作者/鄭義軍，深圳供電局有限公司

1.集抄網(wǎng)絡(luò)發(fā)展歷史

低壓用電用戶的抄表方式經(jīng)歷了人工手動(dòng)抄表，到00年代的抄表器抄表、IC卡預(yù)付免抄表，到目前使用的集抄網(wǎng)絡(luò)（遠(yuǎn)程低壓集中抄表網(wǎng)絡(luò)）。其中人工抄表方式存在不按時(shí)抄表、估抄、漏抄、錯(cuò)抄，甚至90年代初存在的部分人因人情關(guān)系的少抄、不抄等腐敗現(xiàn)象，有嚴(yán)重弊端。而IC卡預(yù)付免抄表電能表是一個(gè)不錯(cuò)的避免電力部門內(nèi)部問題的用電模式，但因?yàn)楫?dāng)時(shí)乃至目前國內(nèi)人文素質(zhì)差異巨大，存在電表經(jīng)常被破壞或IC卡被盜的問題，預(yù)付費(fèi)電表維護(hù)成本極高。至抄表器出現(xiàn)，由系統(tǒng)產(chǎn)生抄表工單，由抄表員到現(xiàn)場(chǎng)使用抄表器進(jìn)行抄讀數(shù)據(jù)后，回到局所匯總的模式出現(xiàn)，此方式淘汰了預(yù)付費(fèi)表并有效抑制了單純?nèi)斯こ淼膯栴}，卻并未在根本上杜絕人的問題。但隨著國家電網(wǎng)推行集抄網(wǎng)絡(luò)，杜絕了人工抄表的弊端，也避免了用戶破壞的問題。因優(yōu)點(diǎn)顯著，南方電網(wǎng)公司也開始了集抄網(wǎng)絡(luò)的改造進(jìn)程，其中深圳供電局有限公司預(yù)計(jì)于2018年前后實(shí)現(xiàn)整個(gè)深圳市范圍的集抄網(wǎng)絡(luò)覆蓋。

2.當(dāng)前用電檢查工作所面臨的問題

因技術(shù)及檢查手段限制，以往用電檢查所面臨的問題及可采用的用電檢查手段[1][2][3]都顯得相對(duì)簡(jiǎn)陋。而隨著電子技術(shù)地運(yùn)用及大眾對(duì)供電企業(yè)運(yùn)作的了解，傳統(tǒng)用電檢查手段的弊端逐漸浮現(xiàn)，其主要體現(xiàn)在：

（1）竊電行為人在夜間進(jìn)行竊電時(shí)難以監(jiān)控。

（2）遙控竊電及高科技竊電方式的出現(xiàn)，使得竊電行為難以取證及發(fā)現(xiàn)。

（3）傳統(tǒng)用電檢查現(xiàn)場(chǎng)取證手段不夠豐富，在庭審時(shí)存在爭(zhēng)議。

3. 新的用電檢查手段

由于集抄網(wǎng)絡(luò)的出現(xiàn)，使得一些新的用電檢查手段成為可能，本文將介紹一種基于集抄網(wǎng)絡(luò)及SOM算法的用電異常預(yù)警機(jī)制（以下簡(jiǎn)稱預(yù)警系統(tǒng)），以實(shí)現(xiàn)對(duì)低壓居民用戶的用電監(jiān)控。

3.1 集抄網(wǎng)絡(luò)

圖1 集體網(wǎng)絡(luò)架構(gòu)圖

以圖1給出了集抄網(wǎng)絡(luò)的架構(gòu)圖，此處將其分為3個(gè)部分：電力供應(yīng)及計(jì)量、電網(wǎng)特性數(shù)據(jù)采集及傳輸、數(shù)據(jù)存儲(chǔ)及分析。根據(jù)電網(wǎng)特性數(shù)據(jù)采集及傳輸方式的不同，可將抄表及數(shù)據(jù)采集方式分為：RS485總線和低壓電力線載波混合抄表、低壓電力線載波抄表、RS485總線抄表3種模式。因深圳供電局采購的電表來自多個(gè)廠商，而各廠商所使用的規(guī)約并不一致，導(dǎo)致目前集抄改造需根據(jù)具體情況從后兩種方式中進(jìn)行選擇。

圖2 二維SOM網(wǎng)絡(luò)模型

3.2 SOM算法

如 圖 2 所 示 SOM（Self–Organizing Feature Maps）是模擬人類大腦神經(jīng)元工作模式的一種數(shù)據(jù)結(jié)構(gòu)，屬于無監(jiān)督的神經(jīng)網(wǎng)絡(luò)。其作用是在輸入層輸入對(duì)象特性，通過神經(jīng)元網(wǎng)絡(luò)映射到輸出層，使用競(jìng)爭(zhēng)領(lǐng)域進(jìn)行聚類[4][5]。需注意的是，輸出層特性數(shù)量其實(shí)就是期望獲得的分類數(shù)量，需預(yù)先考慮并予以設(shè)定。

