盤律，何忠文，王錦昌，楊巖順，楊國璞

（云南電網(wǎng)有限責(zé)任公司德宏供電局，云南 德宏 678400）

0 前言

目前電網(wǎng)公司仍采用傳統(tǒng)電能表輪換方式[1]，根據(jù)電能表使用壽命無針對(duì)性地進(jìn)行輪換，實(shí)驗(yàn)室檢定證明了大量按照檢定周期拆回的智能電表其性能仍然完好。近年來，隨著電網(wǎng)公司省集中計(jì)量自動(dòng)化系統(tǒng)的建成，目前擁有的供用電數(shù)據(jù)、電表運(yùn)行數(shù)據(jù)等數(shù)據(jù)量已滿足支撐以用電大數(shù)據(jù)為基礎(chǔ)的智能電能表故障分析和管控的前提條件。

文獻(xiàn)[2]利用樸素貝葉斯模型、決策樹模型和softmax 神經(jīng)網(wǎng)絡(luò)對(duì)入庫電表以及已用電表故障實(shí)現(xiàn)了故障預(yù)測(cè)。文獻(xiàn)[3]利用基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘技術(shù)對(duì)故障電能表數(shù)據(jù)進(jìn)行訓(xùn)練分析，實(shí)現(xiàn)對(duì)電能表的運(yùn)行情況進(jìn)行了準(zhǔn)確預(yù)測(cè)。文獻(xiàn)[4]基于隨機(jī)森林算法對(duì)智能電表進(jìn)行故障及壽命預(yù)測(cè)，預(yù)測(cè)準(zhǔn)確度分別達(dá)到了86%和89%，實(shí)現(xiàn)了智能電表故障預(yù)測(cè)的可能。

電網(wǎng)公司在現(xiàn)有的用電大數(shù)據(jù)下，如何利用此數(shù)據(jù)庫成為研究的重點(diǎn)，因此，本文基于用電大數(shù)據(jù)和機(jī)器學(xué)習(xí)[5]技術(shù)，設(shè)計(jì)構(gòu)建一種智能電能表異常評(píng)估系統(tǒng)。從智能電能表所計(jì)的用電量、運(yùn)行的電壓、運(yùn)行的電流、電表記錄的異常事件和檔案信息等多方面進(jìn)行異常分析，對(duì)運(yùn)行的智能電能表進(jìn)行運(yùn)行正常、計(jì)量異常和非計(jì)量異常進(jìn)行分類并對(duì)智能電能表進(jìn)行評(píng)估預(yù)測(cè)[6]。

1 智能電能表異常評(píng)估系統(tǒng)總體構(gòu)架

1.1 設(shè)計(jì)目標(biāo)與主要功能

本系統(tǒng)通過與計(jì)量自動(dòng)化系統(tǒng)、營銷管理系統(tǒng)進(jìn)行數(shù)據(jù)接口對(duì)接，獲取到用戶電能表真實(shí)的原始記錄，在智能電能表異常分析模型對(duì)數(shù)據(jù)進(jìn)行分析處理進(jìn)行異常分類，同時(shí)通過機(jī)器學(xué)習(xí)的方法對(duì)原始數(shù)據(jù)進(jìn)行訓(xùn)練，獲取到每塊電能表的評(píng)估值進(jìn)行故障預(yù)測(cè)。該系統(tǒng)在項(xiàng)目投資、計(jì)量裝置管理、計(jì)量裝置運(yùn)維等方面具有重要意義。

從功能上進(jìn)行劃分，系統(tǒng)分為數(shù)據(jù)采集區(qū)、接口區(qū)、數(shù)據(jù)處理區(qū)、展示區(qū)三大功能項(xiàng)。

數(shù)據(jù)采集區(qū)包含了用電數(shù)據(jù)采集系統(tǒng)和數(shù)據(jù)中間庫或用電大數(shù)據(jù)平臺(tái)等系統(tǒng)。

