鞠默欣，唐偉寧，于 歡，白云峰，孔凡強，宋昊燃，倪鵬翔，戰(zhàn)春雨

（1.國網(wǎng)吉林省電力有限公司營銷服務中心，長春 130062；2.國網(wǎng)長春供電公司，長春 130021）

0 引言

隨著用電信息采集系統(tǒng)的建設與發(fā)展，目前已實現(xiàn)對現(xiàn)場運行計量裝置的在線監(jiān)測［1］，但對用戶異常用電、計量裝置異常等監(jiān)測效果并不理想，尤其是對10 k V線路專用變壓器（以下簡稱專變）用戶、公用變壓器（以下簡稱公變）臺區(qū)異常情況缺乏精準可靠的監(jiān)測分析手段，這些異常不但給電網(wǎng)公司造成經(jīng)濟損失［2］，也給安全可靠用電帶來巨大隱患。傳統(tǒng)上，營銷一線人員根據(jù)專業(yè)經(jīng)驗和業(yè)務規(guī)則，通過現(xiàn)場摸排定位和處置異常用電情況，存在效率低、成本高等問題?；鶎庸ぷ魅狈?shù)字化技術手段，亟須利用大數(shù)據(jù)算法，實現(xiàn)對10 k V線路異常計量點和異常原因的快速精準定位，提升用電異常、裝置異常的處理效率，保證電力用戶安全用電，電網(wǎng)公司不受損失。

本文以配電線路為分析單元，基于能量守恒定律構建專變計量點誤差模型，利用大數(shù)據(jù)算法適配模型參數(shù)，準確計算各計量點誤差值，匹配異常用電用戶計量點負大超差特征，定位異常用電用戶范圍，提升檢出率和檢測效率。針對誤差模型輸出的異常用戶集合，通過構建專家診斷模型，結合異常事件、業(yè)務場景等進行綜合診斷研判，實現(xiàn)異常用電用戶精準定位。

1 基于能量守恒定律的專變、公變計量誤差分析模型

1.1 數(shù)據(jù)信息預處理

開展專變、公變異常計算分析，首先須明確需要的數(shù)據(jù)信息，包括一體化線損系統(tǒng)的設備信息、電站-線路關系、線路-配電變壓器關系等，用電信息采集系統(tǒng)計量點信息、臺區(qū)檔案信息、電量數(shù)據(jù)、負荷數(shù)據(jù)等，營銷業(yè)務應用系統(tǒng)用戶信息、計量裝置檔案信息等。采用孤立森林異常檢測算法［3］，對數(shù)據(jù)完整性、有效性進行檢測及準確識別。綜合多維度電能量數(shù)據(jù)信息，基于移動平均、回歸分析、數(shù)據(jù)轉換等算法，對識別出來的異常數(shù)據(jù)、缺失數(shù)據(jù)進行智能填充、平滑處理，提高模型計算所需數(shù)據(jù)的完備性與準確性。

1.2 基于能量守恒定律的專變、公變計量誤差計算模型

明確10 k V線路及其所帶專變、公變臺區(qū)的對應關系，以線路為分析單元，由一個供電計量點和若干個負載計量點組成。供電計量點與負載計量點的關系組成了簡單的樹形拓撲，見圖1，線路供電計量點為下一級負載計量點提供能量輸入。

圖1 10 k V線路物理拓撲

由此，構建基于電能守恒定律得到電能表電量的總分數(shù)學關系，即：

式中：yin為流入電量，包括關口計量點流入電量、專變、公變計量點流入電量和聯(lián)絡開關流入電量；yout為流出電量，包括專變、公變計量點流出電量和聯(lián)絡開關流出電量；ε為損耗電量，包括線路損耗、變壓器損耗（高供低計）以及固定損耗。

由此，可以建立線路流入計量點、專變、公變計量表及表誤差、線路損耗及計量設備固定損耗的關系方程：

式中：yd為關口計量點流入電量；εd為關口電能表的計量點誤差；yl為聯(lián)絡開關流入電量，l＝1，2，…，m，表示有m個聯(lián)絡開關；εl為聯(lián)絡開關電能表的計量點誤差；yj為專變、公變計量點流入電量，j＝1，2，…，p，p＋1，…，p＋q，表示有p個公變計量點，q個專變計量點；εj為專變、公變計量點計量誤差；φl為聯(lián)絡開關計量點流出電量；φj為專變、公變計量點流出電量；εy為線損率；εk為變壓器損耗（髙供低計）；ε0為固定損耗。

