楊婧 辛明勇 歐家祥 王俊融 宋強

摘要：針對當前配電網(wǎng)輸電線路損耗異常無法溯源且定位難的問題，基于計量自動化系統(tǒng)采集的數(shù)據(jù)，通過對站、線、變、戶基礎數(shù)據(jù)的治理，采用自動最優(yōu)聚類算法對用戶用電行為分類，采用隨機森林建立各類線損之間的關聯(lián)關系模型，構建配電網(wǎng)線路損耗和臺區(qū)損耗分析與定位方法，并開發(fā)基于線損異常精確定位的計量自動化運維平臺。通過對貴州省某供電局轄區(qū)2516個用戶的數(shù)據(jù)進行分析和實驗驗證，該文所提出的線損分析與定位方法能對配電網(wǎng)線損異常進行溯源和精確定位。

關鍵詞：配電網(wǎng);線損;關聯(lián)分析;大數(shù)據(jù)

中圖分類號：TM 73 文獻標志碼：A 文章編號：1674-5124（2019）07-0019-06

收稿日期：2019-04-01;收到修改稿日期：2019-05-14

作者簡介：楊婧（1988-），女，湖南邵陽市人，工程師，碩士，研究方向為計量自動化及電網(wǎng)節(jié)能降損。

0 引言

我國配電網(wǎng)規(guī)模日趨龐大，電力設備日益增多。電能線損產生于輸電、變電、配電、售電各個環(huán)節(jié)，作為電力企業(yè)的重要綜合性經(jīng)濟指標，線損率不僅能夠反映電力企業(yè)的經(jīng)濟性，還能夠反映企業(yè)的盈利率[1-2]。線損率的大小不僅與技術狀況、運行方式、電網(wǎng)結構有關，還取決于供電企業(yè)生產經(jīng)營活動中降損節(jié)能的管理水平。線損的精細化管理對于提高供電企業(yè)的經(jīng)濟效益有著至關重要的作用。然而，在配電網(wǎng)大力發(fā)展的同時，電網(wǎng)輸電線路的損耗也在不斷增長，開展配電網(wǎng)線損分析與定位的研究變得尤為重要。配電網(wǎng)長期存在資產利用率低、經(jīng)濟運行指標低、網(wǎng)損嚴重的問題，城鄉(xiāng)配電網(wǎng)損耗占總量的70%左右[3-4]。如何智能分析配電網(wǎng)線路損耗，降低網(wǎng)損成為亟待解決的問題[5]。

線損可以分為理論線損和管理線損。目前關于理論線損的研究主要利用電網(wǎng)拓撲結構、潮流等實測數(shù)據(jù)，基于電力系統(tǒng)知識，采用理論計算方法進行計算，或采用機器學習的算法，利用歷史數(shù)據(jù)對線損值進行預測[6-7]。管理線損包括竊電、計量表誤差、漏電等[8-10]。過去針對管理線損分析研究主要集中在竊電分析上。Bharat Dangar等[11]提出了一種使用極限學習機（ELM）、改進ELM（OS-ELM）、支持向量機（SVM）3種算法來進行電力損耗識別、檢測和預測的電力損耗分析框架。Li yinghui等[6]提出了基于BP神經(jīng)網(wǎng)絡的客戶消費行為分析模型，利用該模型可以計算出竊電的懷疑系數(shù)，并對電力用戶的信用等級進行分類，得出了一個可行的解決竊電問題的思路?？祵帉幍萚12]利用模糊C均值（FCM）算法對負荷曲線進行聚類，得到典型特征曲線，再與用戶負荷曲線進行匹配，篩選出疑似竊電用戶，再使用基于粒子群算法優(yōu)化的SVM算法進行進一步檢測，準確性比SVM算法高。

積分電量可用于廣泛分析計量損耗和漏電等行為，大連電業(yè)局基于SCADA系統(tǒng)，設計了一套實時積分電量及電量報表、日負荷曲線平臺。2016年，國網(wǎng)江西省電力公司的南昌供電分公司結合EMS/SCADA（能量管理系統(tǒng)/數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)）系統(tǒng)和TMR（遠程抄表系統(tǒng)）系統(tǒng)的數(shù)據(jù)，設計建立了一套比對報警系統(tǒng)，對積分電量和表底電量在線實時進行“雙值比對”，對電量異動實現(xiàn)智能型、綜合性監(jiān)控，為電力計量消缺提供充分的技術保障[13]。