接口區(qū)主要是通過接口程序從計(jì)量自動(dòng)化系統(tǒng)、營銷管理系統(tǒng)數(shù)據(jù)推送到的中間庫中獲取原始數(shù)據(jù)并將數(shù)據(jù)發(fā)送至數(shù)據(jù)處理區(qū)。

數(shù)據(jù)處理區(qū)通過數(shù)據(jù)處理模塊接收到接口同步的采集系統(tǒng)的原始數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理后結(jié)合智能電能異常分析模型對(duì)電能表進(jìn)行評(píng)估，得出電能表異常分類以及異常評(píng)估值，并將數(shù)據(jù)進(jìn)行入庫操作。

展示區(qū)是Web 應(yīng)用，通過Web 面向系統(tǒng)用戶將系統(tǒng)分析處理的數(shù)據(jù)結(jié)果進(jìn)行展示。

1.2 系統(tǒng)總體構(gòu)架

智能電能表異常評(píng)估系統(tǒng)采用Oracle 數(shù)據(jù)庫和實(shí)時(shí)庫技術(shù)，實(shí)現(xiàn)電能表數(shù)據(jù)分析功能。其結(jié)構(gòu)圖如圖1所示。

圖1 系統(tǒng)總體構(gòu)架圖

系統(tǒng)總體構(gòu)架主要是由基礎(chǔ)設(shè)施、應(yīng)用支撐平臺(tái)以及功能應(yīng)用組成，系統(tǒng)整體安全遵循一定的安全技術(shù)要求搭建，其中包括數(shù)據(jù)安全、運(yùn)行環(huán)境安全和功能應(yīng)用安全等方面，系統(tǒng)數(shù)據(jù)輸入和輸出遵循一定的原則規(guī)范。

1）基礎(chǔ)設(shè)施：基礎(chǔ)設(shè)施主要是由系統(tǒng)所需的基礎(chǔ)設(shè)備構(gòu)成，包括功能數(shù)據(jù)庫服務(wù)器、應(yīng)用服務(wù)器、操作系統(tǒng)、網(wǎng)絡(luò)以及系統(tǒng)運(yùn)行的環(huán)境設(shè)施。

2）應(yīng)用支撐平臺(tái)：主要是系統(tǒng)開發(fā)所需的軟件。

3）功能應(yīng)用：智能電能表在線監(jiān)測(cè)評(píng)估、異常分析、異常數(shù)據(jù)管理以及Web 應(yīng)用展示等。

1.3 數(shù)據(jù)庫設(shè)計(jì)原則

系統(tǒng)在設(shè)計(jì)、開發(fā)和完善各個(gè)階段，需要重視相關(guān)文檔和程序的注釋，對(duì)于每一個(gè)細(xì)小的改動(dòng)都需要在文檔中進(jìn)行詳細(xì)的描述，對(duì)于代碼的修改需要做到每一個(gè)代碼的刪減、增加或修改都務(wù)必注釋。確保每一個(gè)接觸到系統(tǒng)的人都能夠從文檔描述中理解系統(tǒng)的設(shè)計(jì)思路，從每行代碼注釋中了解系統(tǒng)是如何實(shí)現(xiàn)各個(gè)功能應(yīng)用。

數(shù)據(jù)庫設(shè)計(jì)的原則主要包括：

1）數(shù)據(jù)存儲(chǔ)采用先進(jìn)先出[7]的原則。數(shù)據(jù)庫中按照分析結(jié)束時(shí)間順序?qū)Σ槐匾臄?shù)據(jù)進(jìn)行刪除，只保留系統(tǒng)評(píng)估結(jié)果，如：正常電能表評(píng)估、異常電能表評(píng)估等。對(duì)于原始數(shù)據(jù)，只保留異常電能表的原始數(shù)據(jù)，不會(huì)存儲(chǔ)全部原始數(shù)據(jù)。數(shù)據(jù)刪除采用先進(jìn)先出滾動(dòng)刪除的方式，間接減輕數(shù)據(jù)庫存儲(chǔ)壓力。