利用遺傳算法［4］適配模型參數(shù)，準確計算各計量點誤差值，匹配異常用電用戶計量點負誤差特征，定位異常用電用戶范圍。

在實際生產(chǎn)環(huán)境中，計量點、拓撲、損耗的具體情況可能會存在各種差異，須對模型進行適當?shù)恼{整和優(yōu)化，主要有如下4類典型場景。

1）聯(lián)絡開關。根據(jù)動態(tài)檔案劃分為不同的虛擬線路，對于無表開關，將變化前后的線路打包進行計算。

2）物理線損。采用壓降法對線損進行估計。

3）線路拓撲。獲取變壓器經(jīng)緯度數(shù)據(jù)、高頻電壓電流數(shù)據(jù)，利用這些數(shù)據(jù)通過聚類的方法，對線路的拓撲進行識別。

4）計量方式髙供低計。根據(jù)變壓器信息獲取對應的變壓器損耗，在模型求解時對計量誤差進行修正。

2 基于專家診斷方法的專變、公變異常用電分析模型

2.1 典型診斷方法

基于電力數(shù)據(jù)本身的電氣數(shù)據(jù)邏輯關系、營銷業(yè)務規(guī)則，梳理相應的檔案信息、負荷曲線等數(shù)據(jù)之間的關系，分析異常用電、竊電等電力數(shù)據(jù)相關因子，構建專家診斷方法，基于能量守恒模型分析結果綜合研判，實現(xiàn)對專變、公變異常用電的精準定位。

1）負荷區(qū)間識別。即識別負荷區(qū)間段分布情況。開展負荷區(qū)間識別的目的是減少干擾數(shù)據(jù)，提升整體識別效率和準確率，根據(jù)專變、公變96點電流曲線是否在對應閾值范圍內(nèi)，將負荷區(qū)間劃分為生產(chǎn)區(qū)間和生活區(qū)間。其中，生活區(qū)間為閾值小于1／4分位電流的時段，生產(chǎn)區(qū)間為閾值大于3／4分位的電流且大于2／3合同容量計算對應的電流時段。

2）失壓。即某相電壓出現(xiàn)持續(xù)性或間歇性失壓。對電流、功率等關聯(lián)性進行綜合分析，在三相電流變化趨勢相同，判斷某相電壓是否出現(xiàn)持續(xù)性失壓或間歇性失壓。

3）電流爬坡。一般對于電機類用戶，在電機啟動階段，會出現(xiàn)三相功率因數(shù)、電壓變化趨勢相同，某相電流相比其他相電流差距較大。對生活負荷時段到生產(chǎn)負荷時段變化的用電時段功率進行微分，如果功率增長保持恒定，則定義此時間段為“爬坡啟動”數(shù)據(jù)區(qū)域。該時段內(nèi)，如果三相電流的微分值不一致，且達到閾值，則輸出異常。

4）周期性過負荷。即用電特征周期性超負荷。針對私自增容用戶，分析周期的生產(chǎn)時段內(nèi)視在功率、電流、需量最大值是否超閾值，以及對應的超閾值次數(shù)、均值、波動率。

5）分相有功異常。分相有功異常識別方法是指某相電流為負且該相功率因數(shù)為負，功率因數(shù)幅值較大且變動與電流變動正相關。同時需要通過電流與量程占比判定是否為高負荷，排除無功補償引起的情況誤判。

6）高頻磁槍。高頻磁槍等竊電使電能表停止計量，無脈沖輸出，采集終端采集數(shù)據(jù)失敗，導致數(shù)據(jù)間歇性的缺失。數(shù)據(jù)缺失階段，缺失前后的電能示值斜率有差別，示值增量在數(shù)據(jù)缺失階段明顯小于擬合后重新計算結果。

7）費率時段異常。即費率時段電量與負荷情況不匹配。計算電能表每日的有功總增量、各費率有功總增量，計算各費率示值增長估計情況，將這兩種數(shù)據(jù)進行比較，判斷是否存在全部電量增長只在費率的谷時段，但負荷在其他時段也有發(fā)生的情況。

