用于電費結算的用戶電量數據清洗與擬合方法

楊 悅，吳 量，葉則韶，莊大海

(1.國網福建省電力有限公司福州供電公司，福建 福州 350009；2.國網信通億力科技有限責任公司，福建 福州 350003)

購售電同期抄表結算，是指將所有用電客戶與電廠的購售電交易按照自然月進行抄表結算，抄表時間統一定在月末24點。為順利推進福建省購售電同期抄表結算工作，國網福建省電力有限公司開展了用戶電能信息采集、數據處理和分析以及售電量預測數據建模等項目。通常情況下，每天只有不到1%的用戶會出現用電數據采集異常的情況。因此，本文將從微觀層面針對初始數據的采集與處理展開分析和探討。

1 數據采集

福建省對用戶電能信息數據采集的內容主要包含用戶電能示值、最大需量和電能量的曲線數據以及電能表各相電壓、電流、功率等。通過對用戶用電信息進行分析，可更好地了解用戶用電需求，為客戶提供更加優質的服務，也能為供電企業購電決策提供有力的支撐。

目前，福建省用戶用電信息數據的采集主要通過系統遠程自動抄表的方式來實現[1]。首先，將經過電能表采集后的用戶用電數據儲存在表內；其次，通過載波模塊將數據周期性地傳輸至集中器(或專變終端)；最后，經過遠程模塊傳輸到采集主站，分析人員可以通過用電信息采集系統導出用戶的用電數據。在此過程中，不論是現場設備故障，還是地理位置偏遠或極端氣候導致遠程模塊接收到的4G信號發生衰減，均可能造成遠程自動抄表失敗。因此，為提高用戶電量計算的準確性，每月25日至月末期間，對因現場缺陷導致采集失敗的用戶(特別是高壓用戶及發電企業客戶)，應立即展開故障消缺，并在消缺現場利用移動作業終端進行數據補抄，再通過運維閉環模塊將數據回傳至采集系統。若確有客觀因素導致缺陷無法及時消除，應確保月末五日內(發電廠企業客戶應確保月末三日內)至少準確采集一天的用電數據，盡可能縮小電量估算的時間間隔，從而降低估算偏差。但是，即便使用主站召測、人工補抄等方式對遠程自動抄表失敗的用戶進行統計，也仍然存在售電量統計的時間維度(頻率、時間點等)與遠程自動抄表不一致的問題[2]。因此，本文將對原始數據進行分析和篩選，并對缺失值進行擬合，以進一步提高估算結果的可靠性。

2 數據分析與清洗

2.1 缺失值

在日常生活中，電能信息采集系統可能由于信號不穩定、停電、終端故障、表計故障、模塊故障以及參數設置錯誤等各類原因無法實現自動遠程抄表[3]。

在該種情況下，用戶用電量的數據為空值。在對數據進行分析前，需剔除全部缺失值，待篩選出有效數據后，再對缺失值進行擬合。

2.2 無效值

通過電能信息采集系統收集到的數據，有可能因為檔案錯誤、接線錯誤、設備故障以及設備更換等原因產生無效值[4]。因此，在對缺失值進行擬合前，要先對采集到的數據進行分析，剔除無效值，以免影響擬合結果。例如，采集系統顯示某大工業用戶電能示值由9月1日的2 000 kWh減少到9月30日的120 kWh時，應首先確認在此期間該用戶是否更換過電表，若該用戶確有換表流程，則用電量=舊表底度-2 000 kWh+120 kWh；若在此期間該用戶不曾換表，并且現場示值與采集系統一致，應結合現場接線情況分析表計倒走原因，并計算實際用電量；若經核實確認數據有誤，但無法判斷數據是否準確，應將該數值進行剔除，參照缺失值處理。

此外，由于單一用戶在剔除季節性、工作時段等規律性因素后，呈現的用電量應保持相對平穩。因此，若用戶的電能量曲線上出現疑似離群值的數據，可以使用格拉布斯準則(置信區間為95%)對用戶日常用電數據進行判別。在計算標準偏差時，若樣本數量較多，可使用貝塞爾公式法；若樣本數量較少，應使用極差法進行計算。

實際運用過程中，其他典型的無效值包括：連續恒定的電能示值、連續恒定的用電量、24點負荷曲線上缺失超過2個點的曲線數據、計劃停電時常超過12 h的負荷曲線數據等。剔除無效數據所產生的空值應參照缺失值處理，經過擬合后，用擬合數據來替代原始數據。

