一种实时在线的用户电量数据修正方法

王华佑，孙云莲，谢文旺，徐冰涵，张众发， 王庆斌

(1. 武汉大学 电气工程学院，武汉 430072；2. 广东电网有限责任公司云浮供电局，广东 云浮 527300)

0 引 言

低压配电网覆盖范围广，是用电信息采集系统最方便经济的信道。但由于低压配电网网络结构复杂、电网污染严重等，造成载波信号衰减严重、信噪比下降大的局面[1]，因此集中器请求智能电表数据时会出现数据丢失、数据错误等情况。因此，需要对采集数据进行修正来提高数据的可靠性和实用性。本文针对的采集数据是实时测量数据中的正向有功电能量，即电量数据，该数据也是用户重点关注的数据。

目前电能数据的研究主要集中在负荷预测及其样本处理，电量数据的修正和负荷预测及其样本处理有相似之处。目前负荷预测常用方法有时间序列法、外推法、神经网络、支持向量机SVM等[2-6]。文献[2]研究了基于时间序列法的预测模型，该模型简易、运算时间短，对变化较平稳的负荷预测效果较好，但突变点的预测精度低。文献[3]通过指数平滑法实现外推算法，模型计算速度快、实用性高，但在节假日和天气变化幅度大的时刻预测精度不足。文献[4]将粒子群算法应用于BP神经网络，同时改善了BP算法收敛速度慢的缺点，但模型建立和计算时间长。文献[5]提出了最小二乘法结合在线分割点的分段线性预测，在不同变化趋势段形成相应的模型，提高了数据拐点处的预测精度，但分割点选取不具普遍性。文献[6]采用EEMD-LSSVM组合模型，通过对数据分解后分部预测后组合，提高数据序列的平稳性和预测精度，但模型复杂，输入参数多且计算时间长。文献[7]将横向比较法和小波阀值去噪法结合对样本数据进行预处理，但小波阀值门限估计存在主观性且处理时间长。文献[8]通过采用组合灰色模型来提高数据利用率，但因按固定权重选择导致个别的数据序列的处理效果不佳。文献[9]进行模糊聚类将负荷曲线按隶属度排序，最终修正点选取最大和次大隶属度或最大隶属度曲线对应序号点按隶属度加权组合，但次大隶属度的可用范围未知。

本文根据当前负荷预测和数据修正的研究，提出一种改进外推法和二次修正结合的方法。首先通过改进外推法对错误数据进行修正，然后通过正确数据对修正结果进行判断并通过最小二乘法进行二次修正，实现对用户的日电量数据进行实时在线修正。通过对武汉某地区居民用户的日电量数据分析表明，该方法提高了数据库中储存数据的质量且计算速度快，为今后的电量预测、实时电价、需求侧管理等提供帮助。

1 改进外推法

1.1 外推法原理

外推法基本过程是利用过去时刻的用电量数据来拟合出一条变化曲线，该曲线的变化趋势符合过去时段的增长趋势，然后根据该曲线推测出需要修正时刻对应的电量。该方法原理简单，且电量数据整体近似线性递增，因此一般情况下的效果修正较好，适合实时性要求较高的数据处理。具体的公式为：

W*(t2)=W(t1)+ΔW1

(1)

ΔW1=W(t1)-W(t0)

(2)

式中W*(t2)表示t2时刻修正的电量数据；W(t0)、W(t1)分别表示t0、t1时刻的电量数据；t2是当前需要修正的时刻；t1、t0分别是的前两个时刻。

用电信息采集系统的采集间隔是15 min，数据采集间隔时间短，因此在电量数据平稳变化的时段内采用外推法得到的修正值较符合实际。但当用户用电行为发生改变从而导致电量变化趋势发生突变时，该方法会出现较大的误差。

1.2 改进外推法原理

外推法仅通过当日过去时刻的电量数据对需要修正的电量数据进行修正，即仅考虑数据的横向变化，因此在用电行为变化大的时段修正的结果会有较大误差。因此，对电量数据进行修正时还需要考虑数据的纵向变化。用户用电行为的影响因素包括星期类型、节假日、温度、天气、季节等，影响因素接近的日期称为相似日[10]。

本文所用方法通过选取5个最接近当前日期的特征量的相似日(不足5个则按最多天数)，得到当前需要修正数据的纵向变化，同时结合数据的横纵向变化，并引入权重因子()，得出修正的电量数据。最终修正公式为：

ΔW=αΔW1+(1-α)ΔW2

(3)

(4)

式中ΔW1与式(2)的ΔW1相同，即数据点的横向变化值；ΔW2表示数据点的纵向变化值；Wi(t)表示第i个相似日的t时刻的电量数据。

需要注意，数据采集过程会出现连续多点采集出错的情况，此时无法得知电量数据的实际横向变化值ΔW1。该情况下，将前一错误点的修正值作为其真实值代入式(2)，得到参考横向变化值ΔW1，以此类推。

1.3 权重因子的α确定

权重因子α的大小影响修正精度。本文方法针对不同的修正时刻取不同的权重因子α，避免采用单一权重因子α导致不同时刻的修正精度差异大。

(5)

令式(5)取得最小值得αo。当某相似日的αo存在两个取值时，计算其余相似日的αo并取其均值，某相似日的αo则取接近均值的对应值。

2 二次修正

2.1 二次修正原则

电量数据具有递增性的特点，经过改进外推法修正的电量数据可确保该特点，但该方法存在修正错误的可能性，如图1所示。图1中，tb时刻是需要进行电量数据修正的时刻，Wb是改进外推法的修正值，但Wb比后一时刻tc对应的实际电量值Wc大，不符合电量数据递增性的特点，Wb实际应介于Wa和Wc之间。因此，为提高电量数据的质量需要二次修正。