2）采用模塊化設(shè)計(jì)。按照系統(tǒng)開發(fā)、應(yīng)用需求，將系統(tǒng)劃分為不同的相互獨(dú)立的系統(tǒng)模塊，并通過一定的規(guī)范定義各個(gè)模塊間的數(shù)據(jù)交互方式。通過模塊化設(shè)計(jì)，在完善系統(tǒng)功能的時(shí)候只需按需求塊進(jìn)行修改完善，不破壞數(shù)據(jù)交互關(guān)系的情況，不影響其他模塊之間的運(yùn)行。

3）程序代碼采用面向?qū)ο蠓庋b，通過將定義方法的程序進(jìn)行封裝，將各個(gè)功能邏輯進(jìn)行封裝，通過相關(guān)接口可以直接調(diào)用程序，不必關(guān)心封裝程序內(nèi)部原理，極大提高系統(tǒng)可維護(hù)性。

4）完善文檔描述、代碼注釋。每一個(gè)細(xì)小的修改都務(wù)必進(jìn)行描述和注釋，確保注釋覆蓋達(dá)100%。

2 智能電能表異常分析原理

2.1 技術(shù)原理

隨著數(shù)字化建設(shè)不斷發(fā)展，大數(shù)據(jù)處理、分析、應(yīng)用在統(tǒng)計(jì)分析中的地位越來越至關(guān)重要。通過大數(shù)據(jù)獲取到用戶的用電信息進(jìn)行實(shí)時(shí)數(shù)據(jù)和歷史數(shù)據(jù)進(jìn)行存儲(chǔ)分析，運(yùn)用聚類算法對(duì)存儲(chǔ)的數(shù)據(jù)進(jìn)行分類，根據(jù)數(shù)據(jù)偏離聚類中心的程度按一定的原則進(jìn)行歸類，通過構(gòu)建的智能電能表狀態(tài)評(píng)估決策樹[8]，對(duì)不同信息系統(tǒng)中獲取的數(shù)據(jù)進(jìn)行提煉處理，從而達(dá)到自動(dòng)提取電能表關(guān)鍵狀態(tài)量和一定的評(píng)價(jià)規(guī)則。針對(duì)運(yùn)行電能表評(píng)估后的結(jié)果，進(jìn)行數(shù)據(jù)追蹤以供運(yùn)維人員獲取基本運(yùn)行數(shù)據(jù)并有針對(duì)性的進(jìn)行現(xiàn)場(chǎng)處理。

2.2 基于用電大數(shù)據(jù)和模糊聚類分析處理

從電網(wǎng)公司的營銷管理系統(tǒng)和計(jì)量自動(dòng)化系統(tǒng)中獲取到具有利用價(jià)值的用電大數(shù)據(jù)，通過一定的技術(shù)手段[9]實(shí)現(xiàn)對(duì)用電數(shù)據(jù)進(jìn)行分析處理以達(dá)到智能電能表異常分類的目的。大數(shù)據(jù)技術(shù)主要包括大數(shù)據(jù)輸入、大數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)挖掘、共享和交換等。

通過獲取到用電實(shí)時(shí)數(shù)據(jù)和歷史數(shù)據(jù)，針對(duì)判斷原則特征對(duì)數(shù)據(jù)進(jìn)行分析，確定正常數(shù)據(jù)并對(duì)異常數(shù)據(jù)進(jìn)行分析。采集到的用電大數(shù)據(jù)樣本為X={x1,x2,…,xn}，其中每個(gè)樣本Xi均有n個(gè)特征指標(biāo)，即Xi={xi1,xi2,…,xin}，將樣本劃分為C 類（2 ≤C≤n）。模糊聚類的算法思路就是從用電大數(shù)據(jù)樣本中找到一個(gè)隸屬度矩陣和聚類中心使得目標(biāo)函數(shù)最小，公式表示如下：

式中，V表示為聚類中心。

式中，U表示為采集到的用電大數(shù)據(jù)樣本Xi的隸屬度矩陣。

式中，uji表示的是第i類數(shù)據(jù)隸屬于第j類聚類中心的程度，且約束條件為P表示為加權(quán)指數(shù)，P∈[1,∞],當(dāng)P=1 時(shí)，模糊聚類方法就變換為C 均值聚類，通常情況下我們將P=2 時(shí)分類效果較為明顯；dji表示的是樣本Xi與第j類聚類中心之間的距離，用歐氏距離[10]函數(shù)表達(dá)，如公式（4）表示：

