用电信息系统运行数据的统计与分析

吴 亮， 张 潮， 陈 琼

（国网浙江省电力公司温州供电公司，浙江 温州 325000）

电力信息化

用电信息系统运行数据的统计与分析

吴 亮， 张 潮， 陈 琼

（国网浙江省电力公司温州供电公司，浙江 温州 325000）

随着用电信息采集系统建设逐渐步入深化应用阶段，各类高级应用对采集系统成功率提出更高的要求。以往各省网公司的采集建设规模、运维模式、资源配置都不尽相同，导致运维能力有较大的差异。在大数据的基础上，通过数据分析与挖掘技术，以用电信息采集系统、营销业务应用系统相关数据为支撑，抽取和分析采集运维工单数据，构建涵盖时间、空间、业务类型等多维度、多视角的数据处理模型，实现采集异常智能化甄别、异常工单智能派发以及采集运维质量量化分析，达到采集系统高效运维的目的。

用电信息；数据分析与挖掘；数据处理；高效运维

0 引言

用电采集系统（以下简称采集系统）承担着用电信息自动采集、高效共享和实时监控的重要任务，是智能用电服务体系的重要基础和用户用电信息的重要来源。近年来，随着采集系统的大规模建设，采集系统的运维服务工作将是建设后期的重点。然而随着智能化电网建设进程的加快，采集系统要求实现“全覆盖、全采集”，采集系统需要提升自动分析数据的能力。因此，展开采集系统高效运维大数据分析显得更有意义。

随着大数据时代的到来，供电企业积累了大量用户数据，从供电企业内部数据出发，通过数据挖掘技术，抽取和分析采集运维工单数据，构建数学模型，实现采集异常智能化甄别、异常工单智能派发以及采集运维质量量化分析，为采集系统高效运维提供数据支持。

1 主要方法简介

通过相关性分析、聚类、回归拟合等方法，选取1 417 869条数据、42 536 070个数据项进行分析，分别构建月平均用电量分析模型、异常持续时间分析模型、距离下一抄表日天数分析模型、故障处理时间紧急度值分析、终端下挂接电能表数量紧急度值分析。

综合考虑离下一抄表日天数、异常持续时间、月平均用电量、终端下挂接的电能表数量、异常处理时间等因素，确定各因素的关系和权重，建立采集异常紧急程度分析模型，输出采集运维紧急度值。

2 采集异常紧急程度分析模型

2.1 采集异常处理紧急程度

采集异常处理紧急程度定义为：采集异常处理成功后对采集成功率、远程抄表核算比率、台区线损正确可算率等业务指标的提升效果。

2.2 月平均用电量分析模型

2.2.1 月平均用电量取值

用户月平均用电量取值如下：

（1）按一定区间划分用户月用电量。

（2）统计出各类用户的月平均用电量，然后依据用户最多类型的用电户平均电量作为标准用电户月用电量。

2.2.2 建模过程

（1）数据搜集

将某省242 402个台区根据容量分布进行分类，并统计某年度台区公用变压器（简称公变）月电量及相应容量公变下居民、非居民（单相、三相）电量情况。

（2）数据核查

经统计，以250 kVA及以下居民用户为基准，其电量约为100 kWh左右，315 kVA及以上单相用户是其2倍左右，250 kVA及以下非居民三相表是其3倍左右，315 kVA及以上非居民三相表是其10倍左右。公变下单户居民、非居民电量缺失引起的线损波动率情况如图1所示。

图1 线损波动率情况

由图1可知，当一个单相用户电量缺失时，将引起台区线损波动在0.6%～0.7%，当一个非居三相用户电量缺失时，将引起台区线损波动在3.5%左右。

（3）标准户分类

以居民用户和非居民单相表用户月用电量为标准户电量分界点：小于等于200 kWh为1户标准户，大于200 kWh且小于等于1 000 kWh为2户标准户，大于1 000 kWh为3户标准户。

2.3 异常持续时间分析模型

2.3.1 取值

认定每个电表的异常每持续一天就会造成一天电量监控损失，其电量监控损失按照累加方式进行计算。

2.3.2 建模过程

（1）数据搜集

对10 000户居民和10 000户非居民用户的日用电量进行分析。

（2）数据核查

计算每日10 000户居民和10 000户非居民用户的用电量标准偏差，并从小到大排列。确定其电量标准偏差值小于17的居民用户数占总数的92%，非居民用户数占总数的88.75%。

