探究大數據分析在電力計量檢查中的應用

魏瑤 魏永柱

1. 國網邳州供電公司 江蘇 徐州 221000；2. 國網徐州供電公司 江蘇 徐州 221000

引言

大數據時代的到來催生了社會經濟發展的新模式，首先轉變了社會經濟市場服務化內涵，將原本單純的經濟運營模式轉化為智能化運營模式，可實現同步多線操作，提高了市場化經濟的運行效率；其次，實現了企業的個性化發展，從傳統量變轉化為質變，給出了更多更豐富的企業營銷優化策略，比如說精準營銷，它就是基于大數據時代背景的創新技術應用思路，對當前某些熱門行業的發展具有促進甚至改造作用。在電力企業市場營銷中會大量運用到大數據技術分析手段，它主要利用了大數據的多元化、數量大、速度快、價值高等優勢特征，多方凸顯了大數據在電力市場營銷中的特殊性。而通過大數據技術促進電力市場營銷效率優化、電力市場營銷模式改革是必要且符合實際的。

1 大數據分析運用于電力計量與檢查的意義

大數據分析系統既有利于監察和預測電力計量的發展趨勢，也有利于實現電力系統的智能化發展。在電力營銷環境下，電力計量與檢查、電力營銷、電力運輸等各個業務環節都需要根據大數據系統進行強化，其中也包括反竊電檢查，因為智能化、高速化的反竊電檢查工作更有利于推進電力營銷系統的推廣。大數據分析可以反向檢測電力計量工作，根據大數據的海量資源實時檢查竊電行為，全天候、智能化的電力計量系統可以取代傳統的檢測工作，逐步適應電力企業的市場發展，形成以客戶為中心、以電力為基礎的營銷模式[1]。

2 電力計量檢查存在的問題

2.1 電能計量裝置的異常原因

隨著電子科技設備推動電力系統的自動化進程的同時也出現了一些負面的影響。其中，電力諧波對電能計量裝置的正常運行造成了一定的干擾。以基波為設計依據的電能計量裝置，在遇到電子科技設備的諧波時，筆者在日常的工作中發現，外界環境的干擾，如裝置磁場的變化等，都可能引起電能計量精密元件的誤差甚至故障，進而影響了電能計量的準確性。又如，雷擊也會引起電能計量裝置的損壞。裝置異常往往還隨著電力計量裝置的故障而發生。如果裝置自身是粗制濫造，沒有按照相關標準生產的產品，或者是在運行時環境溫度濕度等不適宜儀器的工作，或者裝置設計存在相互沖突等情況都會導致儀器故障，從而進一步導致裝置異常。電流互感器故障、電能計量柜出現問題等便屬于典型的計量裝置故障，在這些條件下電力計量裝置的異常基本不可通過自然修復避免。值得注意的是，現階段我國很多地區對電能計量裝置的監管失當，由此導致的電能計量裝置故障頻發，對此必須予以重視[2]。

2.2 檢查管理機制沒有完善

在電力營銷背景下，多種供電企業更注重自身的經濟利益，在生產經營過程中，并未重視電力檢查與管理工作，相應的檢查管理機制沒有完善。雖然企業在反竊電、反傾銷中做出一定的舉措，但后續的檢查管理仍存在缺陷，電力企業的管理人員由于觀念落后，監督和管理水平不足，其管理仍停留在傳統人力監控統計和信息反饋中，管理方式過于落后，造成電力監管困難。而且電力企業缺乏檢查與管理的基本設施，例如數據遠程傳輸、智能電表等監測系統的配備不足，仍然會導致電力流失，加上部分管理人員缺乏責任感，目前的電力監管和防竊電管理效果不佳。需要通過制定管理制度、完善管理機制來保證電力的使用和管理，可以利用大數據分析系統，利用高速快捷的信息傳播路徑，智能分析和預測系統使電力防盜技術有實質性進展。

2.3 電能計量裝置的異常表現

根據電能計算原理，電壓、電流及功率等參數影響著計量裝置中的電能表、互感器變化測試儀等元件、儀器的工作情況。通常采用檢查對比電壓、電流、頻率等參數與標準值的偏離程度的方式對電能計量裝置的使用狀況進行判定。這些參數的具體值沒有落入在正常范圍內是電能計量裝置具體的異常表現。