使minJ(U,V) 達(dá)到極小點(diǎn)，U'和V'應(yīng)該滿足以下條件：

得出U'和V'，按照以下判定準(zhǔn)則對(duì)樣本進(jìn)行分來：

1）按樣本與聚類中心距離判定： 若dji=min(dji)(1 ≤j≤m)，則將樣本Xi歸屬于第j類；

2）按樣本對(duì)聚類中心隸屬度最大判定：若uji=max(uji)(1 ≤j≤m)，則將樣本Xi歸屬于第j類。

2.3 智能電表異常評(píng)估決策樹構(gòu)建

在機(jī)器學(xué)習(xí)算法中比較常見的有樸素貝葉斯算法、支持向量機(jī)算法和決策樹算法（ID3、CART、C4.5）[11-15]。首先樸素貝葉斯算法準(zhǔn)確率不高，其次是支持向量機(jī)算法運(yùn)算時(shí)間較長，經(jīng)過分析比較3 種算法中決策樹算法最為適合基于用電大數(shù)據(jù)的應(yīng)用。

在決策樹算法中，CART 算法無法進(jìn)行多類別分類，只能形成局限于“是非”分類的二叉樹；在ID3 算法中無法處理數(shù)據(jù)樣本的連續(xù)特征，而且ID3 算法不能滿足假如某個(gè)屬性存在數(shù)據(jù)缺失的情況，同時(shí)在ID3 算法中未考慮到“過擬合”，針對(duì)用電數(shù)據(jù)特性和數(shù)據(jù)采集情況，ID3 算法無法滿足要求，所以本文考慮采用C4.5 決策樹算法進(jìn)行闡述。

1）計(jì)算整個(gè)樣本集的信息熵[16]。

式中，H(X) 表示為樣本集X的信息熵；pi表示為樣本集X中第i類樣本所占比列，i=1,2,…,n。

2）若離散型的屬性A數(shù)據(jù)存在于m個(gè)數(shù)據(jù)值，記為A1,A2,…,Am，假設(shè)使用屬性A數(shù)據(jù)對(duì)樣本集X進(jìn)行劃分，會(huì)產(chǎn)生m個(gè)分支樹節(jié)點(diǎn)，其中Xm為在第m個(gè)節(jié)點(diǎn)上取值為Am的樣本，每一個(gè)分支樹節(jié)點(diǎn)的權(quán)重記為|X|，引入信息增益率，則為：

公式（7）中，I(X,A) 表示為屬性A數(shù)據(jù)對(duì)樣本集合X劃分所得的信息增益；IR(X,A)表示為信息增益率；HA(X)表示為屬性A數(shù)據(jù)對(duì)樣本集合X的特征熵。

利用信息增益率，對(duì)屬性數(shù)據(jù)進(jìn)行決策樹建立，選擇信息增益率最大的屬性作為決策樹節(jié)點(diǎn)，進(jìn)而豐富決策樹通過對(duì)樣本集進(jìn)行訓(xùn)練，最終實(shí)現(xiàn)對(duì)數(shù)據(jù)的分類評(píng)估。如圖2所示，以電能表負(fù)荷曲線為例，對(duì)電能表進(jìn)行評(píng)估分類。

圖2 電壓事件決策樹示意圖

3 智能電能表異常評(píng)估系統(tǒng)應(yīng)用

3.1 智能電能表異常診斷方法

智能電能表異常診斷方法分為采集異常、裝置異常和運(yùn)行異常三個(gè)方面，每項(xiàng)異常之間存在一定的關(guān)聯(lián)度并賦予相應(yīng)的權(quán)重，如表1所示。