可以發(fā)現(xiàn)，過去研究主要針對單一線損，由于各類線損不是孤立存在，目前對線損之間的關聯(lián)與耦合缺乏研究。為實現(xiàn)站、線、變、戶層級關系逐級排查達到準確分析和定位的目的，本文基于大數(shù)據(jù)技術，采用機器學習算法、聚類、挖掘、關聯(lián)關系等分析方法，充分利用計量系統(tǒng)產生的海量數(shù)據(jù)資源，構建直觀有效的配電網(wǎng)線損分析評估體系，實現(xiàn)線損構成可視化，線損率變化可溯源，降損任務可分解等功能，全方位、多維度支撐管理降損和技術降損。

1 基礎數(shù)據(jù)處理

基礎數(shù)據(jù)是系統(tǒng)建設的基石，數(shù)據(jù)質量是保證數(shù)據(jù)應用和信息化實用效果的基礎?；A數(shù)據(jù)主要以計量自動化系統(tǒng)為電能量數(shù)據(jù)源，以營銷系統(tǒng)為檔案數(shù)據(jù)源、以GIS系統(tǒng)為電網(wǎng)拓撲、以地理信息為背景數(shù)據(jù)源。對各數(shù)據(jù)的采集整合和分析，確保各數(shù)據(jù)的準確性和一致性是實現(xiàn)線損精確定位的基礎。通過研究數(shù)據(jù)質量校核支撐技術，結合持續(xù)管理機制，如統(tǒng)一業(yè)務數(shù)據(jù)標準、定期檢查問題、閉環(huán)解決質量問題等逐步解決數(shù)據(jù)基礎的正確和一致，以支撐上層應用的數(shù)據(jù)質量要求。

數(shù)據(jù)預處理流程如圖1所示，對收集的數(shù)據(jù)進行清洗，通過數(shù)據(jù)預處理方法剔除錯誤信息，補充缺失信息，制定規(guī)范化數(shù)據(jù)準則，為線損分析與定位提供高質量數(shù)據(jù)。通過數(shù)據(jù)一致性比對，根據(jù)實際需要設置比對多維度條件，如設備名稱、電氣參數(shù)等相似度，進行系統(tǒng)間一致性比對，得到計量自動化系統(tǒng)與營銷系統(tǒng)、GIS系統(tǒng)之間數(shù)據(jù)具體差異，理清線變戶關系，抽離出需要整改的數(shù)據(jù)源，規(guī)范數(shù)據(jù)屬性，實現(xiàn)數(shù)據(jù)標準化正則化。對此，本文主要采用個案剔除法和均值替換法清洗數(shù)據(jù)，解決異常數(shù)據(jù)，提高數(shù)據(jù)質量。

1）個案剔除法

個案剔除法是直接剔除異常的數(shù)據(jù)記錄，當數(shù)據(jù)樣本比較少時，刪除樣本會影響結果的客觀性和正確性，當異常值比較少時，該方法可以快速剔除異常信息。

針對計量數(shù)據(jù)，如果某一計量點（用戶）或臺區(qū)在某一天的數(shù)據(jù)連續(xù)出現(xiàn)異常值或者異常率超過閾值，則直接刪除該計量點（用戶）或臺區(qū)當日的全部數(shù)據(jù)，不計人模型建立中。例如，日負載率表中數(shù)據(jù)缺失嚴重，所以某些日子的數(shù)據(jù)則刪除。但是，由于通信故障等原因導致的數(shù)據(jù)異常，不能采用簡單的剔除法來刪除異常信息。對于該類異常數(shù)據(jù)，則根據(jù)通信恢復后的計量數(shù)據(jù)，結合計量點的用能習慣，反演出計量點通信異常期間的數(shù)據(jù)，再判斷計量數(shù)據(jù)是否需要剔除。

