智能用电大数据下分析台区线损管理的要点

发表时间：2020-12-10T15:23:41.923Z 来源：《当代电力文化》2020年22期 作者： 李丁山[导读] 智能电网建设下台区线损问题也随之增多

李丁山

国网天祝县供电公司 甘肃省武威市733211

摘要：智能电网建设下台区线损问题也随之增多，随着窃电问题的增加如何做好台区线损管理成为供电企业面临的一大难题。智能用电大数据技术下做好台区线损分析，能够为相关工作提供支持。文章以此为基础对智能用电大数据分析台区线损管理展开探讨。 关键词：智能用电；大数据；台区线损；线损管理 引言

电力系统长期以来关注低压台区线损治疗，在国网公司推行同期线损的背景下，分压综合线损、10千伏中压线损治理的要求越来越高。为进一步了解配电网设备的运行情况，监测计量装置，分析客户用电特点，需要运用监测系统、用采分析，并将信息收集系统当成前提，汇总相关数据，针对Hadoop、Mapreduce等框架，融合RDBMS、HBASE、HDFS，基于数据结构，灵活应用数据挖掘工具，同时借助各种分析模型，快速定位，帮助企业实现效益挖潜增效。 1传统台区线损管理不足之处

在传统的台区线损管理工作中,工作人员需要每个月定期收集抄表数据,之后进行线损计算,结合标准的线损指标,对比、分析出存在较高线损的台区,还要针对这一台区进行用电检查、突击监测、整改优化及线损分析工作,从而减低线损,提高电力企业的运行经济效益;同时工作人员还需要每个月对高线损台区开展一次巡视与整改工作,不能够中断。这种方法能够在一定程度上提升电力企业的运行水平,但是仍然存在明显的局限性,比如:第一,定期检查的方法缺乏不能够全面考核各个台区的线损管理情况。在实际线损管理指标传递的过程中,缺乏现场监督与指导,且缺乏激励制度,工作人员容易产生懈怠心理,不利于高效开展线损管理工作。第二,线损统计限制性较强。在实际工作中,工作人员的线损统计工作只能够到达台区,且需要消耗大量的时间与精力在排查工作中,难以快速开展工作;若台区情况较为复杂,则需要调动大量的人力资源,且排查效果一般,极容易发生二次高线损问题。 2影响台区线损合格率的因素

台区线损异常主要有两类。一是负线损台区，是指线损率小于零的台区，引起的主要原因包括：台区考核表数据采集不成功；台区考核表计量不正确；考核表倍率信息不正确；用户电能表台区划分不正确等。二是高线损台区，引起的主要原因包括：考核表倍率信息不正确；电能表或互感器等设备存在故障，导致计量不准确；存在漏抄户表或其他没纳入主站统一采集的用电设施；三相不平衡；存在窃电行为等。

3智能用电大数据下分析台区线损管理的要点 3.1建立全量台区信息档案

目前台区的基础信息档案是由生产PMS新建后推入营销系统，营销系统再推入采集系统，流程较为繁琐，且营销系统台区信息档案中包含用户全量档案信息，但是缺少拓扑、线径、线路长度、表计计量数据信息，PMS中包含了台区的拓扑、地理位置等信息，但是缺少分级总表计量点、表计、用户、表计计量数据信息。台区分层分区管理首先是在系统中完整体现台区档案，重点是通过对台区分层计量数据的深度计算应用，通过数据计算结果展示实现台区分层分区管理。 3.2精准分析异常问题

要想充分发挥智能用电大数据技术优势,提高反窃电能力,建议工作人员搭建不同的台区线损管理模型,提高线损分析的精准性。在实际过程中,工作人员可以结合实际情况,分别搭建决策树模型、户变关系分析模型等。在实际过程中,工作人员在利用决策树模型时,可以利用递归算法,优化设置相应的节点,合理计算台区线损,明确台区内的线损问题,且对台区内的节点容量、用户容量进行计算,若计算结果显示为0.33～1.50,则表示线损合理,若超出这一范围,则需要采取一定措施,对节点位置进行故障维修与处理,从而提高用电系统运行的安全性。 3.3采集数据分析

