基于大数据分析的用电异常检测系统设计

(1.国网重庆市电力公司 合川区供电分公司，重庆 401520；2.重庆电力高等专科学校，重庆 400053)

用电信息采集系统是国网公司定期采集电力用户用电信息，进行数据处理和实时监控的信息系统，能够对用电异常进行报警和记录。随着智能电网不断发展，智能电表逐步实现全覆盖，用电信息采集系统的数据量不断增加，用电信息采集异常几率越来越大，加上复杂的系统结构，使大量异常信息被淹没在海量数据之中得不到有效利用[1]。本文利用大数据分析方法，设计了用电异常检测系统，充分利用海量的用电数据，进行深度分析和科学判断，高效快捷地检测出异常数据，显著提高异常判定的准确度。

1 大数据分析在电网企业中的应用

电力大数据在电力生产和电能使用中产生，其数量大、数据类型多、处理速度快、数据准确性高、价值高。电力大数据内含电力行业内部特征、社会经济发展状况，能够反映电力企业经营管理情况和用户用电特征，对于指导企业生产、辅助社会减排和家庭节能都有积极意义[2]。目前，在大数据应用领域，国网公司已经在营销、配电和资产全寿命周期管理等方面应用多数据融合技术实现跨部门、跨系统的数据分析与共享；在电力交易和检修方面应用数据挖掘技术进行分区、分压、分本、分台区等不同范围的线损计算；在用电服务方面应用数据分析进行能效综合评价和电力消费建议，开展用电互动服务等。大数据在电力生产和服务中的应用方兴未艾，随着智能电网建设深入推进，其应用价值必将得到进一步挖掘。

2 用电异常分析模型

用电信息采集系统采集的数据除用于配变电监测、客户负荷管理，以及负荷分析、电力营销的决策辅助外，还是供电企业与电力客户交易结算的唯一依据，其准确性、完整性直接影响电力交易的公平性和供电企业优质服务形象。现实情况下，通信故障、设备故障、电网波动以及人为因素等，都会导致用电信息采集系统出现大量异常数据。这些数据蕴藏着重要的事件信息，对这些异常数据特征进行分析，建立用电异常分析模型，可提高用电异常检测的准确性和效率。按照计量装置异常状态的技术表征和数据特征，可将其分为电压异常、电流异常、功率异常和电量异常等。

2.1 异常数据分析方法

根据电流、电压、功率和电量数据类型，设置相应阈值，对各种类型的曲线数据、日冻结数据、月冻结数据进行筛选，一旦突破阈值，则进行异常处理。由于用电信息采集系统存储了海量的采集数据，存储速度是系统的最大瓶颈，为了不影响数据采集，需要设计合理的技术路线来实现异常数据的筛选和处理。根据工作要求和计算机内存与磁盘的读写速度对比压力测试，选择固定周期、事后分析、前置机内存处理的技术路线。即在保证不影响用电信息采集系统正常运行的前提下，按照一定的策略，固定周期对采集数据进行比对筛选，将标称值、阈值等数据加载到前置机内存中，对接收到的采集数据进行比对，对超过阈值的数据进行过滤和处理，既适应现有的业务要求，又保证数据的处理效率。其分析处理流程如图1所示。

2.1.1 电压异常分析策略

技术特征：当计量装置出现电压采集异常、电压回路异常或误差增大等现象时[3]，表明计量装置电压发生了异常变化，表现出电压长时间处于低水平状态、电压无任何指示、电压突然发生变化、三相电压出现不平衡状态等特征，即欠压、失压、过压、表计死机等现象。

图1 异常数据分析处理流程

分析处理：前置机根据接线方式(单相、三线、四线)和计量方式加载计量装置标准电压，以及上、下限阈值。如三线表高供高计标准相电压57.5 V、四线表高供高计标准相电压100 V等，上限阈值设置为标准值的1.2 倍，下限阈值设置为标准值的0.85倍，连续电压值相等时点数设置为15。若电压值高于上限则为过压，低于下限则为欠压，24时点均为0则为失压，连续15个时点电压电流值相等则为死机(三线表需剔除B相)，对采集数据标记过压、欠压、失压、死机异常。

2.1.2 电流异常分析策略

技术特征：当计量装置出现电流采集异常、电流回路异常或误差增大等现象时，计量装置电流会发生异常变化，表现出电流长时间处于低水平状态、电流无任何指示、电流突然发生变化、三相电流出现不平衡状态等特征，即死机、电流失衡、二次串接的现象。

