1、1电力计量大数据对计量装置运维的应用一、前言 电力行业是一个关系到国民生产的重要行业，用电量是反映一个阶段经济发展状态的一个重要因素。现在为大数据时代，通过数据就可以分析相关状态、偏好和发展趋势，更是对电力的相关数据提出了比较高的考验。本文通过统计学数据分析，提取因子选择平均电流值为检验因素，逐项检验用户的使用特征、厂家和接线方式对电流值的影响，希望找出影响电流不平衡的因素，从而逐渐通过对数据的深度挖掘、分析和应用，实现由系统代替人工开展智能化的异常监测、跟踪定位和分析诊断的目标。 二、统计学方法对计量数据的分析 在这样的大数据时代，电力计量显得尤为重要，如何对电力计量数据进行分析，用何种指标
2、预测信息，就成为了数据时代下一个值得讨论的问题。 与此同时，统计学的发展和应用也成为了大数据数代一个非常重要的工具，SPSS 作为一个集合统计学各类统计方法，进行分析计算的软件，在金融学和管理学中得到了较多的应用。笔者试图用 SPSS 对电力计量数据进行分析，试图分析精确计量的有效指标、电力各类用户的状态和偏好、计量装置提供者的可靠性等，希望能找出更多有利于电力计量和状态判定的方法和依据。 2电力计量，最基本的就是要进行精确计量，通过计量判定用户的状态。以何种指标作为判断的依据，一直以来都是大家讨论的问题。根据统计学基本原理，一个值如果能代表总体的有效性，则需要这个值有较好的信度和效度。要找到
3、检验电力计量准确性的有效指标，关键就是要检验该类值的有效性。 我们通常会使用电流和电压来表述电的状态，那么电流电压究竟能不能作为检验的标准？对此，利用计量自动化系统导出广州某区专用变压器用户数据做了信度和相关度分析。 根据残差分析，以平均电流为要素，可以得出电流的分部接近于正态分布。在此基础上又对平均电流值进行度量可靠性分析，平均电流值得 Alpha 系数为 0.93，大于 0.7，因此可以判断，平均电流值是可以作为电力计量的一个检验性因素。 在此基础上，我们又对电压做了两个相关性分析，发现电压值对于计量方式和接线方式的 pearson 相关性系数都在 0.95 以上，而双侧检验相关系只要在
4、0.01 以上几位显著相关，因此电压也是某些电力用户特征的反映指标。 在验证了电流和电压的有效性的基础上，我们则对一些用户的用电状态进行了分析。由于此次只是初步的探索研究，因此我们只是以 5A 为条件来进行判断。 （如果电流超过 5A，即为超负荷运转。 ）在这里我们主要对电流进行了有关分析。该区整体用户的电流分布碎石图如下： 根据 SPSS 的线性回归分析我们得出了电流在不同类别中的分布图： 上图为该区各镇计量装置电流值分布频率，电流在此有着良好的分3布状态。根据 5A 为标准的分布条件，我们可以得出 1401 甲镇、1405 戊镇、1403 丙镇超 5A 运行用户较多。 因此，我们需要加大关
5、注这三个地方计量设备和线损率，同时也需要分析超负荷运行的原因。据分析，这三个地方的工业较多。为验证工业用电与超负荷的关系，因此，接下来，我们又对用户类别和行业的进行了分析。如下图： 根据对用户类别的分析，我们依次对比（1）大宗工业、 （2）商业、（3）住宅、 （4）非工业、 （5）非工业（学校） 、 （6）农业生产、 （7）稻田排灌、 （8）工地临时，几个用电类别下的电流关系，发现超负荷集中在大宗工业。住宅、学校和农业及稻田排灌负荷较轻。 根据对行业号的分析，我们发现 530000 类别的超负荷现象较多。根据行业号对照表判断为制造业。 由于在用户类别和行业分析中都集中表示大宗工业的超负荷现象较
