随着用采系统建设日渐成熟完善,国网营销人越来越重视利用用电系统建设成果挖掘用系统数据中蕴含的潜在信息,为设备精细化管理和智能电网运行提供数据支撑。通过同期一体化系统分析计量装置运行情况,及时堵塞“跑冒滴漏”点和挖掉窃电毒瘤,维护好供电秩序。
关键词:用采系统; 线损;计量装置;窃电
1.基于大数据计量异常判别方法研究。
1.1电流电压异常较为明显的判别方法
用采系统开发人员根据设备运行经验和相关规程,对数据源设定阈值,在低于或高于阈值的数据设定为异常数据,为计量工作人员在线监测装置运行情况提供指引。因系统只是对通过设定阈值作简单通用分析,导致中产生大量计量装置运行异常数据,海西公司地域广,异常数据量多,人工逐户进行分析或每都到现场排查,工作效率低,收效甚微。通常依据计量原理,对计量事件中开表盖记录、零火线异常、失压、失流、断相五个维度与计量异常高度强关联指标,结合用户用电习惯、设备属性、运行经验等判断异常原因。
1.2电压电流看似较为正常的情况。
通过阈值和运行经验,可比较容易发现简单的计量异常。但是,台区或专变客户,若单只电流互感器系统和现场实际变比不一致,电流存在倍数的差值,给人一种三相所接带负荷不平衡所致的假象。低压台区可通过供售电量排查出异常原因。单个居民表计如果二次回路短接或分流往往释放出居民长期不在家,家中电器较少,负荷较轻的的信号.同理,专变用户因工作人员接线错误电压电流不同相,以及用户私自更换变比、远程遥控窃电分流等情况均可造成专变用户电压电流幅值、月用量看似正常,理论线损率较大,此类情况,仅开表盖记录、零火线异常、失压、失流、断相五个维度无法判断异常类型。针对此类情况,基于单个用户电量异常将引起同期线损同向变化的工作机理,利用回归分析法,建立异常研判模型,求解出台区或线路所属用户日供电量与其日线损电量的相关系数,根据对数据的反复训练,算出各段相关系数与异常情况的严重性,最终圈定出异常用户。
2.方法应用
2.1电压电流值变化较为明显,超过电能表厂家设定的最大值或低于正常运行设定阈值,通过用采系统召测、同期线损系统对比、电能计量装置事件查询,可判断出计量异常预警的真实原因。比如2020年10月中旬,**伟业冶炼有限公司反映近期未用电,电量电费突增,拒交电费。经海西公司计量部门核查,该户自10月16日后电能表电流值10A以上,与电能表最大电流6A相差较大,电能表无开盖记录,初步断定过电流电能表电流元件损坏。客户反映近期未用电情况不属实,9月份每日平均负荷4000千瓦时,10月份每日800千瓦时。将该数据展示客户后,客户认同,同意交付本月电费。
2.2电压电流看似较为正常的情况
利用台区或线路线损电量的线损率与计量异常客户漏计电量同向变化。在台区或线路中,选取一个线损率不合格的台区或线路,选定一个时间段,对接带用户进行电量统计,形成用户电量数据集x,线损电量数据集y,通过计算公式:
找出相关系数较大的用户。再对相关性弱、中度、强度的用户组合,形成新的数据集x,与线损电量y进行计算,找出新数据集中较大的相关系数,以防止线路中多个用户同时计量异常,单个用户相关程度低,造成分析不准确,漏报的情况。对相关程度较高的用户或数据集借助用采系统采集的日、月的电量,电压电流的变化,精准定位找出异常原因。
通过计算近年已确定潜在计量异常用户与线损电量的样本数据,计算其相关系数C值,根据样本数据中计量异常程度和C值数据的关系,将C值划分5个区间,5个区间对应着异常情况的程度,建立计量异常评价模型,如表1所示。
10kV开二路5月线损率27.72%,损耗电量232975.14千瓦时,随机抽取5天对该线路用户电量统计,通过模型计算,该线路下**塑编有限公司、**搅拌有限公司、线路损耗电量有较高强度的关联性,尤其是**塑编有限公司相关系数近似1,属极强关联。根据模型策略,暂且对**混凝土搅拌有限公司做留观处理,重点核查**塑编有限公司,通过用采系统档案核查,发现该户电压电流看似较为正常,波动较大,存在生产变动较大或计量异常的情况。海西公司营销部协相关部门现场核查发现该户存在远程控制计量电流回路分流窃电嫌疑。
当然,利用该方法前需开展“0”度户和采集异常的排查,只有将0度户属实,采集失败用户消缺后,方可利用该方法进行下一步分析。
3.工作建议
加大采集消缺监控。建议公司营销稽查部门加大对台区监测率和采集成功率不达标线路的关注,尤其是采集覆盖率,采集成功率较低,线损较高的台区、长期采集失败正常用电专变用户以及高损线路重点关注,挂牌督办整改,按照优先提高采集成功率和覆盖率的工作思路,逐步排查治理,提高用采系统数据质量,为下一步大数据模型应用推广提供数据保障。
分级考核线损。对公司对线损偏高台区,建议公司对按照表箱数对电能表进行分层式线损考核。即在每个表箱或台区总表分支处设置一块考核表,用作表箱内用户供售电量考核。
全面治理异常。部分工作人员在计量异常故障出现后,常见的做法是“头痛止痛,脚痛医脚”,更换故障设备,未对故障原因进行分析和检测关联设备,计量装置长期超差运行。针对此种情况,建议公司加大稽查力度,要求处理人员及时提供排查报告或检测说明,督促规范处理计量异常。
客户侧计量点迁移。将计量点设置在客户侧,巡视较为困难的计量点迁移至路边或者人員流动较大的区域,破坏窃电分子的窃电环境条件。
结论
通过五个维度对异常明显装置进行分析,利用数据模型代替人工对对隐藏较深计量异常进线判别,实现计量异常筛选、违约窃电的分析和定位实现模型动态优化,避免了人工经验判断导致的漏错,有效降低人工工作强度,解决计量异常处理全面撒网,成效微弱,反窃查违工作推进不力的问题,初步提升了计量异常判断的自动化、智能化水平。同时利用该模型可进一步挖掘出损耗电量大,线损率合格台区或线路中的异常用户,为公司提质增效提供新的技术手段。
参考文献
[1]唐文斌.基于线损计算分析的反窃电研究[J].广西大学,2015-9-11;