客戶停電時間自動采集及智能分析方法研究

李朔宇 曾耀英 吳 迪

(廣東電網公司東莞供電局，廣東 東莞 523000)

客戶停電時間自動采集及智能分析方法研究

李朔宇 曾耀英 吳 迪

(廣東電網公司東莞供電局，廣東 東莞 523000)

隨著社會信息化進程的不斷推進，如何實現信息自動反饋成為供電企業的重要任務?，F從計量自動化的角度入手，提出了基于計量自動化系統的停電時間自動統計分析方法，同時以提高供電可靠性為目標，建立了基于數據挖掘技術的停復電判定模型。實證研究表明，該方法是有效的，能準確統計分析判斷停復電時間，實現自動分類統計、智能預測與分析等核心功能。

計量自動化；停復電；數據挖掘

0 引言

客戶停電時間是衡量供電企業持續供電能力的重要指標，是電網規劃建設、生產運行、營銷服務等方面質量和管理水平的綜合體現。準確統計客戶停電時間是提高供電可靠性、減少客戶停電時間這一系統工程的前提和基礎，也是客戶停電時間管理的一項重要內容[1-3]。因此，準確統計客戶停電時間既符合廣大客戶的根本需求，也是電網企業的使命所在。

當前，大多地區供電局已將廠站遙測子系統、配網監測子系統(覆蓋專變、配變、公變等用戶計量裝置)、低壓集抄子系統等進行集成，然后在3個子系統之上建立高級應用子系統，從而形成完整的計量自動化系統，其可對現場計量終端、電表的數據進行遠程抄讀，在對這些數據進行分析、處理后可以進行更深層次的應用，其中專變用戶、公變的停電信息的采集與自動記錄停電時間也是計量自動化系統的一個特色功能。通過對計量自動化系統進行數據挖掘，依托計量自動化系統自動采集負控終端和配變終端的停復電時間，結合一定的邏輯判斷，與營銷管理信息系統(或營配信息集成平臺)內的停電時間進行自動匹配和比對，能較好地實現停電時間自動采集和統計功能。

本文提出了基于計量自動化系統的停電時間自動統計分析方法，同時以提高供電可靠性為目標，建立了基于數據挖掘技術的停復電判定模型[4-5]。實證研究表明，該方法是有效的，能準確統計分析判斷停復電時間，實現自動分類統計、智能預測與分析等核心功能。

1 停電時間及其統計

1.1 計量自動化系統

計量自動化系統由主站、現場終端[4]和通信信道3部分組成，實現對電廠、變電站、公變、專變、低壓用戶等發電側、供電側、配電側和售電側數據的采集與監測功能。

由于計量自動化系統建設周期長，先后經歷過廣東電網公司一系列規約的修訂工作，目前《廣東電網公司大客戶負荷管理終端技術規范》、《配變監測終端負荷管理終端技術規范》按修訂年份可分為“0511”、“0810”、“0903”3種規約版本，其停電信息采集功能統計情況如表1所示。

表1 各規約版本對應采集功能

關于終端停電時間統計功能測試及維護，根據不同類型終端，制定相應方案。具體終端特點及數據采集方式分類如下：0511規約硬件已不滿足功能要求，以更換為主；0810規約使用停電告警功能；0903規約主要使用終端任務上送停電信息。

1.2 終端停電信息采集機制

終端上送停電時間信息的方式分為2種：一是終端通過任務上送停電時間信息。即終端本身具有的停電統計功能，記錄的數據包括：上1～10次停電記錄(發生時刻、結束時刻)；當月及上1～12月停電總時長；當月及上1～12月停電次數。二是終端停電告警。當終端主電源電路不能正常工作時，將形成終端停電告警；而終端由停電狀態轉為主電源工作狀態時，則產生終端停電恢復告警。通過終端上送的停電及恢復告警時間可統計出相應客戶的停電時間信息。

