015， 34（2）： 9-11+19.

[2] 肖建紅. 低壓臺區線損異常的監測與分析[J]. 電力需求側管理， 2013， 15（3）： 48-49.

XIAO Jianhong. Monitoring and analysis of low voltage line loss based on the power consumption Information Collection System [J]. Power Demand Side Management， 2013， 15（3）： 48-49.

[3] 李建， 趙漢昌. 多功能低壓臺區識別設備的研制[J]. 電測與儀表， 2014， 51（13）： 107-111.

LI Jian， ZHAO Hanchang. The development and manufacture of a multi-function equipment for low voltage area identified[J]. Electrical Measurement & Instrumentation， 2014， 51（13）： 107-111.

[4] 莊遠燦， 朱建全， 黃俊銘. 基于計量自動化系統的配電網線損特征及影響因素分析[J]. 南方能源建設， 2017， 4（3）： 63-68+74.

ZHUANG Yuancan， ZHU Jianquan， HUANG Junming. Analysis of line loss characteristics and influencing factors of distribution network based on metro logical automation system[J]. Southern Energy Construction， 2017， 4（3）： 63-68+74.

[5] 潘明明， 田世明， 吳博， 等. 基于智能電表數據的臺區識別與竊電檢測方法研究[J]. 智慧電力， 2017， 45（12）： 80-84.

PAN Mingming， TIAN Shiming， WU Bo， et al. Researche on userstransformer attribute identification and stealing electricity detection method based on smart meter data[J]. Smart Power， 2017， 45（12）： 80-84.

[6] 阿遼沙·葉， 顧君， 張小秋. 基于數據時空相關性的智能臺區識別技術[J]. 現代電子技術， 2018， 41（4）： 30-33.

YE Aliaosha， GU Jun， ZHANG Xiaoqiu. Intelligent transformer room recognition technology based on temporal and spatial data correlation [J]. Modern Electronics Technique， 2018， 41（4）： 30-33.

[7] 趙宇東. 一種智能電能表臺區歸屬自動判定方法[J]. 華北電力技術， 2016， （5）： 22-28.

ZHAO Yudong. An automatic determination method of smart meters transformer area distinguish[J]. North China Electric Power， 2016， （5）： 22-28.

[8] 何藝， 陳俊. 基于GMDH算法的配電網線損數據預處理研究[J]. 電力系統保護與控制， 2015， 43（9）： 42-46.

HE Yi， CHEN Jun. Research on line loss data pretreatment in distribution network based on GMDH algorithm[J]. Power System Protection and Control， 2015， 43（9）：42-46.

[9] 安佳坤， 賀春光， 邵華， 等. 一種面向時空全過程的線損變動分析方法[J]. 電力科學與技術學報， 2017， 32（3）： 100-105.

AN Jiakun， He Chunguang， SHAO Hua， et al. Analysis method of line loss fluctuation based on whole space-time process[J]. Journal of Electric Power Science and Technology， 2017， 32（3）： 100-105.

[10] 王涓， 吳旭鳴， 王愛鳳. 應用皮爾遜相關系數算法查找異常電能表用戶[J]. 電力需求側管理， 2014， 16（2）： 52-54.

WANG Juan， WU Xuming， WANG Aifeng. The application of pearson correlation coefficient algorithmin in searching for the users with abnormal watt-hour meters [J]. Power Demand Side Management， 2014， 16（2）： 52-54.

[11] 李端超， 王松， 黃太貴， 等. 基于大數據平臺的電網線損與竊電預警分析關鍵技術[J]. 電力系統保護與控制， 2018， 46（5）： 143-151.

LI Duanchao， WANG Song， HUANG Taigui， et al. Key technologies of line loss and stealing electricity prediction analysis based on big data platform [J]. Power System Protection and Control， 2018， 46（5）： 143-151.

[12] 吳鴻亮， 門錕， 董楠， 等. 基于J2EE架構的線損理論計算與診斷分析系統開發與應用[J]. 電力系統保護與控制， 2016， 44（5）： 108-116.

WU Hongliang， MEN Kun， DONG Nan， et al. Development and application of theoretical calculation and diagnosis analysis system of line loss based on J2EE framework [J]. Power System Protection and Control， 2016， 44（5）： 108-116.

[13] 陳芳， 張利， 韓學山， 等. 配電網線損概率評估及應用[J]. 電力系統保護與控制， 2014， 42（13）： 39-44.

CHEN Fang， ZHANG Li， HAN Xueshan， et al. Line loss evaluation and application in distribution netwo [J]. Power System Protection and Control， 2014， 42（13）： 39-44.

[14] 馮垚， 李明浩， 莫玫， 等. 線損率波動與影響因素的數學建模及求解[J]. 電力系統及其自動化學報， 2010， 22（5）： 116-120.

FENG Yao， LI Minghao， MO Mei， et al. Mathematical modeling and solution on distribution synthesis loss rate fluctuations and factors[J]. Proceedings of the CSU-EPSA， 2010， 22（5）： 116-120.

【通聯編輯：唐一東】