“用電信息采集+配電自動化系統數據”支持下的電源點自動識別技術分析

［摘 要］基于用電信息采集和配電自動化系統數據的電源點自動識別技術，能夠集中處理呈現數據信息，實現電源點與用戶的雙向溯源，輔助線變關系核查，保證線路工作質量。對此，為進一步加強電力企業基礎數據管理，提高營配調貫通質量，文章以某電力公司系統建設和工作開展為研究對象，分析了用電信息采集與配電自動化系統數據的支持條件，并著重研究了“用電信息采集+ 配電自動化系統數據”支持下的電源點自動識別技術，以期為相關工作提供一定幫助。

［關鍵詞］用電信息采集；配電自動化系統；電源點自動識別技術

［中圖分類號］TM76 ［文獻標志碼］A ［文章編號］2095–6487（2024）02–0112–03

電力企業運行管理過程中，營配調貫通水平影響其工作質量和效率。調度系統電源點的名稱是在生產現場勘察后，依照用戶的實際名稱確定，且為便捷信號監測操作，通常對名稱進行簡化。而營銷系統用戶名稱依據用戶報裝名稱確定，這樣一來，就容易出現營銷系統和配電自動化系統用戶名稱不能匹配的問題。在這種情況下，營配數據核查中，工作人員不能利用配電自動化系統間隔名稱，確定對應的用戶，無法準確定位電源點，雙向溯源會受影響。

1 用電信息采集與配電自動化系統數據的支持條件

某電力公司配電自動化系統組建于2010 年，有60 多臺配電采集終端設備，系統運行均為正常。根據自動化“十二五”規劃原則及發展目標，于2017 年建設主站、終端，實現配電自動化線路覆蓋50% 左右。在該公司配電自動化技術下，用電信息采集系統優化升級，系統在統一接口要求和接口規范下，連接配電自動化系統，進而實現數據共享。主站具備兩種形式的預付費功能：①主站實時采集用戶當前用電量或每日采集用戶日凍結電量，交給營銷計費業務計算用戶剩余電費，將當前剩余電量下發給終端的電表作為信號指示，當剩余電量不足時下達跳閘命令暫停電力供應，待終端用戶續繳電費時再通過網絡通信命令重新用電；②將用戶交費信息發送到現場，通過網絡通信傳到終端或電表，或者使用電卡傳給電表，由現場設備直接執行預付費用電控制。

專變采集終端也有兩種形式：①直接執行由主站下達的命令，顯示給客戶當前剩余電耗信息或執行斷電跳閘指令；②接收主站下達的客戶交費數據，不斷收集客戶電力數據，統計當前剩余電量，電力不足時會跳閘斷電，收到主站的續交電力信號后復電。用電信息采集系統結構如圖1 所示。

2 “用電信息采集+配電自動化系統數據”支持下的電源點自動識別技術

2.1 數據處理

基于“用電信息采集+ 配電自動化系統數據”的支持，電源點自動識別技術的實現，應從數據處理出發。

（1）數據準備工作。根據業務邏輯，將場景分成不同的功能模塊，包括電源點自動識別規則、用戶信息、站房間隔信息等，對用戶雙向溯源及主網電源點進行分析和可視化展示。根據各功能點需求，須向系統中分別接入用電信息采集系統，數據以日測量點電壓曲線呈現；營銷業務應用系統，數據以電能表、計量點信息表、電能表與計量點關系表、線路檔案、臺區檔案、變壓器檔案、用戶檔案等呈現；PMS，數據以負荷開關呈現；GIS，數據以間隔單元呈現；配電自動化，數據以遙測信息呈現。編制數據選擇腳本，構建流轉鏈路，基于可視化展示，將明細業務數據接入DWS 數據庫。其中，用電信息采集相關數據，主要利用DRS 數據復制工具接入系統，由DAYU 工具調度，將明細數據存儲在MRS 當中。營銷業務應用系統相關數據和PMS、GIS 等數據，也利用DRS 工具接入系統當中。按照業務需求，轉換分析層數據。通過配電自動化系統，生成JSON 文件，通過第三方系統，解析其中數據。在此過程中，若需批量計算，考慮到配電自動化相關數據海量，則可利用MRS，在Hive 中存儲數據信息。