第一，台区总表数据分析。通过采集系统分析台区总表连续7天有无表码、倒走、飞走、停走、三相电流不平衡、失压、断相、逆相序、电能表故障更换、异常开盖等事件，确定台区线损异常原因。第二，用户电能表数据分析。采集系统自动分析台区用户电能表是否存在连续7天无表码、倒走、飞走、停走、故障更换、异常开盖事件等情况，确定台区线损异常原因。第三，时钟分析。统计分析总、分表与日历时钟偏差、台区总表时钟与台区下用户电能表时钟偏差情况，是否存在电能表时钟超偏差，导致采集数据异常，进而确定台区线损异常原因。第四，集中器与主站参数一致性分析。比对分析主站与集中器参数设置是否一致，分析参数设置差异情况，确定是否影响台区线损计算。第五，采集异常分析。分析台区总表通信端口设置情况，台区总表采用RS485方式通信，采集系统中通信端口是否设置为2；分析用户电能表通信端口设置情况，系统与现场序号是否一致、系统与现场规约是否一致、系统与现场通信地址是否一致、系统中通信端口是否设置为31。

3.4模型搭建和工具支撑

利用中压线路与其所属用户本身存来的拓扑归属关系，结合大数据技术，建立电量比对模型、相关系数模型、聚类分析模型、时间序列模型，通过上述模型组合验证分析，能够有效从中压线路整体宏观角度，准确定位线损变化拐点时的疑似用户，结合现场稽查，大大提高营销稽查人员工作效率。同时借助数据中心硬件资源、大数据平台，来完成整个项目，不需外购其他工具。利用多种大数据分析模型组合分析，从线损异常直接影响因素入手，从线路整体宏观层面开展异常分析，准确定位疑似窃电用户，预期能够有效协助专业部门完成中压线损异常用户准确定位，提高线损稽查工作效率，大量节省基层单位营销工作人员现场巡查时间，提升营销基础管理水平。 3.5可开放容量管理

现有台区管理模式下，台区经理人多是“凭经验，靠感觉”预测台区可开放容量，粗放的管理方式造成了台区负荷重、线路易老化、分级支线容量分配不均匀、台区线损居高不下、分布式电源接入后台区整体健康情况下降。台区的可开放容量是结合了对现场各分级总表计量点、普通用电计量点、光伏发电计量点电能量的计算，对台区下各支线线径理论最大承载量的识别，对分布式电源安装节点及导致台区

中负荷较大用户的规划，形成了台区、分级支线可开放容量预测，支线中分布式电源容量接入位置预测、普通新装用户容量接入位置及已有用户容量分割预测，将容量统计分析结果反推送至生产PMS，形成台区管理反哺，真正实现台区可开放容量精准化管理，保障台区健康稳定运行。

3.6关注线损情况,不断优化用电模式

要想充分发挥智能用电大数据技术优势,提高反窃电能力,建议工作人员关注台区内的线损情况及其变化,将线损数据作为优化用电模式的重要依据。在世界过程中,工作人员要认识到线损管理的重要性,利用上述手段适当降低台区内的线损,以此保证台区供电稳定。与此同时,工作人员要通过优化用电模式降低线损,在一定程度上提高电力资源利用率;工作人员可以结合现阶段的四种不同的用电模式供客户选择,分别为:节省电费模式、节约用电模式、响应中断模式、最小排放模式,充分发挥不同用电模式的应用优势,结合客户的不同情况调度安排。 结语

综上所述，在大数据时代背景下，运用多种数据分析模型，从影响线损异常的要素着手，宏观分析配电网的整体线路，精确定位疑似窃电客户，帮助相关部门完成稽查工作，切实提高电力营销服务的整体水平，结合线损实际情况采取有效的降损措施，利用大数据提高线损数据采集、分析、管理的整体水平，推动我国电力事业的稳定发展。 参考文献

[1]邓斯德,施思.智能电表及集抄技术在台区线损管理中的应用探究[J].自动化应用,2018,22(11):89-90. [2]刘道新,胡航海.配电网同期线损监测系统的设计与实现[J].电子设计工程,2017,25(5):42-49.

[3]刘恒,汪旭祥,李帆.基于HPLC通信技术的台区线损率准确性提升分析[J].自动化应用,2018,17(9):110-111.