分析处理：由于电力用户在不同的季节、时段和特定生产周期其用电特性不相同，简单地通过阈值判断异常存在大量误报的情况。在分析大量用户负荷情况、用电规律的基础上，分类细化上限阈值。前置机根据接线方式加载计量装置电流上限阈值并作异常判定，如三线表CT>1&&Imax<2 A等低电流不予关注。关于电流失衡判定，三线表和CT>1的四线表，其相电流20 A以下，失衡判定上限阈值取2 A；20 A以上，失衡判定上限阈值取最大电流值的10%。CT=1的四线表，其相电流200 A以下，失衡判定上限阈值取20 A；200 A以上，失衡判定上限阈值取最大电流的10%，连续3天均出现此情况，则为电流失衡。四线表若任意两相电流绝对值相等，则为二次串接；连续15个时点，电压电流值相等，则为死机。对采集数据标记电流失衡、二次串接、死机异常。

2.1.3 功率异常分析策略

技术特征：通常情况下计量装置所计有功功率均应为正，但当三线表低功率因数或无功倒送时，可能为负。四线表在感性负载时可能出现短时为负，CT极性反接、错相接线等也会导致计量装置电流电压异常或计量误差等情况出现，对计量装置的功率因素产生影响，从而导致总功率与各相功率之间产生计量偏差。

分析处理：前置机根据接线方式加载有功功率为负的上限阈值并作异常判定。如计量装置连续3天出现P总=-PA+PB+PC，A相有功功率全为负或负值较大，存在计量装置电流回路A相反极性；计量装置连续3天出现P总≠PA+PB+PC，如果AB相电流为同一回路，则存在AB相CT二次端子互调造成AB相串联。对采集数据标记电流回路反极性、CT二次串接等。

2.1.4 电量异常分析策略

技术特征：当计量装置出现故障，受系统干扰或因窃电行为等因素影响时，计量装置累积电量会出现多计量或少计量等异常现象，如总分时表码不等、表码数据跳变、主备表日误差超阈值等。

分析处理：根据电量值与合同容量、用电时间的关联关系，前置机加载用户合同容量和阈值，以容量和周期时间作为电量基准值，阈值一般设为2倍，超过阈值即判定为电量异常。针对电量曲线数据，基准电量=容量×分钟数/60，超过阈值则为异常，其电量取前7天平均值进行调整；针对日冻结数据，基准电量=容量×24，超过阈值则为异常，按曲线拟合算法进行拟合得出调整数据；针对月冻结数据，基准电量=容量×24×当月天数，超过阈值则为异常，按曲线拟合算法进行拟合得出调整数据。对采集数据标记电量异常。

2.2 异常检测修正

对于用电信息采集系统，负荷数据中总存在正常的随机变化。因此，异常数据判断方法都会存在一定的误差，可以通过提高或降低判断标准和阈值，来放松或收紧对异常数据的判定。其判定的异常数据多几个或少几个，不影响该分析模型的估算要求。

在电力系统实际运行中，针对异常数据本身的修正却是工作的重点和难点，只能依靠挖掘用户历史负荷特征曲线，采用短期负荷预测进行数据修正，提高人工分析和修正的效率和可靠性。

3 用电异常检测系统业务流程

本系统以用电信息采集系统数据为基础，自动进行曲线比较、大数据分析，判断用电异常数据，并按照数据传输、数据分析、判定审核、异常发布、异常查验、异常确认、数据备份的业务流程进行工单处理。系统用户可以灵活定义工作角色，添加用户，管理角色、用户和业务之间的关系，实现业务流程在本单位不同层次、不同部门、不同班组之间的协同，使该信息系统能够适应业务变化，减少系统维护和升级的成本。用电异常检测系统业务流程如图2所示。

图2 用电异常检测系统业务流程

由系统用户根据用电检测设置用电异常检测周期、数据备份周期和检测数据日期，定期将专变用户历史数据以及终端和计量装置的各种事件传输至中间库，确保历史数据与异常事件同步。

4 系统设计方案

目前国网公司下属各供电企业营销系统已经覆盖各类用户以及客户业务信息，智能电表终端已经实现全覆盖，用电信息采集系统能够采集所有计量装置的实时数据。其提供的海量数据是本系统的数据基础，并基于多用户、分布式网络架构设计系统结构和各子系统。用电异常检测系统架构设计如图3所示。

图3 用电异常检测系统架构设计

5 结束语

本文提出一种利用大数据分析方法，分析检测用电信息采集系统异常数据的解决方案，通过设计开发一套与业务管理相衔接的用电异常检测系统，解决供电企业异常监测不足、用户用电行为异常带来的损失等问题；有效弥补用电信息采集系统存在的异常报警数量大、查看和分析异常数据效率低等缺点；指导用电检查人员及时发现、快速处理用电异常行为。该系统适用于各基层供电企业，通过技术手段提高用电监察人员工作效率，减少供电企业经济损失，提高供电企业优质服务水平。

[1] 国家能源局.电能信息采集与管理系统：第1部分 总则：DL/T698.1—2009 [S].北京：中国电力出版社，2009.

[2] 朱广新.大数据在电力系统中的应用研究[J].科技研究,2014(13)：566，568.

[3] 谢晓华.电能计量数据异常分析[EB/OL].(2016-11-10)[2017-08-10]. http://www.chinaqking.com/yc/2016/727949.html.