表1 智能電能表部分異常分析關(guān)聯(lián)表

3.2 系統(tǒng)功能應(yīng)用

智能電能表異常評(píng)估系統(tǒng)基于用電大數(shù)據(jù)分析，實(shí)現(xiàn)異常檔案分析、事件記錄分析、數(shù)據(jù)異常分析、接線異常分析、計(jì)量異常分析、異常告警、高風(fēng)險(xiǎn)裝置數(shù)據(jù)跟蹤、電能表綜合評(píng)估等功能應(yīng)用，如圖3所示。

圖3 功能結(jié)構(gòu)示意圖

1）異常檔案分析：針對(duì)總表變比異常、臺(tái)區(qū)無總表、臺(tái)區(qū)多總表、無戶表、歷史檔案異常、戶變檔案異常進(jìn)行分析。

2）事件記錄分析：結(jié)合電能表內(nèi)存儲(chǔ)的事件記錄信息，分析電能表運(yùn)行情況。

3）數(shù)據(jù)異常分析：包括示數(shù)上跳、示數(shù)下跳、表底翻轉(zhuǎn)、電量突增等分析，針對(duì)換表和追補(bǔ)電量的情況，進(jìn)行異常白名單自動(dòng)過濾。如圖4所示，通過系統(tǒng)統(tǒng)計(jì)分析出電能表異常數(shù)量并能夠?qū)崿F(xiàn)準(zhǔn)確定位。圖5是電能表異常明細(xì)表。

圖4 電能表異常統(tǒng)計(jì)界面

圖5 電能表異常告警界面

4）接線異常分析：利用電能表接入的相序、電壓、電流等情況，結(jié)合接線異常典型模型分析接線是否異常。

5）計(jì)量異常分析：針對(duì)疑似表底停走、總表計(jì)量問題、用戶表超量程、互感器過載、臺(tái)區(qū)輕載和重載等可能影響計(jì)量誤差的情況進(jìn)行分析，判斷出異常裝置并形成異常明細(xì)清單。

6）異常告警：對(duì)異常計(jì)量裝置主動(dòng)發(fā)出告警信息。如圖6所示，按照電能表異常模型診斷出異常對(duì)其主動(dòng)發(fā)起告警信息并生成相應(yīng)處理工作單。

圖6 電能表異常告警工單查詢界面

7）高風(fēng)險(xiǎn)裝置數(shù)據(jù)跟蹤：按照《用電計(jì)量設(shè)備缺陷標(biāo)準(zhǔn)庫》等級(jí)對(duì)重大及以上的異常裝置進(jìn)行數(shù)據(jù)跟蹤至恢復(fù)正常。

8）電能表綜合評(píng)估：結(jié)合批次電能表、運(yùn)行情況進(jìn)行分析，對(duì)電能表進(jìn)行綜合評(píng)估，制定合理的評(píng)分細(xì)則，將電能表按輕重緩急的原則進(jìn)行分類，提供輪換依據(jù)。

4 結(jié)束語

智能電表在運(yùn)行過程中由于環(huán)境、人為以及產(chǎn)品質(zhì)量等原因?qū)е鲁霈F(xiàn)異常，針對(duì)用電數(shù)據(jù)、接線情況、計(jì)量問題等方面進(jìn)行分析，對(duì)電能表提出相應(yīng)的輪換（處理）意見，并對(duì)電能表做出異常評(píng)估，使目前批次電表統(tǒng)一輪換的傳統(tǒng)方式向有針對(duì)性的輪換方式轉(zhuǎn)變。本文提出了一種智能電能表異常評(píng)估的系統(tǒng)，主要作用如下：

1）基于用電大數(shù)據(jù)技術(shù)實(shí)現(xiàn)對(duì)檔案信息、事件記錄、用電數(shù)據(jù)、接線情況、計(jì)量問題等方面進(jìn)行分析，并自動(dòng)進(jìn)行異常分類。

2）利用決策樹算法的機(jī)器學(xué)習(xí)方法實(shí)現(xiàn)對(duì)智能電能表異常的評(píng)估，按照等級(jí)劃分針對(duì)高風(fēng)險(xiǎn)電能表進(jìn)行異常跟蹤。