國網安徽省電力有限公司互聯網辦公室（信通公司） 陶 軍 張 勇 唐 波 邵 杰 朱筆揮

1 引言

我國在農村通過電力網絡向用戶輸送和分配電能，農用電網主要由110kV及以下輸電、配電線路和變電所構成，農村用電電源主要來自大電力系統(tǒng)，也有來自各種類型的中小型發(fā)電廠和發(fā)電機組。當前農用電具有用電季節(jié)性強、小型用電設備多、自然功率因數低、裝置容量利用小時數小、供電成本高等特點。

2020年，黃山市茶葉產量4.8萬噸，較2019年增長了7.2%。制茶產業(yè)作為黃山地區(qū)鄉(xiāng)村振興、農民致富的特色支柱，總體上來說，在地區(qū)上有一定的集中分布性，在當地農用電高峰時間段體現的非常明顯。同時由于市場競爭的加劇，農用電茶企設備迭代更新速度的明顯加快，在以往制茶季農用電高峰期間，經常會出現階段性茶企低壓情況，對當地農用電供電運行保障質量提升帶來了極大的挑戰(zhàn)。

2 以制茶用戶為例的研究思路

以制茶用戶為例，包括制茶企業(yè)、制茶作坊及制茶農戶，用戶分布特點與茶葉產地的分布有明顯的相關性，即相關的企業(yè)或用戶都會選擇在茶葉產地附近進行生產相關活動，有明顯的聚集性。因此可以從產地聚集性，確定制茶用戶的范圍，并通過變壓器信息臺賬信息，進一步確定用戶的范圍；茶葉采摘有明顯的季節(jié)性，相關茶葉生產也有明顯的季節(jié)性，其用電規(guī)律與其他企業(yè)有較大的差異，可通過用戶的用電規(guī)律識別制茶用戶，具體分析步驟如下：

根據制茶用戶產地、所屬臺區(qū)，圈定待測用戶所屬臺區(qū)。

通過線上采集、線下收集等多種方式，從營銷、采集等相關業(yè)務系統(tǒng)或其他渠道收集用戶基礎檔案信息、用戶所屬臺區(qū)信息、用電統(tǒng)計信息等數據，并根據數據之間的關聯關系進行數據的整合和處理。

針對標記的制茶用戶，從業(yè)務和數據合理性多個角度對數據進行觀測和清洗，剔除異常用戶及數據，結合已有數據，從多維度構建改造用戶離散特征體系，通過改造前后差異性對比，篩選顯著特征。

對標記的用戶進行聚類。同時計算待測用戶與標記制茶用戶的相似度，使用機器學習算法識別疑似制茶用戶。

3 制茶用戶識別研究

3.1 數據收集

已知制茶樣本用戶中，共計6044戶，其中4、5、6月份電量連續(xù)為0的戶數為1242戶，剔除該部分異常樣布用戶數據，有效樣本數據為4802戶。

已知的制茶樣本用戶行業(yè)及用戶數分布如表1所示。

表1 制茶用戶分布情況

制茶樣本用戶所在行業(yè)集中在如下行業(yè)：“農業(yè)”“精制茶加工”“農、林、牧、漁專業(yè)及輔助性活動”“其他農副食品加工”“鄉(xiāng)村居民”“林業(yè)”“房屋建筑業(yè)”。其中，“鄉(xiāng)村居民”“林業(yè)”“房屋建筑業(yè)”用戶數特別少。

3.2 用戶用電特征分析

3.2.1 用戶月用電特征分析

如圖1所示，制茶用戶在每年的5月份，存在較大的用電峰值；部分制茶用戶在每年的6月份，存在較小的用電峰值。同時，不同的供電單位之間制茶用戶月電量分布存在差異。

圖1 2020年制茶用戶月電量特征

3.2.2 用戶日用電特征分析

從2020年4月5號開始，制茶用戶日平均用電量遞增，逐步進入采茶季。分別計算每個制茶用戶3月1號至3月10號的平均日電量、3月11號至3月20號的平均日電量、3月21號至3月31號的平均日電量、4月1號至4月10號的平均日電量、4月11號至4月20號的平均日電量、4月21號至4月30號的平均日電量，作為每一個制茶用戶的日用電特征。

3.3 基于曲線聚類的用戶識別研究

基于電力用戶負荷曲線進行聚類分析，是獲得典型負荷分布和按負荷特性對用戶分類的重要手段，對于負荷預測、負荷控制、用電異常檢測甚至電價目錄制定和開發(fā)營銷策略等都有理論和實際意義，目前對負荷曲線聚類的方法有很多，各有優(yōu)點與不足[1-3]。

圖2 2020年制茶用戶日電量特征

圖3 聚類效果圖

制茶用戶聚類效果如下：

通過聚類，將制茶用戶聚為4類：“l(fā)abel_0”類用戶數20戶；“l(fā)abel_1”類用戶數123戶；“l(fā)abel_2”類用戶數208戶；“l(fā)abel_3”類用戶數191戶。

其中l(wèi)abel_0類用戶主要聚集的是5月月電量5000千瓦時上下的用戶，這一類的制茶用戶5月月用電量非常大且用電規(guī)律特別集中；label_1類用戶主要聚集的是5月電量2500千瓦時上下的用戶，用戶的用電規(guī)律同樣相對集中；label_2類用戶主要聚集的是5月電量1500千瓦時上下的用戶，用戶的用電規(guī)律相對于label_0及l(fā)abel_1較弱；label_3聚集的是用電量相對較小的用戶，總體上來說，這一類制茶用戶表現出5月用電量較高的用電趨勢。

3.4 識別效果研究

依據目前訓練的用電模型，對有效樣本制茶用戶4802戶，剔除熟練模型用731戶，對剩余的4071戶進行識別驗證，有3790戶被識別為制茶用戶，識別準確率為93.1%。

綜上，本文以黃山用電采茶用戶的精準識別方法為例。首先，基于黃山市采茶用戶的用電數據信息，開展制茶用戶的用電特征分析；其次，基于制茶用戶的用電特征采用曲線聚類+knn判別方法進行進行分析，最終將用戶劃分為4類。用該方法對其它用戶進行識別，模型識別準確率較高。該方法的研究和應用，為電力公司助力黃山茶企等農村用電企業(yè)發(fā)展，提高農用電供電能力，改善農用電電能質量，增強農用電保障力度夯實農用電智慧建設基礎。