图1 电量数据修正错误

文中的二次修正通过改进外推法修正时刻后续时刻的实际电量数据与修正电量数据比较，确定是否需要二次修正后进行二次修正。每采集到正确数据都进行二次修正原则的判断，符合则进行二次修正。二次修正原则为：

(6)

2.2 最小二乘法修正

最小二乘法是一种常用于曲线拟合的数学优化技术，通过最小化误差的平方和寻找数据的最佳函数匹配。文中二次修正采用最小二乘法对电量数据进行线性拟合，将二次修正值替代改进外推法的错误修正值，保证二次修正的实时性和可靠性。

(7)

(8)

式中拟合参数a、b可通过最小二乘法求解。令式(7)取得最小值，即：

(9)

最终得到拟合参数如下：

(10)

3 修正过程

3.1 特殊点处理

日电量数据存在特殊点，特殊点无法直接应用改进外推法修正或进行二次修正。日电量数据序列的第一个数据点无法应用改进外推法和进行二次修正，第二个数据点无法得到改进外推法的横向变化值ΔW1，最后的数据点是错误数据则最后的正确数据点后的错误数据点无法进行二次修正。因此特殊点需要进行处理后才可进行电量数据的修正。

日电量数据的特点之一是从当日零点至当日的二十四点持续增大，且数值从零开始到当日最大值。据此，日电量数据序列的第一个数据点处理方法为：该数据点默认为0 kW·h。第二个数据点的采集时刻处于当日凌晨时段，该数据点无法得到数据的横向变化ΔW1且用户在凌晨时段用电行为基本相似，因此第二个数据点在应用改进外推法修正时仅考虑电量数据的纵向变化ΔW2，即式(3)中权重因子α=0。错误数据点进行二次修正的前提是采集到正确数据。若当日最后的电量数据是错误数据，则该数据与前一个正确数据之间的错误数据无法进行二次修正。文中利用智能电表的日冻结功能实现最后数据点的修正。智能电表具有电量日冻结的功能，每日凌晨零点进行电量冻结并上传至集中器。因此，每日凌晨可得前一日的日总电量为：

Wi,max=Wi+1,d-Wi,d

(11)

式中Wi,max表示第i日的总电量，Wi+1,d表示第i+1日的冻结量，Wi,d表示第i日的冻结量。

当日最后采集的电量数据即当日总电量，则最后时刻采集到的错误数据的修正值为日总电量，从而上述情况的错误数据可进行二次修正。

3.2 修正流程图

文中的修正方法建立于以15 min为采集间隔的用电信息采集试点系统，针对电量数据。利用该修正方法对采集到的电量数据进行实时在线修正并储存于数据库。该系统数据库用于储存电量数据的表有一字段作为电量数据的标识位：标识位“0”对应经过改进外推法修正的电量数据或未经任何处理的电量数据，标识位“1”对应正确的电量数据，标识位“2”对应进行二次修正后的电量数据，通过设定标识位方便进行数据处理。

修正方法流程如图2和图3所示，分为当日和前一日的电量数据处理两部分。修正流程结合改进外推法和二次修正对错误电量数据修正，包括特殊点处理。

图2 当日电量数据修正流程

图3 前一日最后电量数据修正流程

4 实例分析

选取武汉某居民用户2017年6月28日的日电量数据进行分析，数据采集间隔15 min，共96点，其中共19个错误点。

为验证所提出方法的修正准确性，应用外推法、改进外推法和二次修正对选取日电量数据中的正确数据点进行逐点修正并分析误差，结果见表1。采用平均百分误差(MAPE)和最大百分误差(MAXE)作为评价指标。其中，二次修正表示应用改进外推法且二次修正的结果。

表1 三种修正方法结果比较

由表1可知，外推法的平均百分误差和最大百分误差较大，修正的准确性较低，本文提出的改进外推法的平均百分误差和最大百分误差有效降低。二次修正不仅使电量数据符合其递增性的特点，在一定程度上也提高了修正的准确性。

应用外推法、改进外推法和二次修正对错误电量数据进行处理分析，实现本文所提出方法在系统中的功能。图4～图6为相应的处理结果。

图4 外推法修正结果

图5 改进外推法修正结果

图6 改进外推法结合二次修正结果

从图4可知，外推法由于仅考虑电量数据的横向变化导致少数修正结果不符合电量数据递增性的特点。从图5可知，改进外推法的修正结果基本符合电量数据的变化情况，但仍有满足二次修正原则的数据点，共4个，对应时间序号是36、41、85和86。从图6可知，上述数据点经过二次修正后使得电量数据符合电量数据递增性的特点，提高了系统数据库储存的电量数据的质量。另外，三种方法处理单个数据点的运行时间分别是0.02 ms、0.37 ms、0.85 ms，即满足二次修正原则的数据点总运行时间是1.22 ms。可见，本文提出的修正方法运行时间小，可应用于用电信息采集系统中实现多个用户电量数据的实时在线修正。

5 结束语

通过选取当前日期的相似日，引入电量数据的纵向变化，同时结合电量数据的横向变化，选取最优权重因子，对错误电量数据进行实时修正，提高了修正的准确性。同时，参考正确数据对修正结果进行判断并进行二次修正。经研究结果表明，该方法提高了电量数据发生突变时的修正准确性，同时避免了修正后数据不符合电量数据递增性的特点的情况。实现了电量数据的实时在线修正，保证了系统数据库储存电量数据的准确性和质量，为用电信息采集系统的完善提出一种有效方法。