此過往我們需要先設(shè)定初始值（如設(shè)置為1），然后通過對(duì)象的特性采集及抽象，且一般需要進(jìn)行歸一化而獲得輸入特性Xi，再通過競(jìng)爭(zhēng)學(xué)習(xí)獲得領(lǐng)域范圍Ncj，此處提供一個(gè)簡(jiǎn)單的競(jìng)爭(zhēng)學(xué)習(xí)方式：

其中Wji(t)為ij神經(jīng)元在第t次訓(xùn)練時(shí)的權(quán)值，這是模擬人類神經(jīng)元對(duì)某特性的熟練度；Xi(t)為第t次訓(xùn)練時(shí)i特性的值，對(duì)某樣事物其往往存在多種特性，如電力網(wǎng)絡(luò)中的電壓、電流等特性；根據(jù)上公式（1）獲勝點(diǎn)為使得dij(t)最小的Xc(t)，同時(shí)經(jīng)研究發(fā)現(xiàn)以Xc(t)為獲勝中心的dij(t)區(qū)域符合高斯正態(tài)分布，所以設(shè)置獲勝領(lǐng)域范圍以正態(tài)函數(shù)hij模擬：那么根據(jù)正態(tài)函數(shù)特性可設(shè)神經(jīng)元在使得hij(t)＜0.61時(shí)屬于獲勝領(lǐng)域Ncj，當(dāng)hij(t)＞0.61時(shí)正態(tài)函數(shù)極速衰減，可視為不在獲勝區(qū)域內(nèi)。然后根據(jù)每次訓(xùn)練樣本，對(duì)所有特性及各神經(jīng)元的權(quán)值按以下公式進(jìn)行更新[4][5]：

其中t為當(dāng)前訓(xùn)練次數(shù)，σ0為初始值可設(shè)為n，且當(dāng)

其中α(t)為學(xué)習(xí)率，用以限定模型的形成速度，初始值α0可設(shè)為0.8。通過大量的樣本值的輸入和學(xué)習(xí)(權(quán)值更新)，最終使得該模型相對(duì)穩(wěn)定時(shí)，可獲得滿意聚類效果。

3.3 預(yù)警機(jī)制架構(gòu)

預(yù)警機(jī)制可利用集抄網(wǎng)絡(luò)對(duì)用戶電流、電壓采樣值進(jìn)行抽象歸一獲得特性值X1、X2，同時(shí)對(duì)月均用電量進(jìn)行抽樣獲得特性X3，然后對(duì)所有需要加入到聚類分析的特性進(jìn)行抽樣并歸一化獲得X1至Xn。此過程關(guān)鍵在于數(shù)據(jù)地采集與分析，數(shù)據(jù)采集可由底層采集器及集中器完成，因當(dāng)前電子表都基本具備自身電流電壓及電量檢測(cè)功能，所以該特性可通過采集器從RS485口進(jìn)行讀取即可。而如果需要增加特性采集，則需要對(duì)電表或采集器功能進(jìn)行改進(jìn)。而對(duì)數(shù)據(jù)的抽樣提取及歸一化操作，因運(yùn)算復(fù)雜度高且需調(diào)用歷史數(shù)據(jù)，所以應(yīng)在信息總部服務(wù)器端完成，如此可有效減少電表及采集設(shè)備的投入也避免了設(shè)備破壞而造成的數(shù)據(jù)丟失。經(jīng)過底層硬件采樣，服務(wù)器應(yīng)用層的抽樣，最初形成特性值X1至Xn，并根據(jù)公式（1）、（2）、（3）對(duì)聚類模型進(jìn)行訓(xùn)練最終達(dá)到有效聚類。當(dāng)訓(xùn)練完成后，由于電力用戶用電習(xí)慣及用電環(huán)境的一貫性，可使得正常情況下，每次輸出層必在領(lǐng)域內(nèi)，一旦出現(xiàn)輸出層不屬于任何一個(gè)獲勝領(lǐng)域之內(nèi)（即產(chǎn)生新類別），造成類別數(shù)量大于用戶數(shù)量，則與“輸出層特性數(shù)量其實(shí)就是期望獲得的分類數(shù)量（即用戶數(shù)）”相悖，表明該臺(tái)區(qū)用戶用電出現(xiàn)異常情況。而且根據(jù)輸出層與各獲勝領(lǐng)域中心點(diǎn)距離關(guān)系，可快速鎖定可能存在異常的用戶，有效進(jìn)行預(yù)警提示，及時(shí)對(duì)預(yù)警對(duì)象排查并即時(shí)處理，避免因發(fā)現(xiàn)時(shí)間延后造成的用戶糾紛及供電企業(yè)的損失，有效提升服務(wù)。