认定90%左右的用户日均电量波动小，故模型以一个月之内的日平均电量作为故障天数造成的单日损失监控电量。为了能够更准确地预估指定用户当前月的用电量，参考该用户上一年同月份用电量、上一个月用电量和前3日用电量，它们之间的比例是5∶2∶3，计算方法为：

2.3.3 建立模型

异常持续时间的紧急度值公式为：

式中：m为故障日期距离抄表日的天数；r（x）为标准户数。

2.4 距离下一抄表日天数分析模型

2.4.1 取值

采用断面统计方式，统计持续N天无抄表数据的电能表数分布情况。

2.4.2 建模过程

（1）数据搜集

图2所示为持续N天无抄电能表数据的电能表数分布统计，从图2可以看出持续2～8天的故障电表用户占总故障用户数的59.06%，将近60%；持续9～21天无抄电能表数据的用户占总故障用户数的30.72%，将近30%；持续22天及以上占比10.22%，将近10%。

图2 电能表数据的电能表数分布统计

式中：n为故障持续天数；r（xi）为标准户数。

2.5 故障处理时间紧急度值分析模型

（2）数据核对

抄表例日的抄表数据最为重要，该日数据缺失将直接导致抄表成本提高。

距离下一抄表日越近，异常处理紧急度越高。从分析数据看出，将近60%的采集异常在8天时间内都会被处理，所以选择8天作为阈值，距离天数超过阀值的该因数影响为0，距离天数在阀值内越小则处理紧急度值越大。

2.4.3 建立模型

紧急程度为s（xi）建立以下数学模型：

2.5.1 取值

以24 907 294户低压用户全月抄表数据为分析样本，即1个月内至少出现3次及以上101…，1 001…，10 001…，100 001…组合（其中1代表抄表成功，0代表抄表失败）情况的用户按照集中器类型、地域进行统计。

2.5.2 建模过程

（1）数据搜集

Ⅰ型集中器出现间歇性故障的表计采集故障率平均值为5.49%，表征组内个体间离散程度的标准偏差值为0.010 7。

Ⅱ型集中器出现间歇性故障的表计采集故障率平均值为2.73%，表征组内个体间的离散程度的标准偏差值为0.007 1。

（2）数据核对

Ⅰ型集中器出现间歇性故障的表计采集故障率明显高于Ⅱ型集中器，主要是低压台区线路分支多、延伸地域广、现场用电环境复杂等原因导致低压电力线载波通信不稳定。而Ⅱ型集中器下行通信主要是RS485双绞线通信，因此更为稳定，但对于同一类型集中器，间歇性故障发生比率较为稳定。

针对1个月内出现4次、5次、6次及7次间歇性故障的Ⅰ型、Ⅱ型集中器下的用户清单按电能表厂家进行统计，进一步计算电能表厂家发生故障比率，Ⅰ型基本约为0.227%，Ⅱ型基本约为0.061%。

对Ⅰ型、Ⅱ型集中器下的用户终端厂家进行统计，计算终端厂家的发生故障比率，Ⅰ型基本在0.247%左右、Ⅱ型基本在0.055%左右。

经统计，无论是Ⅰ型集中器还是Ⅱ型集中器，1个月出现3次及以上的间歇性故障主要集中在101这种类型上，3天内自动恢复的间歇性故障占间歇性故障总数量的90%以上。

2.5.3 建模结果

间歇性故障没有呈现聚集性效应（如表计厂家、终端厂家、终端类型、地区分布等），存在一定的离散特性，且3天内自动恢复的间歇性故障占比90%以上。由于目前在采集异常类型中没有单独生成间歇性故障，故采集运维闭环管理中的故障处理时限并不能表征故障处理的难易程度，因此该因素不作为紧急度值输出的影响因素。

2.6 终端下挂接电能表数量紧急度值分析

2.6.1 取值

对目前采集系统内某月产生的全部采集异常影响的故障数及处理时长进行统计（见图3）。

2.6.2 建模过程

一个故障类型影响的电能表数越大，则处理优先级越高，故障处理效益排序应该为：Ⅰ型集中器下全无数据＞Ⅰ型终端与主站无通信＞Ⅱ型集中器全无数据＞Ⅱ型终端与主站无通信＞采集器下电表全无数据＞N天无抄电能表数据。