3 數據擬合

3.1 缺失值(含異常值被剔除后形成的缺失值)擬合

為提高數據模型的可靠性，采取刪除缺失值和異常值的方法進行初步過濾，此過程在提高數據準確度的同時，會使得樣本量發生減少。經過對福州地區164個小樣本用戶(樣本量<30)的數據分析，可認為簡單地刪除缺失值會導致標準偏差較大，嚴重影響了模型的可靠性。因此，決定對缺失值和異常值進行擬合處理。

3.2 高壓用戶用電量擬合方法

首先，簡單地選用樣本的均值來替換缺失值和異常值。在用電量穩定、空值較少且樣本量大的數據中，該方法可以有效地測算年度及月度售電量，但對于用電數據波動較大、季節性明顯或樣本數據較少的用戶而言，該方法并不適用。因此，為進一步優化模型，使用條件平均值填充法，即使用相似樣本的均值或同類特征的均值來填補缺失值。但是，簡單的選用行業平均值無法體現該用戶的個體特征，因此還需要根據該用戶以往的用電數據與行業平均值的對比情況，對數值進行調整。

以電壓等級為10 kV的某酒店用戶A為例，該用戶在2018年10月29日24時用電數據采集失敗，因此可參照同電壓等級且業務類型、評級均相似的酒店用戶B，C，D的日平均電量對該用戶進行擬合。

該方法對大多數高壓用戶的用電量測算較為準確，然而對于部分用電量波動較大或處于壟斷行業的高壓用戶，由于個體特異性較強，所以無法使用該方法進行計算。因此，嘗試使用自回歸、平均移動、隨機游走等時間序列模型[5]，結合最小二乘法等理論方法對用戶個體用電量進行估算。

在對福州市1 306個樣本進行擬合后發現，通過自回歸模型和移動平均法獲得的模型可以得出缺失數據前3日內的數據對估算缺失電量值有著顯著影響的結論。同時，用戶用電量普遍隨季節、工作日等變量周期性波動，單純地采用3日數據構建自回歸模型和平均移動模型，不足以體現用戶的用電特征。因此，可通過采集失敗前三日的數據作為變量，結合季節性變量及是否為工作日的邏輯變量，對缺失值進行擬合。針對周期性變量，分別選用每季度、每月、每旬作為自變量對電量數據進行建模。總體而言月度、季度變化趨勢較為明顯，而每月上、中、下旬變化差異不大。值得注意的是，由于月份變化涵蓋了季節變化的波動趨勢，因此大多數行業的用電量隨月份變化產生的差異比隨季度變化產生的差異更為顯著。但部分行業如學校、游樂場等，由于寒暑假等因素，季節性趨勢更加明顯。因此，應根據用戶個體特征進行具體分析。

3.3 低壓用戶用電量擬合方法

由于樣本總量較大，樣本中每個個體用電習慣迥異，無法通過與同類用戶平均值的對比進行估算，因此可以參照高壓用戶自回歸的方法進行測算。在數據樣本量小的情況下，可以采用數據缺失日期(T1)之前6天內的最后一次抄表成功示數X(日期為T0)作為測算起始值，并使用缺失日期之前3天的平均電量進行擬合，則擬合示數=X+平均電量×(T1-T0)。若近一個月內存在倒走、飛走異常或仍有異常工單未處理的情況，則使用上一次結算電量的日均電量作為擬合值。為確保數據質量，近五日內新裝的電表一般不進行缺失數據的擬合。

3.4 最大需量擬合方法

為確保基本電費計算盡可能精確，保障用戶利益，采用最大需量進行結算的大工業用戶，如有數據缺失，一般取當月最后一次采集成功的最大需量值進行補全。

4 數據校驗

在得到擬合數值后，要使用格拉布斯準則，并根據營銷業務應用系統中前一月份的結算電量，以及去年同期的結算電量對當月電量進行校驗。若判斷該月電量為離群值，應分析具體原因。若由擬合值造成，說明擬合值可能有誤，可直接使用缺失值前三天的平均值對原擬合結果進行替換。若擬合出的當月總電量及日電量均無異常，則可以將該擬合值納入樣本對該用戶的用電行為進行預測。

5 結語

基于時間序列模型、最小二乘法等理論知識以及結合計量業務實際經驗，本文對售電量異常值剔除、缺失值擬合等數據清理過程展開了分析和研究，為更加精確地核算用戶用電量、可靠地預測用戶用電行為以及精準地做出經營決策提供了可靠的數據支撐。