基于智能用电大数据分析的台区线损管理初探

蔡晓燕

摘 要：随着科技的进步和时代的发展，用户的用电需求越来越高，电力系统不断引进新的技术手段，改善自身的运行状况，以满足用户用电需求。电力系统的用户用电信息采集系统与业务双向互动平台共同组成电网与客户信息流、业务流的智能用电大数据。此项技术的应用可以实现对电网数据的深入挖掘和实时分析，从而找到台区线损的产生原因，对台区线损的异常状况进行智能诊断，推动台区线损管理由结果管理转向过程管理。文章将对基于智能用电大数据分析的台区线损管理进行探究。

关键词：智能用电大数据；分析；台区线损；管理

前言

随着信息技术的快速发展，大数据、云计算等高新技术在各行各业的应用使各行各业的业务运营管理效率得到再次提升。电力是现代化生产生活不可缺少的重要能源，必须不断提高电力供应系统的运行质量，对其进行有效管理，以保证电力的持续、稳定供应。智能用电大数据在台区线损管理中的应用通过对海量用户用电信息的分析，深入挖掘信息价值，准确找到线损因素，从而提升供电运行效率和管理效率，为企业降低经营成本，使电力企业获得更好发展。

1 基于智能用电大数据的台区线损异常分析

供电台区是指由一台配电变压器和一条配电线路、或由多台配电变压器和多条配电线路组成的集合。在电力供应系统中，低压配电网处于整个电网的末端，与用电用户直接相连，由于用户种类多、用电需求复杂，供电区域也较为复杂，特别是城区配网的问题更加突出。所以供电企业采取台区的方式对电力用户进行划分和管理，台区经济运行指标主要包括供电量、售电量和线损率等。其中，台区线损是低压线损管理的重要组成部分，对配网规划、营销用电、计量管理等方面都有密切关系，但由于低压配网的复杂情况，线损管理情况一直不容乐观，存在着较高的管理线损[1]。

在大数据技术的支持下，许多地区的用户用电信息采集系统已经完成了低压电力用户的覆盖。系统的主要功能包括考核单元信息，统计台区与用户的对应关系、统计每日供售电情况、计算和统计每日台区损失率和指标完成情况等。目前使用的低压线损计算方法主要包括平均电流负荷曲线特征系数法、降压法、等效功率法等。用电信息采集系统的应用解决了考核表与计量表不能同期抄表的问题，但台区用户采集覆盖情况、台区户变关系等也会对线损计算产生影响。传统分析手段难以保证线损计算的準确性，而且工作效率低。在智能用电大数据的支持下，可以利用数据分析和数据挖掘技术对低压线损异常的产生原因进行深入分析，为线损计算提供可靠的参数，从而为台区线损管理工作的开展提供依据，提高其管理水平和工作效率[2]。

2 基于智能用电大数据的台区线损异常诊断模型

2.1 可计算分析诊断模型

随着用电用户信息采集的覆盖面不断扩大，采集到信息数据量也不断提升，传统的数据分析手段无法解决当下电力系统的分析诊断问题。而且需要处理信息数据呈现出多样属性，需要对线损计算数据进行预处理，从而进行更加有效的分析和诊断。为提高线损计算的准确性，首先要制定参与线损计算的条件规则，将信息数据划分为可计算数据和不可计算数据两类。需要使用到基于规则的分类器，采取“if…then…”的规则对记录数据进行分类处理。因此，应根据线损计算特征生成规则模型，使其能够通过一组分类规则进行表示。台区线损的具体计算属性包括公用配变、运行台区、考核电能表、用户电能表、综合倍率、采集安装率等。同时满足这些计算属性的台区属于可计算台区，否则属于不可计算台区。其中采集安装率的计算公式为：采集安装率=已采表/应采表×100%[3]。

2.2 合理性分析诊断模型

通过可计算分析模型确定台区线损是否满足可计算条件后，还要通过决策树进行归纳分析，从而保证分析计算结果的合理性。建立合理性分析诊断模型，对台区线损计算的合理性进一步分析，利用决策树对记录属性和分类问题进行检验，一个问题得到答案后下一个问题随之产生，决策树就是由这种问题回答过程组成，其主要结构包括根节点、内部节点和叶节点。决策树模型的构建主要以台区线损的合理性分析属性集作为依据，主要节点的创建则采用递归算法。初始决策树只包含一个类标号为“合理性=是”的节点，表示台区线损率合理。然后对决策树进行细化，一个根节点包含两类记录，根据条件将其划分为更小的子集，并对每个子节点进行递归。具体的决策树模型如图1所示。通过决策树的构建，可以实现对线损异常原因的分类分析。如果再次基础上增加用户数量等子节点，还能帮助管理人员深入分析台区线损的其他影响因素[4]。

2.3 户变关系分析模型

台区线损分析的正确性受台区户变关系准确性的直接影响，对停电事件采取终端主动上报和智能表的自动记录、主站自动采集相结合的方式，利用简单属性之间的相似度与相异度构建台区户变关系模型。一般用单个属性邻近度的组合来定义对象之间的邻近度。对象的相异性信息包含在属性中，以此判断两个对象件的相异性。如果用户表与总表的停电时刻差值在1分钟以内，则相似度定义为1，否则定义为0。相异度的定义方法则相反，如果属性值匹配，定义为0，否则定义为1。通过对营销档案中台区用户的电表与总电表的差值，判断用户是否属于本台区[5]。

3 结束语

总而言之，基于智能用电大数据的台区线损管理，其工作效率和管理水平都将得到有效提升，从而为供电系统的正常运行提供保证，降低企业经营成本，为企业争取更好的经济效益。本文主要对基于智能用电大数据的台区线损分析和诊断方法进行分析，包括可计算分析诊断模型、合理性分析诊断模型和户变关系分析模型等，希望能为智能大数据分析在台区线损管理中中的应用提供参考。

参考文献

[1]李新家，孔月萍，邹云峰，等.配电台区在线线损分级管理和智能异常分析设计[J].电力需求侧管理，2016（02）：46-48+53.

[2]郭威.基于用电信息采集系统的线损异常数据挖掘研究及应用

[D].华北电力大学，2016.

[3]周伟.用电信息采集系统应用于线损管理的分析与实施[D].山东大学，2015.

[4]程刚.智能台区在线监控系统的设计与实现[D].电子科技大学，2015.

[5]张敏.基于用电信息采集系统的台区线损管理研究[D].华北电力大学，2012.