基于农用电特征分析的制茶用户精准识别研究

国网安徽省电力有限公司互联网办公室（信通公司） 陶 军 张 勇 唐 波 邵 杰 朱笔挥

1 引言

我国在农村通过电力网络向用户输送和分配电能，农用电网主要由110kV及以下输电、配电线路和变电所构成，农村用电电源主要来自大电力系统，也有来自各种类型的中小型发电厂和发电机组。当前农用电具有用电季节性强、小型用电设备多、自然功率因数低、装置容量利用小时数小、供电成本高等特点。

2020年，黄山市茶叶产量4.8万吨，较2019年增长了7.2%。制茶产业作为黄山地区乡村振兴、农民致富的特色支柱，总体上来说，在地区上有一定的集中分布性，在当地农用电高峰时间段体现的非常明显。同时由于市场竞争的加剧，农用电茶企设备迭代更新速度的明显加快，在以往制茶季农用电高峰期间，经常会出现阶段性茶企低压情况，对当地农用电供电运行保障质量提升带来了极大的挑战。

2 以制茶用户为例的研究思路

以制茶用户为例，包括制茶企业、制茶作坊及制茶农户，用户分布特点与茶叶产地的分布有明显的相关性，即相关的企业或用户都会选择在茶叶产地附近进行生产相关活动，有明显的聚集性。因此可以从产地聚集性，确定制茶用户的范围，并通过变压器信息台账信息，进一步确定用户的范围；茶叶采摘有明显的季节性，相关茶叶生产也有明显的季节性，其用电规律与其他企业有较大的差异，可通过用户的用电规律识别制茶用户，具体分析步骤如下：

根据制茶用户产地、所属台区，圈定待测用户所属台区。

通过线上采集、线下收集等多种方式，从营销、采集等相关业务系统或其他渠道收集用户基础档案信息、用户所属台区信息、用电统计信息等数据，并根据数据之间的关联关系进行数据的整合和处理。

针对标记的制茶用户，从业务和数据合理性多个角度对数据进行观测和清洗，剔除异常用户及数据，结合已有数据，从多维度构建改造用户离散特征体系，通过改造前后差异性对比，筛选显著特征。

对标记的用户进行聚类。同时计算待测用户与标记制茶用户的相似度，使用机器学习算法识别疑似制茶用户。

3 制茶用户识别研究

3.1 数据收集

已知制茶样本用户中，共计6044户，其中4、5、6月份电量连续为0的户数为1242户，剔除该部分异常样布用户数据，有效样本数据为4802户。

已知的制茶样本用户行业及用户数分布如表1所示。

表1 制茶用户分布情况

制茶样本用户所在行业集中在如下行业：“农业”“精制茶加工”“农、林、牧、渔专业及辅助性活动”“其他农副食品加工”“乡村居民”“林业”“房屋建筑业”。其中，“乡村居民”“林业”“房屋建筑业”用户数特别少。

3.2 用户用电特征分析

3.2.1 用户月用电特征分析

如图1所示，制茶用户在每年的5月份，存在较大的用电峰值；部分制茶用户在每年的6月份，存在较小的用电峰值。同时，不同的供电单位之间制茶用户月电量分布存在差异。

图1 2020年制茶用户月电量特征

3.2.2 用户日用电特征分析

从2020年4月5号开始，制茶用户日平均用电量递增，逐步进入采茶季。分别计算每个制茶用户3月1号至3月10号的平均日电量、3月11号至3月20号的平均日电量、3月21号至3月31号的平均日电量、4月1号至4月10号的平均日电量、4月11号至4月20号的平均日电量、4月21号至4月30号的平均日电量，作为每一个制茶用户的日用电特征。

3.3 基于曲线聚类的用户识别研究

基于电力用户负荷曲线进行聚类分析，是获得典型负荷分布和按负荷特性对用户分类的重要手段，对于负荷预测、负荷控制、用电异常检测甚至电价目录制定和开发营销策略等都有理论和实际意义，目前对负荷曲线聚类的方法有很多，各有优点与不足[1-3]。

图2 2020年制茶用户日电量特征

图3 聚类效果图

制茶用户聚类效果如下：

通过聚类，将制茶用户聚为4类：“label_0”类用户数20户；“label_1”类用户数123户；“label_2”类用户数208户；“label_3”类用户数191户。

其中label_0类用户主要聚集的是5月月电量5000千瓦时上下的用户，这一类的制茶用户5月月用电量非常大且用电规律特别集中；label_1类用户主要聚集的是5月电量2500千瓦时上下的用户，用户的用电规律同样相对集中；label_2类用户主要聚集的是5月电量1500千瓦时上下的用户，用户的用电规律相对于label_0及label_1较弱；label_3聚集的是用电量相对较小的用户，总体上来说，这一类制茶用户表现出5月用电量较高的用电趋势。

3.4 识别效果研究

依据目前训练的用电模型，对有效样本制茶用户4802户，剔除熟练模型用731户，对剩余的4071户进行识别验证，有3790户被识别为制茶用户，识别准确率为93.1%。

综上，本文以黄山用电采茶用户的精准识别方法为例。首先，基于黄山市采茶用户的用电数据信息，开展制茶用户的用电特征分析；其次，基于制茶用户的用电特征采用曲线聚类+knn判别方法进行进行分析，最终将用户划分为4类。用该方法对其它用户进行识别，模型识别准确率较高。该方法的研究和应用，为电力公司助力黄山茶企等农村用电企业发展，提高农用电供电能力，改善农用电电能质量，增强农用电保障力度夯实农用电智慧建设基础。