2）均值替換法

均值替換法解決了個案剔除法中將許多有用的信息被剔除的問題。若該值為數(shù)值型，則使用其他樣本中該屬性取值的平均值來填充;若該值取值為非數(shù)值型，則采用其他樣本中取值較多的值來填充。

當樣本中異常值較少，則采用異常值左右的數(shù)據(jù)取平均值來代替。例如電壓電流在某一時刻缺失，則將其近似看作線性曲線，用兩側示值的平均值代替。對于資產系統(tǒng)、調度系統(tǒng)、營銷系統(tǒng)產生的檔案數(shù)據(jù)、計量數(shù)據(jù)、計量關系數(shù)據(jù)，為電網(wǎng)運行數(shù)據(jù)，不能直接作為線損分類的分類指標，需要根據(jù)電力數(shù)據(jù)之間的物理規(guī)律以及分類分析所需對源數(shù)據(jù)進行統(tǒng)計分析，找出電力數(shù)據(jù)的特征屬性，以便于對線損進行分類。

2 線損分析與評估

首先利用線損類別分類器對當前線損進行分類，判別出當前的線損綜合構成。在此基礎上，針對于分類出的每種線損行為，根據(jù)相應的計算與分析模型，訓練相應的分類器。將各臺區(qū)線損分類為理論線損、通信線損、竊電線損3大類，然后再根據(jù)對應的分類器對各大類線損進行精細化分類，分別找出各部分線損產生的位置（即由哪些計量點或用戶產生），實現(xiàn)線損構成可視化、線損率變化可溯源，指導工作人員對降損任務進行分解，實現(xiàn)全面降損。

1）理論線損

理論線損是由電網(wǎng)本身結構、設備決定的，電能傳輸不可避免地造成損失，它主要與技術狀況、運行方式、電網(wǎng)結構有關，包含各電力元件可變損耗部分及固定損耗部分。目前常用的計算方法有等值電阻法、均方根電流法、平均電流法等。但是，這些算法大多用于10kV配電網(wǎng)的理論線損計算，而0.4kV低壓配電網(wǎng)由于供電方式復雜，供電出線回路不同，沿線負荷分布沒有嚴格規(guī)律，各相負荷分配不平衡?；诖?，本文采用改進等值電阻法計算理論線損，能夠獲得比較準確的計算結果。

配電網(wǎng)中變壓器和導線的等效電阻R_e表示如下：式中：A_pi——通過i段線路供電的用戶有功電量;

A_qi——通過i段線路供電的用戶無功電量;

R_i——i段線路電阻;

A_P

VIM=∑（errOBB2-errOBB1）/n（4）

VIM數(shù)值越大，表明該異常對線損越重要，需要優(yōu)先治理。

3 案例分析

為驗證本文所提出的方法的有效性，構建了基于Hadoop和Spark的大數(shù)據(jù)平臺底層架構，架構采用B/S相結合的模式，按照數(shù)據(jù)訪問層、應用邏輯層和前端展示層進行多層結構體系設計，采取面向對象技術進行應用組件開發(fā)。平臺主要分為前端和后端，前端主要由HTML、JavaScript等語言組成，平臺后端主要業(yè)務邏輯由Java編寫實現(xiàn)。

依托搭建的系統(tǒng)，根據(jù)貴州省某供電局提供的用戶用電數(shù)據(jù)、臺區(qū)計量數(shù)據(jù)、設備狀態(tài)信息，選取了某區(qū)域2015年12月到2016年10月的數(shù)據(jù)。涉及4條線路，53個臺區(qū)共計2516個用戶。首先進行數(shù)據(jù)預處理，對2516戶計量用戶數(shù)據(jù)中心離群值進行剔除，對于缺失的數(shù)據(jù)，采用均值替換法，補全缺失的數(shù)據(jù)，保證數(shù)據(jù)完整性與合理性。

隨后采用最優(yōu)聚類方法，分別用余弦相似度和歐氏距離作為聚類的距離指標，得到聚類中心為4和初始聚類中心點，隨后采用k均值快速聚類，如圖4所示，得到4類特征用戶，分別為居民、商城、企業(yè)、學校特征的用戶。