2.2 基于機器學習的竊電特征庫

構建專變、公變異常用電特征庫，采用機器學習算法，挖掘新的數(shù)據(jù)特征，結合現(xiàn)場核查反饋信息，持續(xù)積累竊電特征庫，對專家診斷模型迭代優(yōu)化，實現(xiàn)對各類用電異常的有效識別，基于機器學習的竊電特征庫的優(yōu)化流程見圖2。

圖2 基于機器學習的竊電特征庫優(yōu)化流程

通過深入挖掘專變、公變電量數(shù)據(jù)、負荷數(shù)據(jù)，開展數(shù)據(jù)周期特征自比較，結合工作時段和負荷特性，對重點關注對象進行動機分析和場景溯源，將嫌疑發(fā)現(xiàn)與嫌疑排除進行雙向定位，提升異常用電定位的準確性。

3 實踐應用

為了驗證提出方法的有效性，選取94條10 k V線路高壓用戶進行監(jiān)測分析，將相關檔案信息、線路—配電變壓器關系、電量數(shù)據(jù)和負荷數(shù)據(jù)輸入系統(tǒng)后，共輸出5個異常問題，包括檔案問題、計量裝置故障、計量差錯等問題，對以上異常問題開展現(xiàn)場核查，具體情況如下。

1）異常用戶1：系統(tǒng)輸出異常情況為C相不計量、計量誤差偏大，通過現(xiàn)場核查發(fā)現(xiàn)，該用戶現(xiàn)場檢查結果為C相互感器有裂痕，互感器內(nèi)部有故障導致計量不準，現(xiàn)場檢查不易直觀發(fā)現(xiàn)。

2）異常用戶2：系統(tǒng)輸出異常情況為現(xiàn)場倍率與營銷系統(tǒng)倍率不符，通過現(xiàn)場核查發(fā)現(xiàn)該用戶互感器在桿上，登高檢查困難，現(xiàn)場使用儀器帶電測量，發(fā)現(xiàn)倍率差錯。系統(tǒng)倍率為800，與儀器測量倍率1 000不符。

3）異常用戶3：系統(tǒng)輸出異常情況為采集系統(tǒng)與營銷系統(tǒng)倍率不符，通過現(xiàn)場核查發(fā)現(xiàn)該用戶營銷系統(tǒng)倍率1 000，采集系統(tǒng)倍率600，現(xiàn)場核實倍率1 000。

4）異常用戶4：系統(tǒng)輸出異常情況為計量誤差偏大，通過現(xiàn)場排查發(fā)現(xiàn)該用戶聯(lián)合接線盒接線松動，導致計量誤差。

5）異常用戶5：系統(tǒng)輸出異常情況為計量誤差偏大且電壓偏低，通過現(xiàn)場排查發(fā)現(xiàn)該用戶聯(lián)合接線盒A相電壓線接線松動，導致計量誤差。經(jīng)分析，用戶計量裝置位于橋下，車流量大，車輛經(jīng)過時會發(fā)生振動，長期振動后運行時會出現(xiàn)導線接觸不良問題。

由此可以看出，基于能量守恒定律的專變、公變計量誤差計算模型和專家診斷方法不僅可以準確定位現(xiàn)場運行專變、公變異常點，還能夠輔助分析異常原因，解決專變、公變異常缺乏在線監(jiān)測手段的難題，為一線人員提高工作效率提供有效的技術保障。

4 結論

本文對用電信息采集系統(tǒng)、營銷系統(tǒng)、一體化線損系統(tǒng)中用戶用電量、10 k V線路拓撲、線損和用戶檔案等海量數(shù)據(jù)信息進行挖掘與計算，以10 k V專變、公變用戶所掛接的中壓配電線路為分析對象，利用線路拓撲中流入和流出的電量、線路損耗、固定損耗，建立能量守恒方程，快速檢出疑似異常用電范圍。利用專家診斷方法，結合采集系統(tǒng)異常事件數(shù)據(jù)進行綜合研判，精準定位專變、公變異常用電用戶。利用現(xiàn)場核查數(shù)據(jù)建立樣本庫，基于機器學習算法進行用電行為特征提取和優(yōu)化，不斷完善和豐富異常用電特征庫，以達到對不同異常用電行為的有效識別。經(jīng)過實踐應用，進一步驗證該方法的有效性。