馬俊鵬 鄔英光 柏航

摘 ?要：隨著電網(wǎng)智能化的不斷深入和電網(wǎng)結(jié)構(gòu)、運(yùn)行方式的日漸復(fù)雜，電力系統(tǒng)產(chǎn)生的數(shù)據(jù)逐漸呈現(xiàn)海量化、高維化的趨勢。此時(shí)，電網(wǎng)運(yùn)行的安全性和經(jīng)濟(jì)性變得愈發(fā)重要，其中電力用戶側(cè)數(shù)據(jù)的異常、冗余與遺漏對電網(wǎng)運(yùn)行安全和調(diào)度的影響絕不容忽視。目前電力系統(tǒng)異常數(shù)據(jù)檢測主要分為基于狀態(tài)估計(jì)和基于數(shù)據(jù)挖掘兩大類，絕大多數(shù)的方法都只是在理論研究層面進(jìn)行異常電力數(shù)據(jù)的辨別研究，而對實(shí)時(shí)數(shù)據(jù)的即時(shí)辨別能力不足。針對傳統(tǒng)方法實(shí)時(shí)辨別能力的不足，本文引入K- 距離因子算法進(jìn)行電力用戶側(cè)電量數(shù)據(jù)即時(shí)辨別。

關(guān)鍵詞：智能電網(wǎng);異常數(shù)據(jù);K- 距離因子;特征量

0 引言

隨著科學(xué)技術(shù)的不斷發(fā)展進(jìn)步，電網(wǎng)結(jié)構(gòu)和運(yùn)行方式的復(fù)雜度不斷提升，電網(wǎng)的安全性和經(jīng)濟(jì)性也變得比以前更加重要，其中電力用戶側(cè)信息的正確性和實(shí)時(shí)性尤為關(guān)鍵，一旦出現(xiàn)誤判將對電網(wǎng)運(yùn)行安全和調(diào)度產(chǎn)生不可估量的影響[1-4]。本文通過典型家庭用電負(fù)荷分析，提出基于K-距離因子的電力用戶側(cè)異常數(shù)據(jù)辨析方法，可作為電力系統(tǒng)安全、經(jīng)濟(jì)研究參考依據(jù)。

1 數(shù)據(jù)處理

1.1用戶用電數(shù)據(jù)分析

本文所研究的用電量分為兩種：良好數(shù)據(jù)和異常數(shù)據(jù)。異常數(shù)據(jù)又分為兩種類型，一是無效數(shù)據(jù)。即該測量點(diǎn)的用電量小于等于前一時(shí)刻的用電量，即 。其中， 為當(dāng)天當(dāng)前時(shí)刻用電量數(shù)據(jù)，即第t天的第n個(gè)數(shù)據(jù)點(diǎn)， 為當(dāng)天前一時(shí)刻的用電量數(shù)據(jù)。因?yàn)橛秒娦畔⒉杉到y(tǒng)采集到的用電量是累加值，必定是一個(gè)遞增的過程，所以一旦出現(xiàn)此類情況則判定此數(shù)據(jù)為無效數(shù)據(jù)，直接存入錯(cuò)誤集，不參與算法辨析過程。二是錯(cuò)誤數(shù)據(jù)。雖然 ，但該數(shù)據(jù)明顯過大或過小，不符合常規(guī)的用電規(guī)律。

通過對家庭用電行為分析可知，當(dāng)用戶外出時(shí)，用電設(shè)備情況較為單一，主要是冰箱等持續(xù)運(yùn)行電氣設(shè)備，所以用電負(fù)荷長期維持在一個(gè)較低的水平，明顯異于正常用電規(guī)律，因此，必須排除此種情況干擾。此時(shí)，可以根據(jù)用戶近幾周內(nèi)每天最小的用電量差值變化情況，可以得知用戶外出時(shí)間段的典型用電量差值，參考時(shí)刻可以為凌晨00：00-06：00時(shí)段（除夏天）、早上10：00-11：00及下午15：00-17：00等時(shí)段。而由圖2可以明顯看出，凌晨時(shí)洗衣機(jī)的使用頻率明顯降低，使用時(shí)間也明顯減少較短;而熱水器的使用時(shí)間大多集中在常在晚上睡覺前或這早上起床后;電腦和電視機(jī)的使用時(shí)間則通常都是在晚上而且連續(xù)時(shí)間較長。為排除空調(diào)、暖氣等季節(jié)性用電的干擾，本文選取上一年度春秋季00：00-06：00時(shí)段的數(shù)據(jù)組成p（0），即家庭用電最低負(fù)荷集。待確定這一典型用電量差值，識別方法就可以根據(jù)相鄰時(shí)刻的用電量差值，從而判斷用戶可能是外出或家中進(jìn)行無需用電的活動(dòng)，如閱讀、休息等。

1.2用戶用電信息采集

用電信息采集系統(tǒng)主要是用來實(shí)時(shí)收集家庭用戶的用電信息并及時(shí)分析處理。通過異常電量、電能質(zhì)量等相關(guān)數(shù)據(jù)的檢測來達(dá)到對整個(gè)電力用戶需求側(cè)狀態(tài)的實(shí)時(shí)在線監(jiān)控目的。傳統(tǒng)家庭用電量采集頻率多為每天一次，且集中在23：00至次日1：00之間，因?yàn)閭鹘y(tǒng)采集系統(tǒng)面對采集的數(shù)據(jù)，缺乏有效的方法進(jìn)行判定，且錯(cuò)誤和缺失的數(shù)據(jù)無法補(bǔ)缺，只能通過采集頻率的降低和選取用電負(fù)荷較小區(qū)間進(jìn)行數(shù)據(jù)采集，以降低數(shù)據(jù)的錯(cuò)誤率。但是，過低的采集頻率無法實(shí)現(xiàn)對家庭用電信息的時(shí)時(shí)監(jiān)控，從而無法準(zhǔn)確的掌握家庭用電狀態(tài)。本文將一天24小時(shí)分為48個(gè)用電區(qū)間，并設(shè)置48個(gè)采集點(diǎn)（采集點(diǎn)設(shè)置詳見表1）。在解決傳統(tǒng)信息采集頻率過低問題的同時(shí)，通過對采集數(shù)據(jù)的辨別分析，從而有效分辨出數(shù)據(jù)的真實(shí)、有效性，并針對缺失、錯(cuò)誤數(shù)據(jù)，通過負(fù)荷預(yù)測的方法進(jìn)行補(bǔ)全。