同時(shí)，因SOM算法可進(jìn)行多層聚類運(yùn)輸，形成下層為用戶，中層為街道而上層為局所的架構(gòu)，可有效對(duì)不同供電級(jí)別用電情況進(jìn)行監(jiān)控，及時(shí)發(fā)現(xiàn)問題，同時(shí)根據(jù)特性差別，對(duì)不同區(qū)域進(jìn)行用電分析及差異性分析，如圖3所示。

圖3 多層聚類模型

而因?yàn)閿?shù)據(jù)監(jiān)測(cè)是時(shí)間連續(xù)的，可以克服無法全日監(jiān)控竊電行為及漏計(jì)事件的掣肘，并可提供完備的數(shù)據(jù)支持以供分析舉證，降低供電企業(yè)追償國家財(cái)產(chǎn)的難度，減少不必要的爭(zhēng)端。

4.不足與改進(jìn)

該預(yù)警機(jī)制因當(dāng)前計(jì)量裝置、采集設(shè)備的功能以及信息總部系統(tǒng)的限制，目前存在三個(gè)方面的不足：

①因底層硬件的限制，目前可以采集的網(wǎng)絡(luò)特性只有電流、電壓、電量等基本特性，對(duì)于聚類和對(duì)用戶的分析比較不利。事實(shí)上部分電子表存在失壓時(shí)間、開蓋時(shí)間、開蓋次數(shù)等統(tǒng)計(jì)功能，當(dāng)然還能參考文獻(xiàn)[1]中所描述的高頻信號(hào)檢測(cè)方法，對(duì)電能表加入高頻信號(hào)檢測(cè)并作為采集數(shù)據(jù)上傳服務(wù)器，根據(jù)更多的用電特性對(duì)集抄網(wǎng)絡(luò)用戶進(jìn)行聚類分析。

②信息總部系統(tǒng)架構(gòu)，目前提供的用戶統(tǒng)計(jì)特性的開放端口功能不全，甚至是運(yùn)算能力也嚴(yán)重的不足，往往讀取一個(gè)用戶的特性時(shí)運(yùn)算延時(shí)嚴(yán)重，也導(dǎo)致了該算法或暫未能投入運(yùn)用。

③只能以該用戶初始用電情況作為訓(xùn)練樣板，假如該用戶在送電開始就存在違竊行為，則無法在后續(xù)進(jìn)行區(qū)分。但該機(jī)制仍不夠完備，在未來底層及服務(wù)器硬件的升級(jí)換代后，能采集更多用電特性的集抄網(wǎng)絡(luò)及可以實(shí)現(xiàn)更多復(fù)雜運(yùn)算，如改進(jìn)的k–mean值som算法或其他神經(jīng)計(jì)算方式的引入將會(huì)更大的提高預(yù)警機(jī)制的準(zhǔn)確性及更加的豐富監(jiān)測(cè)項(xiàng)目。

5.總結(jié)與展望

本論文通過介紹當(dāng)前低壓集抄網(wǎng)絡(luò)及計(jì)量設(shè)備現(xiàn)狀，提出了一種基于集抄網(wǎng)絡(luò)硬件及SOM聚類算法的用電異常預(yù)警機(jī)制。作為用電檢查工作基于當(dāng)前供電網(wǎng)絡(luò)環(huán)境的新式手段，是對(duì)用電檢查手段創(chuàng)新及改進(jìn)的一種有益探索及嘗試，為即將完工的低壓集抄網(wǎng)絡(luò)提供了良好的應(yīng)用理論建議。

* [1]鄭義軍, 用電檢查中反竊電方法[M], 大科技,2013(15)∶58—59

* [2]Depuru, S.S.S.R. ; Lingfeng Wang ; Devabhaktuni, V. ; Gudi, N,Measures and setbacks for controlling electricity theft[M]. Nor th American Power Symposium (NAPS), 2010∶ 1 — 8

* [3]崔立彬,油田供電企業(yè)的反竊電管理[M],生產(chǎn)管理，2012,31(12)∶85

* [4] 岳素青, SOM 的聚類算法研究[M], 太原師范學(xué)院學(xué)報(bào),2008(7)∶23—25

* [5]池力,基于SOM和模糊聚類的設(shè)計(jì)空間縮減方法研究及應(yīng)用[D], 武漢 ∶華中科技大學(xué) ,2013∶34—46