3 大數據分析在電力計量檢查中的應用

3.1 數據融合技術

數據融合指的是對存在冗余性質的數據進行合并的過程，能夠以低成本、高效率的方式將信息統籌起來，并在此基礎上預估數據在未來一段時間內的變化態勢，其操作流程具體如下：①在完成數據采集工作后，首先需要對數據進行初期融合處理，其根本目的在于減輕后續數據傳輸的負擔，同時也能夠降低數據提取工作的壓力；②在完成數據提取工作后，還需要進一步融合數據提取結果，其根本目的在于獲取故障信息，為運維方案的確定提供數據支持[3]。

3.2 電力信息海量存儲及處理技術

①基于Hadoop的海量數據存儲。電力信息系統不同于其他的系統，電力信息系統不僅需要支持系統用戶的訪問，而且還需要支持很多類型的終端設備的接入，比如：用電信息采集設備，需要實時地將用電情況上傳到服務器，而終端數量比較大，為了提高存儲效率采用了HDFS技術。不僅如此，還在該系統中設置了緩沖區，這樣當海量數據存儲處理不過來的時候，可以將存儲請求放在緩沖區，等待空閑時間在進行數據的上傳處理。②基于MapReduce的海量數據檢索。電力企業服務的客戶比較多，電力企業在各個地區都設置了服務中心，并且終端設備比較多，所以系統的復雜性很高。而為了提高這些終端設備和用戶的信息檢索能力，采用了MapReduce技術，設計了性能高效的數據檢索算法，用戶如果要想對信息進行檢索，只需要根據實際業務的需要輸入相關的檢索條件即可。

3.3 稽查系統的設計與應用

在電力計量和檢查工作中，工作人員可以通過對大數據的分析，對類似竊電的行為進行記錄，鎖定竊電對象的起止時間，為偵查提供證據。在計量分析報告的構成中，工作人員可以采用數據源，也就是客戶檔案數據和用電采集數據確定主題內容，利用客戶檔案數據縮小竊電用戶范圍，通過用電采集數據鎖定嫌疑用戶，檢測用戶是否存在竊電行為。之后將用戶范圍內的數據進行算法模擬，通過二階聚類分析結果，利用采集數據構成決策樹，在數據樹中構建異常分析線路圖，對異常檢測的起止時間、功耗等進行取證分析，及時采取進一步措施，減小企業的電量損失[4]。

3.4 進行電力負荷的預測

首先，在對電力系統進行負荷分析工作時，相關的電力工作人員要對電力系統原來的電力負荷范圍有一個初步的了解和大致的判斷，并且對電力系統的電力變化規律也要有一定的把握。在做好這些初步準備工作之后，工作人員為了方便對電力的負荷預測工作，就必須要了解電力負荷預測的前提條件。對相關基礎電力信息數據，首先必須要進行充分的收集。特別是電力信息采集系統，在它采集電力用戶的入戶高壓和低壓電信息的時候，用戶本身可以通過客戶端上的低壓設置直接進行變換，而電力企業工作人員就通過綜合分析用戶的電力使用情況進行數據的采集，這樣可以更全面和規范地反映各類電力用戶的具體用電情況。

3.5 充分利用大數據提供優質電力服務

第一，新增低電壓輔助分析應用功能模塊，追求變電站中中壓母線、電壓、配變臺區電壓以及用戶測電壓的有效運行配合，并對線損內容進行全面監測分析。在分析過程中對長期性低電壓與季節性低電壓狀況進行判斷分析，實現對低電壓問題原因的相應診斷，同時分析影響電壓質量的各種因素，例如可建立無功配置分析平臺，對與其相關的輔助低電壓治理決策內容進行分析與優選，最終選擇低電壓專項依據，實現對低電壓的科學治理與成效評估。第二，可考慮基于大數據分析技術建立更多優質服務項目內容，例如頁面配置化展示技術、供電電壓質量分析技術、配網規模分析完善技術、配網運行分析完善技術、配網技改大修與專項項目統計分析與評價技術等[5]。

4 結束語

電力資源是居民日常生活和生產的重要部分，電力計量檢查數據的準確性對現代社會的影響很大。因此可以利用大數據系統，通過自動化、智能化的分析和檢測，有效運用數據分析模型和數據特征庫。利用數據支持計量和檢查工作的各個階段，努力做到事前預防、及時發現、精準處理、正常運行，實現電力計量和檢查的穩定性，更好地利用大數據推動電力營銷的推廣和計量裝置的運行。