6、为常见，因此在此之后，我们又对变压器的装接容量进行了分析，如下：根据图表所示，I 类 II 类 III 类这三个计量装置类别中，根据电流值分布频率所示，超 5A 运行的用户集中在 III 类，即在315kVA2000kVA 类别的超负荷现象较为突出。 电力的准确计量，除了用户的使用特征之外，还应该对表厂家和我们的接线方式进行分析。我们把 15 个表厂家也纳入了分析的范畴。分析电流值以查验各表厂家的表的有效性或相关特征。如下图： 由图可知，电流值与厂家不成相关，因此大部分厂家的表都没有超4负荷运行，其中编号（1）兰吉尔的表超负荷运行的情况较为突出，而据现实情况反馈，该厂家的表是运行中表现却较为可
7、靠。针对这一情况，我们调查了花都地区的电能表的品牌情况，发现兰吉尔的表占 42.92%而且都在符合较大的线路上使用，因此兰吉尔大规模的超负荷运转的原因与数量和线路有关。综上，不同的厂家对电流值的影响没有显著相关性。除了分析用户和厂家之外，对于我们自身的工作方式也需要进行分析，我们对自己的接线方式和计量方式进行了分析。试图分析不同种类的接线方式和计量方式是否存在区别。 根据上面两幅图所示，在接线方式方面，三相三线和三相四线两种接线方式对电流的影响几乎没差别。同时在计量方式方面，我们对比了（1）高供高计与（2）高供低计的计量装置电流值分布频率，从个体上说，高供低计超负荷的频率略高于高供高计，但是差
8、别很小。因此电力计量的接线方式和计量方式并不能对电流产生影响，接线方式和计量方式是稳定可靠的。 三、计量装置异常分析应用 通过对计量自动化系统采集的各计量点上的海量、多维度准实时数据的内在关联与逻辑关系进行深入挖掘和分析，分别针对厂站、专变、配变、低压等各类计量装置建立相应的异常监测和智能诊断数学模型和分析方法，实现对计量装置和各级线损进行在线监测并自动筛选、定位故障或异常并对异常情况进行智能分析诊断，代替以往靠人工凭经验进行“大海捞针”排查、筛选式的异常监测和分析，为降低电网风险、反5窃电和降损增效提供更高效、智能的技术手段。 1、针对不同行业性质的用户，不同的用电行为特征，设计异常诊断分析
9、与智能识别模型，综合运用数理统计算法，构建用户故障专家分析模型，实现对故障计量装置的诊断分析与智能识别。 2、以线损、供售电量、负荷、电压、电流、功率因数、三相不平衡率、负载率等采集数据为主要监测对象，设计标准异常监测与异常预警模型，定制风险异常及故障预警规则，准确定位异常计量装置。 3、分析收集以往的典型故障案例，对其历史电量、线损、综合瞬时量、报警等数据的进行反向分析，总结归纳各类故障案例的数据特征库，并建立可以预警的数学分析模型，及时发现用电行为异常的用电户。 4、建立用电行为轨迹异常数据特征库，实时监测是否有新的异常用户，以及对已经发现的异常用户进行一个特定周期的监控，精确定位出异常的
10、计量装置及可能的异常方式。 5、在线反馈，系统自动生成异常诊断报告，以工单的形式传给营销系统，通知运维班组到现场检查、处理故障，确认故障类型及恢复正常计量方式。根据查实的故障案例将结果反馈，归档案例库为并不断修正、完善数据特征库和数学分析模型提供数据支持。 6、与终端运维部门沟通协作，优先轮换容易导致数据异常的终端和升级终端固件程序，优化计量自动化系统数据质量。 四、结束语 在接下来的实践中只有将统计方法进一步与电力计量数据相结合，围绕电网运行及用户用电行为的关联性，结合客户细分理论，针对用电6行为轨迹进行分析。在数据的深度挖掘、分析和应用，由系统代替人工实现智能化的异常监测、跟踪定位和分析诊断。做到事前预防、事中及时发现、事后处理有理有据，最终为计量运维提供智能化的手段，产生更大的经济效益，才能更好地为我所用，发挥电力计量的优势，成为大数据时代的佼佼者。 作者简介 罗?慈?，本科就读电气工程及其自动化专业，研究生就读于中国人民大学。现于广州供电局有限公司系统规划研究中心工作。