1.3歷史特征量的選取

普通家庭的不同月份的用電情況變化較大，用電峰時(shí)段為冬（12 ～ 2 月） 夏（6、7、8），其余月份的谷用電量差別不大，要是選取家庭全年的用電信息進(jìn)行離群點(diǎn)分析，則容易產(chǎn)生誤判。因此，本文引入相似日的概念，通過相似日的選取從而得到更接近預(yù)測時(shí)段的電力負(fù)荷數(shù)據(jù)，減少了歷史數(shù)據(jù)的量卻提高了預(yù)測精度。根據(jù)“遠(yuǎn)小近大”的原則，日期越接近，它們的電力負(fù)荷也會(huì)更加相近。因此通過利用具有特征量相似的歷史用電量數(shù)據(jù)作為依據(jù)，判斷當(dāng)前時(shí)刻用電量數(shù)據(jù)是良好或者異常更加合理科學(xué)。本文依據(jù)普通家庭用電負(fù)荷季節(jié)性變化的特點(diǎn)選取近往前29天的同一用電區(qū)間電量數(shù)據(jù)作為特征量與新采集的數(shù)據(jù)組成一個(gè)集合p（t）， p（t）內(nèi)共有30個(gè)數(shù)據(jù)，而新的采集數(shù)據(jù)默認(rèn)為p（30）。

2算法流程

本算法的流程主要分為一次提取，三次判斷。一次提取就是提取實(shí)時(shí)用電數(shù)據(jù)p（d，t）。第一次判斷是判斷該實(shí)時(shí)數(shù)據(jù)p（d，t）是否為有效數(shù)據(jù)。因?yàn)橛秒姅?shù)據(jù)是一個(gè)累計(jì)遞增的變量，所以如果實(shí)時(shí)電表讀書p（d，t）小于等于上一采集時(shí)刻的電量讀數(shù)p（d，t-1），便能判定此數(shù)據(jù)為無效數(shù)據(jù)。一旦被判定為無效數(shù)據(jù)，便直接將其存入錯(cuò)誤數(shù)據(jù)集。如果經(jīng)判斷p（d，t）是有效的，則進(jìn)行第二次判斷，即排除家庭外出狀況。考慮到用電負(fù)荷的突變性，首先將p（0）的上下限上下浮動(dòng)10%，然后再將實(shí)時(shí)區(qū)間用電量數(shù)據(jù)p（d，t）- p（d，t-1）與0.9min（p（0））和1.1max（p（0））對比，如果p（d，t）的數(shù)值在0.9min（p（0））和1.1max（p（0））之間，便判定該家庭為外出情況，該數(shù)據(jù)有效直接存入數(shù)據(jù)庫。如果經(jīng)判定，該家庭不屬于外出情況則進(jìn)行第三次判斷，首先將每次讀取到新的數(shù)據(jù)與選取的歷史特征量組合成新的待辨別數(shù)據(jù)集p（t），其中新采集到的數(shù)據(jù)默認(rèn)為p（30），然后通過K-距離因子算法進(jìn)行辨析。

3總結(jié)

本文首先提出了運(yùn)用k-距離因子進(jìn)行電力用戶側(cè)用電量數(shù)據(jù)辨別的思路，并對數(shù)據(jù)、參數(shù)和辨別條件做出了改進(jìn)。由于電力系統(tǒng)對電力數(shù)據(jù)的準(zhǔn)確度和實(shí)時(shí)性要求越來越高，正常的數(shù)據(jù)突變偶有發(fā)生，這也對異常數(shù)據(jù)辨析結(jié)果產(chǎn)生影響，因此還需進(jìn)一步研究改進(jìn)。

參考文獻(xiàn)

[1] 王興志，嚴(yán)正，沈沉，等.基于在線核學(xué)習(xí)的電網(wǎng)不良數(shù)據(jù)檢測與辨識方法[J].電力系統(tǒng)保護(hù)與控制，2012，40（1）：50-55.

[2] 王寶石，段志強(qiáng)，翟登輝.基于有效指數(shù)k-means算法在電力系統(tǒng)不良數(shù)據(jù)辨識中應(yīng)用[J]. 東北電力技術(shù)， 2010， 31（3）：16-18.

[3] 揭財(cái)明.基于密度的局部離群點(diǎn)檢測算法分析與研究[D].重慶大學(xué)，2012.

[4] 閆少華，張巍，滕少華. 基于密度的離群點(diǎn)挖掘在入侵檢測中的應(yīng)用[J]. 計(jì)算機(jī)工程， 2011， 37（18）：240-242.

作者簡介：

馬俊鵬，男，碩士研究生，工程師，主要進(jìn)行新技術(shù)在裝備保障體系中的應(yīng)用研究。

柏 ?航，男，本科，高級工程師，主要從事裝備保障體系。

鄔英光，男，本科，高級工程師，主要從事裝備保障工作。