研究远程识别用电性质差错的一种新方法

研究远程识别用电性质差错的一种新方法

林思远

深圳供电局有限公司广东深圳518000

摘要：深圳地区商住两用楼较多。很多因为历史原因存在有高价低接等违约用电情况。造成了这种问题广泛存在且分布较为分散的现状。应对这种问题却没有十分行之有效的方法。更多的是根据用电检查的现场经验，对于专变居民合表以及用电量大的居民表进行核查，以及对于居民楼进行普查。这种方法针对性不强，工作量巨大，另外一方面，工作效果也不够明显，急需研究一种新的识别用电性质差错的方法。

关键词：远程识别用电性质

一、设定目标及可行性分析

1.1目标设定

1.1.1找出不同用电性质的用电负荷曲线

1.1.2设计算法根据负荷曲线来对用电性质进行分析，实现远程识别用电性质

1.2目标可行性分析

1.2.1双覆盖的完成使得数据容易获取

随着公司低压集抄及智能电表双覆盖的建设完成，可以很方便得得到用户，台区的日电量曲线，而不需要耗费大量的人力物力去进行电量，功率数据的采集。

1.2.2多种软件工具使得数据容易分析

双覆盖保证了数据的完整性和实时性，但通过人力来对如此大数量的数据来进行分析显然不现实，而matlab，python等多种软件工具使得对大数据的定量分析不再是问题，对数学模型的优化也成为可能。

二、提出方案并确定最佳方案

2.1提出整体方案

基于本项目课题研究远程识别用电性质差错的新方法，小组成员利用思维导图初步对识别新方法提出了三种方案：

1.通过对负荷曲线的分析来进行识别；2.通过求取特征值来识别；3.通过求取特征值以及负荷曲线部分数据来进行识别

2.2确定整体方案

根据对三种整体方案的选择与比较，对曲线特征值及部分准确值来进行分析的方案不仅满足了我们的基本需求，而且在可行性，灵活性以及准确程度方面都优于另外两种方案，因此选取对负荷曲线特征值及部分准确值来进行分析的方案来作为最终方案。

2.3方案细化

整体方案由3个部分构成，下面对3个部分逐项分析，并进行选择以确定最佳方案。

2.3.1特征值的选取

通过对特征值进行穷举，得到8类特征值，由于日负荷峰谷差能够通过日复核最大值以及最小值来得到，因此对剩余7类进行分析。

2.3.2特征值的初始化

根据以上分析，选取以下三个值来作为观测对象的特征值：

其中，为观测最大负荷/电量，为观测最小负荷/电量，为平均负荷/电量；为峰谷差率；为负荷率；为日最大负荷利用时间。利用与最大负荷的比值来作为特征值，能够很好提升方法的覆盖能力，避免因观测对象的变化导致发生误判。

2.3.3具体时点的选取

对具体观测时点的选取，有以下方案：

对实时数据进行分析工作量大，在已经有特征值的情况下，可以选取部分具体时点来进行分析，选取每小时的具体值来进行分析。

2.4确定最佳方案

结合上述分析，最佳方案如下：

实施流程：

三、方案实施

3.1居民用户电量数据的采集及处理

对居民用户两个月的日冻结表码进行采集，总共对10个居民用户两个月内的60个日冻结表码进行采集。

将采集到的用户表码数据进行处理，得到用户电量数据，并根据用户最大电量进行电量数据初始化

备注：

电量=今天冻结表码-上一天冻结表码

电量（初始化）=电量/观察周期内的电量最大值

根据得到的电量初始化值来对观测对象作图

将所有观测对象的电量数据处理完毕后，利用excel来做出用户的电量曲线：

由图像可以观测到居民用户用电情况与用电时间关系较大，因此选择用电时间对应星期几作为图表的横坐标。根据观测对象的电量曲线，通过excel求趋势线的方法来拟合出居民用电的用电综合曲线：

可以观察到居民用户的总体用电趋势为工作日用电量较少而休息日用电量较多，也与实际情况相吻合。

3.2对商业用电表码进行采集及处理

将采集到的用户表码数据进行处理，得到用户电量数据，并根据用户最大电量进行电量数据初始化

备注：

电量=今天冻结表码-上一天冻结表码

电量（初始化）=电量/观察周期内的电量最大值

将所有观测对象的电量数据处理完毕后，利用excel来做出用户的电量曲线：

由图像可以观测到商业用户用电情况与用电时间关系较大，因此选择用电时间对应星期几作为图表的横坐标。根据观测对象的电量曲线，通过excel求趋势线的方法来拟合出商业用电的用电综合曲线：

可以观察到商业用户的用电总体趋势为工作日用电量较多而休息日用电量较少，也与实际情况相吻合。

3.3根据观测值及综合曲线得出特征值及偏差值的允许范围

3.3.1居民用户特征值允许范围的求取

通过归属分类及综合等效的结果，分别对观测对象以及综合曲线进行特征分析，可以得到以下特征值取值范围：

3.3.2居民用户偏差值允许范围的求取

运用excel中的SUMXMY2函数能够很简单的计算出两组数值之间的偏差大小，利用此函数，可以比较方便地得到居民用户偏差值的允许范围：

因此，当观测对象满足：

0.4156<k1<1；0.3903<k2<0.7620；23.8141<k3<46.4879

且观测用户与综合电量曲线偏差小于3.1878时，便可判断为居民用电

3.3.3商业用户特征值允许范围的求取

通过归属分类及综合等效的结果，分别对观测对象以及综合曲线进行特征分析，可以得到以下特征值取值范围：

3.3.4商业用户偏差值允许范围的求取

类似求取居民用户的偏差允许范围，同样利用excel中的SUMXMY2函数来求取商业用户偏差值的允许范围：

因此，当观测对象满足：

0.8806<k1<1；0.3170<k2<0.5922；19.3401<k3<36.1293

且观测用户与综合电量曲线偏差小于3.1993时，便可判断为商业用电

四、目标检查

4.1目标值确认

小组活动设定的目标为：（1）找出不同用电性质的用电负荷曲线；（2）设计算法根据负荷曲线来对用电性质进行分析，实现远程识别用电性质。

经过P阶段选定最佳方案并制定对策以及D阶段进行对策实施后，分别为居民用户及商业用户建立了综合电量模型，确定了两种用电性质的用电负荷曲线，并通过数据分析，分别确定了特征值以及偏差值的范围以便来进行用电性质的判断。目标值均已达到。

4.2性能检查

分别选取两个用户来进行模型效果检查：

经与营销系统核对，判断无误，本方法能够进行正确判断。