停電時間自動統計工作難點主要有以下幾方面：早期安裝的終端本身不具備通過任務上送停電時間的統計功能；早期安裝的終端電池老化失效，無法上報終端停電及恢復類的告警；部分終端安裝現場由于無線通信信號不穩定，導致負荷數據缺失，造成停電時間信息的誤報；部分終端電池老化引起時鐘異常，導致終端運行數據時間與實際時間不一致，當計量自動化系統主站對終端對時成功后，會導致部分負荷數據缺失。

1.3 停電時間自動統計分析

計量自動化系統停電時間信息記錄的數據源如下：(1) 基于終端上送的停復電信息；(2) 負荷數據缺失時間。通過接口將處理后的停電時間信息發送到營銷系統，與營銷系統中記錄的停電時間進行校驗，并給出最終的停電時間，實現停電時間統計的準確性，確保將時間信息誤報、漏報的情況降至最少。

計量自動化系統每天凌晨在系統主站對上一天的15 min凍結運行曲線數據進行補采完成后，進行停電數據的邏輯判斷，具體判斷流程如圖1所示。

圖1 主站分析判斷方案

對有停電/復電告警時間上報的終端停電時間邏輯判斷如下：

(1) 接收到終端來電告警信息時，主站自動判斷告警時刻是否與主站時鐘偏差較大，如果偏差大于閾值(默認為30 s)，將終端記錄的停復電告警時刻點修正為終端上傳告警時間的主站時刻點。

(2) 每天凌晨在計量自動化系統中15 min凍結任務數據補采完成后，對前一天的終端上送數據進行過濾，針對上送的停電時間檢查計量點在停復點時間段的負荷數據缺失情況，若無負荷數據缺失情況，則認定該停電時間記錄為無效記錄。

(3) 在對終端上報信息初步過濾的基礎上，開展單邊告警信息分析判斷。只有停電、沒有來電告警，根據負荷等運行數據判斷，一旦有負荷數據，則為來電。只有來電、沒有停電告警，根據來電時間點往前推移，尋找最近一個有運行數據的負荷點，則為停電時間點。

2 停復電判定模型構建

2.1 數據抽取及預處理

建立停復電判定模型，主要是收集歷史停復電用戶信息及相關數據特性，形成專家樣本庫，并通過構建停復電判定模型，實時監測用戶用電信息，以便及時發現停復電現象。

通過前期調研分析，能夠表征停電時間的計量數據指標主要有負荷異常和終端報警等。根據《停電時間清單》中的關鍵時間節點，即停電開始時間點和結束時間點，從計量自動化系統中抽取節點前后各一天范圍的實時負荷及報警類數據等，具體包括：

(1) 告警數據。計量點號、用戶編號、停電告警/復電告警、告警時間(計劃停電時間內往前、后各推一天范圍，如計劃停電時間2012-06-12T08：30—15：30，則數據抽取時間為2012-06-11—2012-06-13共3天)。

(2) 運行數據。計量點號、用戶編號、所屬線路、數據時間(15 min采集，抽取數據范圍同上)、A/B/C三相電壓、A/B/C三相電流。

(3) 拓撲關系。計量點號、用戶編號、所屬線路。

(4) 營配停電時間。計量點號、用戶編號、所在供電單位、停電開始時間、停電結束時間。

數據抽取后即需進行預處理，數據預處理就是對選擇的數據進行增強處理的過程，包括從原始的未加工的數據到構造最終用于建模分析的數據集的所有活動，這也是構建停復電判定模型過程中最耗時的環節。