（2）通過數據質量分析，對異常數據或缺失數據進行篩選處理，提取其中的信息或進行格式轉換等，對數據進行重新組織。根據數據分析需要，匯總整合數據，將不含有用戶臺區數據篩除，將其中不規范、不完善的數據進行適當處理，為后續數據分析奠定基礎。在處理過程中，針對用電信息采集系統和營銷業務應用系統中的測量點、計量點等情況，在篩選數據時，選擇臺區為只含有一個測量點，且計量點性質為結算的，選出符合要求的用戶數據信息。用電信息采集系統中的相關數據，每間隔15 min 采集一次每天采集固定點數；配電自動化系統的相關數據，則實時采集，每天采集數據量較多，但數據完整性欠缺，還需進行篩選，控制差值。建立分區表，利用JAVA 程序，解析配電自動化數據JSON 格式。其中，JSON 格式文件主要按照kafka 交互形式，涉及到的數據主要有配網開關、配網母線等實時信息。表1 為數據文件交互形式。

數據預處理后，進行行轉列處理。配電自動化系統中數據為列形式，但用電信息采集系統數據均為行形式，在數據計算過程中，涉及形式統一的問題，公式中的向量為列式，所以，轉變用電信息采集數據為列式。該公司所處區域數據量較多，用戶中擴區域的情況較少，所以在處理時，可分區域進行間隔相似度計算。將配電自動化采集系統的相關主鍵負荷開關ID 關聯GIS 系統相關主鍵，并將GIS 系統相關主鍵關聯PMS 系統主鍵，以得到負荷開關的區域分布。

2.2 數據計算

數據計算通常運用相關系數進行。為反映變量間的關系，利用相關圖表，反映二者方向，并在此基礎上，結合相關系數，反映變量的關系密切程度。相關系數運用過程中，基于變量和相對應的平均值離差，按照積差計算，通過離差之積，確定變量的關系及關聯程度。在此過程中，主要采用簡單相關系數進行計算，其公式如下：

式中，X、Y為兩個變量，r為變量間的相關度。

r 的絕對值為0～1。一般情況下，r 越靠近1，兩個變量的關聯性越密切，反之則關聯性越差。當r 的絕對值為0～0.19 時，證明變量關聯性極低；當r 的絕對值為0.2～0.39 時，證明變量關聯性較低；當r 的絕對值為0.4～0.69 時，證明變量關聯性中等；當r 的絕對值為0.7～0.89 時，證明變量關聯性較高；當r 的絕對值為0.9～1 時，證明變量關聯性極高。

通過簡單相關系數，比較分析用電信息采集和配電自動化相關數據信息的相似度和關聯性。利用簡單相關系數，計算用電信息采集臺區供電關口表的相關信息與配電自動化供電間隔出線相關信息的關聯性及相似度。總曲線相似度為電流曲線相似度的40%、電壓曲線相似度的20% 及功率曲線相似度的40% 之和。由于在配電自動化系統當中，3 個主要曲線涉及A 相、B 相、C 相，所以，在分析過程中，先分別比較各相相關數據，再以此為基礎，綜合比較分析。通過計算電壓、電流、功率等相似度情況，利用計算公式，實時更新相似度信息，若其中有不參與計算的，其相似度為0，那么總相似度計算值則忽略不計，以此為基礎，調整系數。通過數據處理，間隔數據和用戶數據被有效篩選和處理，相關數據形式都由行式轉變為列式。基于此，在計算相似度時，若遇到數據采集為0 的部分點，則需要對其進行去除或填充其中空白。平均每天當中，數據空值較少的情況，一般在相似度計算過程中，不將該點的數據信息加入其中。只要配電自動化系統或用電信息采集系統中，某天的任意一個點的數值出現空白，那么該點的數據都不參與到最終的相似度計算當中。若某天內，總點數的20%以上點沒有采集成功，為空白數據，那么當天的全部數據都不能參與到相似度計算當中。每天計算獲得相似度，多天對比后，對數據進行匯總，實現雙向溯源。