用戶數(shù)據(jù)進行線損行為分析，得到各線損構成如圖5所示，可以發(fā)現(xiàn)，竊電損耗和通信線損為主要線損，其他線損主要由三相不平衡、功率因素超限、過載、重載、輕載等因素構成。

臺區(qū)線損異常進行關聯(lián)關系分析與評估，得到線損異常重要性分布如圖6所示?？梢园l(fā)現(xiàn)，在所有線損因素當中，通信異常和竊電損耗對線損重要性最大，導致的線損損失最為嚴重，應該重點治理，其他因素如三相不平衡、功率因素超限、過載、重載、輕載等影響較小，可以延后處理。

4 結束語

本文采用大數(shù)據(jù)聚類、挖掘和關聯(lián)分析等算法，針對計量自動化系統(tǒng)采集的數(shù)據(jù)，通過對站、線、變、戶基礎數(shù)據(jù)進行分析，從理論線損、通信線損和竊電損耗等方面出發(fā)，構建了配電網(wǎng)線路損耗和臺區(qū)損耗分析與定位方法，并基于大數(shù)據(jù)平臺構建方法，搭建了線損異常精確定位的計量自動化運維平臺。通過對貴州省某地區(qū)的數(shù)據(jù)進行分析，驗證了文章所提出的線損分析與定位方法，能實現(xiàn)配電網(wǎng)線損異常的溯源和精確定位。

參考文獻

[1]CHATTERJEE S，ARCHANA V，SURESH K，et al.Detection of non-technical losses using advanced meteringinfrastructure and deep recurrent neural networks[C]//IEEEIntemati-A Conference on Environment and ElectricalEngineering，2017.

[2]楊柳，羅璇，肖寶輝，等.配電網(wǎng)線損在線監(jiān)測系統(tǒng)與計算分析研究[J].自動化與儀器儀表，2019（1）：25-28.

[3]楊悅輝.計量自動化系統(tǒng)在計量管理工作中的應用[J].計量與測試技術，2013（4）：16-37.

[4]劉飛輪.供電企業(yè)電力營銷中的電能計量自動化系統(tǒng)應用分析[J].硅谷，2013，6（20）：95，91.

[5]汪司珂，汪應春，郭雨，等.同期線損故障排查關鍵技術研究與應用[J].儀表技術，2017（12）：11-14.

[6]LI H，LUNG X，LU R，et al.EPPDR：An efficient privacy-preserving demand response scheme with adaptive keyevolution in smart grid[J].IEEE Transactions on Parallel andDistributed Systems，2014，25（8）：2053-2064.

[7]徐茹枝，王宇飛.粒子群優(yōu)化的支持向量回歸機計算配電網(wǎng)理論線損方法[J].電力自動化設備2012（5）：86-89.

[8]HUANG S，VVU Q，CHENG L，et al.Optimal reconfiguration-based dynamic tariff for congestion management and line lossreduction in distribution networks[J].IEEE Transactions onSmart Grid，2016，7（3）：1295-1303.

[9]高志芳，鄒香香，汪棋.智能計量監(jiān)控在反竊電工作中的應用[J].決策與信息，2014（36）：181.

[10]NOURAI A，KOGAN V I，SCHAFER C M.Load levelingreduces t&d line losses[J].IEEE Transactions on PowerDelivery，2008，23（4）：2168-2173.

[11]DANGAR B，JOSHI S K.Notice of violation of IEEEpublication principles electricity theft detection techniques formetered power consumer in GUVNL，GUJARAT，INDIA[C]//Clemson University Power Systems Conference（PSC），2015

[12]康寧寧，李川，曾虎，等.采用FCM聚類與改進SVR模型的竊電行為檢測[J].電子測量與儀器學報，2017，31（12）：2023-2029.

[13]何喜玲，韓婷，杜佳，等.變電所電量對比系統(tǒng)分析[J].現(xiàn)代電子技術，2016，39（12）：41-44，47.

[14]翟金鳳，孫立博，魯凱，等.基于抽樣和兩級CBF的長流識別算法[J].中國測試，2018，44（7）：105-109.

[15]劉耀杰，劉獨玉.基于不平衡數(shù)據(jù)集的改進隨機森林算法研究[J].計算機技術與發(fā)展，2019（6）：1-7.

（編輯：商丹丹）