2.2 指標體系建立

模型構建是否合理，評價指標顯得尤為關鍵。通過對部分地市供電局相關業務人員的訪談及相關數據分析，歸納總結出停復電判定指標體系。

停復電判定指標體系設計原則如下：(1) 評價指標能真實反映停復電狀態。(2) 樣本數據方便采集，即評價指標數據能從系統獲得。

在與業務人員深入溝通及反復分析歷史停復電案例的基礎上，初步確立了停復電判定指標體系，共包括6個指標，如圖2所示。

圖2 停復電判定指標體系

(1) 計劃停電：采樣范圍內是否計劃停電，數據來源于營配系統。(2) 停電告警數：采樣范圍內停電告警次數。(3) 上電告警數：采樣范圍內上電告警次數。(4) 運行數據：采樣范圍內是否有運行數據，如A、B、C相電流，A、B、C相電壓等。(5) 時鐘狀態：最近一次時鐘對時，時鐘狀態分3種情況：1) 歸零；2) 匹配(與計劃停電時長一致，但時鐘停擺)；3) 正常。(6) 同線路下停電狀態：同一線路下是否有多個終端在同一時刻停電，分為：1) 一致；2) 不一致。

2.3 模型構建

停復電判定可通過構建分類預測模型來實現，比較常用的分類預測模型有人工神經網絡。本項目主要基于模糊神經網絡(FNN)進行停復電建模，流程如圖3所示。

圖3 模糊神經網絡建模流程

針對本項目的實際情況，模糊神經網絡各層說明如下：

第1層：輸入層，本項目中輸入層節點數為6，即對應6個輸入節點，分別對應影響停復電判定的6個指標(見圖2評價指標體系)。

第2層：模糊化層，本項目中輸入變量共6個(X1，X2，…，X6)，將每個輸入變量劃分為3個模糊度(即模糊集合Ai，當i=1，2，3時)，6個變量共劃分為6×3=18個模糊度，每個節點的激活函數分別為輸入變量Xi的各個模糊度的隸屬度函數(即μA(x)，當i=1，2，…，m時)，其輸出分別為輸入變量Xi的各個模糊度的隸屬度函數值，是[0，1]之間的值。

……

本項目中，隸屬度函數μA(x)采用高斯函數：

其中，c為隸屬度函數的中心；σ為隸屬度函數的寬度。建模開始時，c和σ通過隨機函數初始化，之后在網絡訓練過程中不斷修正調整，直至穩定。

第3層：模糊推理層，該層每個節點只與第二層中每個節點中的一個等相連，共有節點數為6個3相乘，也就是有6個3相乘條規則。

第4層：去模糊化層，節點數為輸出變量模糊度劃分的個數，本項目為2，即對應總體評價的2個類別：停復電和非停復電。該層與第3層的連接為全互連。

第5層：輸出層，該層將第4層各個節點的輸出轉換為輸出變量的精確值。該層節點數為輸出變量的個數，本項目為1個，即是否停復電。

本項目中可選擇部分數據作為驗證樣本進行模型的評價驗證，模型建立起來之后，即可發布模型，并設定好模型定時執行的時間計劃。

3 結語

本文提出了客戶停電時間自動統計及停復電判定模型?？蛻敉ｋ姇r間自動統計功能的實現標志著計量自動化系統實用化水平的縱深發展，現今計量自動化系統已不僅僅是自動抄表的系統，還是線損統計分析、優質服務、需求側管理、調度管理、停電時間自動統計和營銷決策等業務的重要技術支撐系統。

基于計量自動化系統的數據挖掘功能，能使企業將統一的電網設備和客戶信息、基礎資料和拓撲關系與業務高度融合，實現停復電時間數據自動采集與處理、自動分類統計、智能預測與分析等核心功能。

[1] 藍毓俊.2003年世界上幾起大停電事件的經驗、教訓和啟示[J].供用電，2005(1)

[2] 曹一家，江全元，丁理杰.電力系統大停電的自組織臨界現象[J].電網技術，2005(15)

[3] Prabha Kundur.電力系統穩定與控制(翻譯版)[M].北京：中國電力出版社，2002

[4] Vera Figueiredo，Ftima Rodrigues，Zita Vale.An Electric Energy Consumer Characterization Framework Based on Data Mining Techniques[J].IEEE Transactions on Power Systems，2005(2)

[5] M. Sforna.Data mining in a power company customer database[J].Electric Power Systems Research，2000(55)

2014-08-26

李朔宇(1979—)，男，湖南雙峰人，工程師，從事電力營銷、計量自動化系統技術研究工作。