电力用户用电信息采集系统不良数据分析研究

孟娜

【摘 要】用电信息采集系统不良数据的处理对降低电力供应成本，延长电网及相关设备的使用寿命具有一定的作用。本文在对电力用户用电信息采集系统不良数据分析的必要性进行论述的基础上，探讨了导致不良数据的主要原因及不良数据的主要类型。最后，给出了用电信息采集系统不良业务数据的处理流程，形成了不良数据的处理方法，对电力信息采集系统的运营起到一定的参考作用。

【关键词】用电信息；信息采集；不良数据

一、分析电力用户用电信息采集系统不良数据的必要性

用电信息的采集系统建设工作是一项复杂而系统的工程，其涉及到通信体系的建设、信息采集终端的架构、采集系统主站的建设等几个方面。整个采集系统建设工作涉及到复杂的用户类型，而且用户数量众多，同时还需要解决信道不稳定、算法不统一以及公共网络信道故障等问题。在这个过程中，将使得不良数据出现，例如线路的功率异常、电量异常、电压数据异常等现象。采集系统获得的数据中不良数据比例虽然很低，但是其存在直接影响到信息的准确性以及客观性，可能造成计费错误以及用电习惯分析不准确等问题，从而造成不良的社会影响。因此，如何处理好其中的数据畸变问题是当前用电信息采集系统优化及完善的一个重要内容。

二、导致不良数据的主要原因及主要类型

1.导致不良数据出现的主要原因

（1）数据采集、存储过程中的不良数据

电力数据的采集终端主要用于配网的使用，但是配网运行过程中存在诸多的问题，而且用电电压的稳定性不足，造成信息通道噪声较大。所以，在设备的应用过程中就会在数据的采集、传输环节中出现数据遗漏、数据误差等现象。同时，所应用的数据处理芯片中可能存在BUG，从而导致电力数据超出边界，或者电力数据读数偏大等现象。

（2）电力系统故障导致的数据错误

当线路中由于部分故障而导致电流出现不正常时，例如出现了接地问题、连电问题等时，将会导致供电网络的功率数据、用电数据出现故障。

2.不良数据的主要类型

从不良数据的类型来看，其类型主要可以分为：①载荷数据：主要以曲线数据、定期冻结数据、最大电力需求量为主；②电流数据：包括曲线数据、日/月冻结数据；②电量数据：以电量曲线数据、日/月冻结数据为主；②电压数据：包括三项不平衡数据、电压曲线数据以及日/月冻结数据。

三、电力用户用电信息采集系统不良数据处理方法

1.电力用户用电信息采集系统不良数据处理流程

2.业务数据的处理与阈值设定

（1）功率数据的处理。如上文所述，不良功率数据主要以功率曲线数据、日/月冻结功率以及最大需求量为主，其与容量存在较大的联系，通常将容量作为对功率异常进行判断的基本标准。

在对阈值设定过程中，通常将之取为容量的3-5倍。当阈值超出时，前置机将通过使用算法拟合的方式得到公路数据，并将之存储到响应的存储表中。同时，将其中存在的异常点提取出来，显示到对应的待调整数据记录中。

（2）电流数据的处理。按照容量计算方式，用户或者配变安装的变压器组的实际运行容量是表征用户供电能力的重要数据。按照运行容量可以判断该变压器组是否达到了设定的电流上限：

其中，Imax是该变压器组设定的电流上限值；VA为变压器组的运行容量；U是供电电压。

通常，当设定阈值时，若阈值是Imax的2倍以上时，则表明该数据是超限型的数据。

（3）电量数据的处理。电力数据中的电量值与设备的运行容量以及电能的使用时间相关，通常将容量以及供电周期作为电量不良状况的标准。通常，将不良阈值设置为容量值的2倍，超过2倍时即表示出现异常。而曲线数据则按照曲线间隔进行计算：

标准电量=容量×时间（分钟）/60

当超出阈值时，则该点数据取为曲线前5天数据的平均值，并将异常点记录到待调整数据记录中。

日冻结标准电量=容量×24，当超出阈值时，则采用通用算示进行数据拟合，并将异常点记录到待调整数据记录中。

月冻结标准电量=容量×24×当月天数

当超出阈值时，则采用通用算示进行数据拟合，并将异常点记录到待调整数据记录中。

（4）电压数据的处理。电压阀值的设置分为上限、下限，其中上限值取标准值的1.35倍，下限值则取为标准值的0.7倍。当高出上限值或者低于下限值时，则按照该采集终端前5天的平均电压值选择，并将之写入到对应的表格中，并将异常点记录到待调整数据记录中。

3.不良数据的修正与干预

对不良数据点进行修正是用电信息采集系统的工作要点和难点。合理准确的修正工作难度要远远高于对数据的辨识难度。而传统的负荷预测系统不能对这些数据进行有效修正，而只能依靠人工预测的方式来予以解决。通过使用短期负荷预测方案的方式则能够替代人工修正的方式，从而减少人工预测的工作量，且提高人工修正过程中的主管影响，能够提高数据的修正精度。

从已经运行的数据采集系统分析来看，实际的电力系统运行过程中不良数据的产生概率为5%以下。当每天采集100个数据点时，不良数据点数不超过5个。通过采用短期负荷预测的方式能够以其中的95个数据为优化目标，对整个数据点的负荷进行预测。从具体的应用效果来看，处理精度和预测准度达到95.6%以上，达到了采集系统的实用化需要。

四、结语

文章详细的论述了电力信息采集系统不良数据的产生原因以及不良数据的分类，同时提出了数据的处理流程。从实际的应用情况来看，提出的处理流程和方法能够应用与采集系统的前置部分以及主站的业务系统中。