2.3 數據分析

在數據分析過程中，涉及大量的電壓、電流、功率等數據信息，直接進行計算，容易使得DWS 內存溢出，計算效率較低。所以，在數據計算時，通過搭建MRS 框架，對電源點進行自動識別。運用MRS框架進行數據計算，能夠對大量數據信息進行存儲和計算，保證計算效率，實現高效查詢。同時，架構中的kafka 能夠對電壓、電流、功率等信息，自動化、實時接入處理。若數據量較小時，業務計算過程可以利用Oracle 數據庫進行，但數據量過大時，數據存儲和查詢受到一定阻礙，就需要轉變計算方式。利用多種數據集成技術，可將各類型數據在DWS 中匯總，包括配電自動化測量數據、營銷業務應用系統檔案數據等，并對相關數據進行定期更新處理。利用實時采集數據，將所采集到的相關監測數據接入到kafka 組件當中，進行數據分析，并有效利用監測數據。在數據計算分析后，將結果存儲到相應關系庫當中，通過定時任務，在數據中臺運行相關組件，利用Spark 組件，對電壓、電流、功率等數據進行讀取，并將相關的計算邏輯進行計算和存儲，實現相關信息的實時有效處理。在DWS數據庫中，存儲電源點識別分析結果，以備電源點識別技術的利用。利用計算架構，進行大數據分布式計算和存儲，能有效提高數據處理的效率，達到實時性處理效果，且其具有更強的伸縮性，容錯率更高。按照數據中臺分布式計算架構，確定算法組件，可有效為電源點識別技術的計算需求提供有利條件，提高數據分析和流轉效率，支持電源點識別技術的順利運行。

2.4 數據呈現

經數據處理、計算和分析后，呈現相關數據。在數據呈現前，先要進行數據驗證工作。利用營銷業務應用系統變壓器中的相關檔案，定位到臺區與用戶的PMS 所對應的設備ID，將其關聯GIS 設備ID，再整體關聯配電自動化系統PMS 設備ID。同時，對系統電壓、電流、功率相似度進行對比分析，利用曲線確定相似度，對比其他網源點相似情況，以此驗證用戶與電源點的關系，也可對變量關系的檢查提供支持。利用相關系數算法，驗證電源點與用戶關系的準確性，找出其中不正確的用戶，對其進行檢驗和調整，完善戶變關系。利用以上計算結果，發現最高相似度用戶，在人工驗證基礎下，檢驗算法是否正確。

在數據驗證通過后， 進行數據呈現。利用SMARTBI（智能與大數據分析技術）配置和發布場景。不同場景功能點發揮不同的功能作用。例如，相似度前5 的用戶信息，主要功能是在輸入配電自動化系統間隔設備代碼或名稱時，顯示各數據相似度綜合前5 的用戶信息；電源點自動識別規則，主要功能是顯示電源點自動識別規則和日期等。由于該電力企業配電自動化系統當中，涉及較大的場景結果，間隔數和用戶數量達到幾千以上，且經過相應處理后出現了更多數據。因此，為方便場景展示，使數據呈現更加便捷清晰，利用建視圖方式，存儲數據信息，并根據場景展示需要，構建多個視圖，對視圖進行定期更新處理。

3 結束語

針對某電力公司電源點和用戶雙向溯源不足的問題，為加強基礎數據管理，提高營配數據檢查管理質量，基于“用電信息采集+ 配電自動化系統數據”，實現電源點識別技術。通過數據質量篩選、行轉列處理、采用簡單相關系數、計算變量相似度、運用MRS 框架進行數據計算等，可有效實現大量數據的處理分析，實現電源點自動識別，促進營配調系統完善。

參考文獻

[1] 孫敖. 智能化用電信息采集系統研究設計[D]. 沈陽：沈陽工業大學，2022.

[2] 黃華. 計及配電自動化系統的高彈性智能配電網擴展規劃方法[J]. 電工技術，2022（9）：1-5.

[3] 于燁，劉思堯，郭安樂. 基于用電信息采集和配電自動化系統數據的電源點自動識別技術研究[J]. 電力大數據，2021（2）：47-54.

[4] 黃飛，李杰，張友強. 基于營配數據融合的智能配用電信息系統架構[J]. 電工技術，2017（3）：34-36.