图3 故障数及处理时长统计

在运维时，输出效用值需要考虑挂载故障电能表数，而不仅仅是终端下挂接电能表数，否则不能达到运维效用的最大化。

2.6.3 建立模型

系统可通过分析各个处理工单下所有故障电表的紧急度值总和来判断其优先级，总体紧急度值模型如下：

式中：i为归集后的第1…n的电能表。

2.7 数据分析结论

对于单个表计紧急度值，目前主要有“离下一抄表日天数”、“异常持续时间”和“月平均用电量”3个影响因素。总体工单紧急度值是该工单所包含的故障电表紧急度值的累加，即“故障电能表数量”产生影响。但和“故障处理时间”不发生直接关系，故该因素不考虑，将以上几类因素综合考虑得出以下紧急度值模型公式：

3 结语

（1）采集异常处理紧急程度模型的应用：自动计算出总体的紧急度值，并指导异常处理的先后次序，使得日常采集运维工作有的放矢，达到事半功倍的效果。

（2）采集异常处理紧急程度模型的优化：可纳入更多更为精确的变量，如：预估指定用户的月用电量，增加考虑农历公历、历年温度湿度影响、本用户年度同比增长用电量等的影响因数等，提升模型的预测能力。

（3）采集系统高效运维模型的展望：在进一步完善采集异常处理紧急程度模型的基础上，开发采集异常工单时限处理分析、采集异常工单智能派发、采集异常现场最优处理、采集运维标签库构建、采集运维多维度质量评价分析以及采集运维资源配置决策支持等模块，以进一步提升采集高效运维的能力。

[1]张迎.智能用电信息采集管理系统优化研究[D].北京：华北电力大学，2013.

[2]宇文肖娣.电力用户用电信息采集系统的研究与应用[D].北京：华北电力大学，2011.

[3]孟静.智能电网建设时期用电信息采集系统的研究[D].北京：华北电力大学，2014.

[4]杜洁.电力营销用电信息采集及应用[D].北京：华北电力大学，2014.

[5]杨宁.浙江电力用电信息采集系统的技术研究与深化应用[D].北京：华北电力大学，2015.

[6]王铀.电力用户用电信息采集系统的设计与实现[D].成都：电子科技大学，2015.

[7]董飞.用电信息采集一体化建设研究[D].大连：大连海事大学，2011.

[8]李珏，马晓东，张果谋，等.大数据分析在用电采集数据分析与智能监测系统的设计与实现[J].电气应用，2015，34（S1）∶558-561.

[9]潘阳.用电信息采集系统在智能电网发展中的运用[J].科技与企业，2015（19）∶50.

[10]卢玲.智能电网下的用电信息采集[J].硅谷，2011（13）∶195.

[11]张进，黄欣，邴志鹏，等.智能电网建设中的用电信息采集系统[J].信息通信，2012（1）∶284-285.

[12]门亮，贾聚光，马斌.智能用电信息采集系统的建设[J].农村电气化，2013（2）∶9-10.

[13]曹林.智能用电信息采集管理系统的优化探讨[J].中国高新技术企业，2016（6）∶31-32.

[14]许鹏，孙毅，石坤，等.用电信息采集系统与业务应用平台接口设计[J].中国电力，2016，49（1）∶136-140.

[15]刘红卫，周洁.浅谈智能用电信息采集系统及应用[J].科技创新与应用，2014（30）∶153.

[16]韩霄汉，黄金娟，孙钢，等.基于采集大数据的拆表止度自动复核模式探索[J].浙江电力，2016，35（9）∶39-42.

[17]王栋，邵常宁，费建平，等.基于大客户和地方电厂数据管理预测平台的负荷还原预测方法研究[J].浙江电力，2015，34（12）∶11-15.

（本文编辑：徐 晗）

Operation Data Collection and Analysis of Electric Power Information Acquisition System

WU Liang，ZHANG Chao，CHEN Qiong

（State Grid Wenzhou Power Supply Company，Wenzhou Zhejiang 325000，China）

∶With the construction ofelectric power information acquisition system comes to deepened application stage，higher requirement on collection success rate from various advanced applications is put forward.In the past，scale of the collection and construction，operation and maintenance mode as well as resource allocation vary in different provincial electric power companies，resulting in great difference in operational and maintenance capacity.On the basis of big data and through data analysis and mining technology，the collected work order data of operation and maintenance is extracted and analyzed to establish a multi-dimensional and multiview data processing model covering time，space，service types in support of data from electric power information acquisition system and marketing business application system to enable intelligent screening of collection abnormity，intelligent distribution of abnormal work order and quantitative analysis of the collected operation and maintenance quality，for the purpose of efficient maintenance and operation of the collection system.

∶electric power information；data analysis and mining；data processing；efficient operation and maintenance

.201704014

1007-1881（2017）04-0056-04

：TM732

：B

2016-07-28

吴 亮（1972），女，工程师，主要从事用电信息采集工作。