闫福录? 杜瑞?王凯武
国网临汾供电公司 041000
摘 要：当前，很多电网都存在异常用电现现象，对电力系统正常运营造成了不良影响，需要采取先进技术进行监测与排查，解决异常用电问题。本文对如何进行供电台区运行电压异常、重载过载台区和窃电监测进行分析，可供相关人员参考。
关键词：大数据技术； 异常用电； 状态监测； 重载过载； 窃电
1引言
虽然电力系统自动化建设取得很大成效，但运行过程中异常用电现象还没有完全解决，会对正常的电网运营管理带来不利影响，会存在电力设备损坏、断路器跳开等现象，也会导致电力设备运行异常、电能计量异常和提高运营风险等级等问题。异常用电轻则对用电设备运行造成影响，严重情况下引起线损变大、电能流失和设备损坏，给电网运营企业带来较大的经济损失。采用大数据挖掘技术可以对供电台区电压异常、重载运行、用户窃电等用电行为特征进行分析，可通过界面将监视情况向电网运营部门展示，可以更好地保证电网安全、高效运行。
2研究方法
对供电台区安装智能数据采集电能表和管理终端，可以不间断获取到客户用电信息，主要对电压、电流、功率等电能参数进行采集与分析年，通过光纤、载波等方式将数据信息发送给服务器，并将采集数据存储到数据库中。服务噐运行数据可以更为真实、准确地反映出现场电力设备在不同条件下的运行状况，用户的异常用电行为会使采数据超出正常区间，监测到运行数据异常现象，就可以发现异常用电。spark模块是针对电网运行形成的海量数据而设计的计算引擎，计算中间结果可以存储到内存，不需要再另行读写HDFS，可以满足数据深度挖掘和机器学习的迭代计算方法，该模块中还配置有内存分布数据集，可以为用户提供交互式查询，也可以智能配置迭代工作负载，实现任务分配的优化。建立起大数据信息平台，根据spark组件内存运行特征，提前将阈值分析装载到内存，经过主节点将计算任务分配给不同子节点，通过不断迭代计算来获取异常结果，再将每个子节点异常数据信息返送给主节点，再经过算子汇总出迭代计算得到的异常运行信息。将复杂运算任分划分为多个计算单元，需要由多个服务器来加入到计算任务中，可以有效降低计算复杂程度，也可以提升数据信息准确率。
3?供电台区运行电压异常监测
3.?1?异常数据选取
信息采集系统可以获取到供电台区总表的三相电压运行数据，可以对过电压、低电压等异常数据进行准确筛选，并存储到业务数据中心数据库，可以为台区维修保养提供数据。数据处理需要从供电台区数据库提取A、B、C相的原始运行数据来进行分析。在对台区基础数据信息进行提取时，采用Spark组件来获得台区编号、电表ID、公变容量等数据，将其存于Spark组件来进行后续处理。应用电网营销业务处理体系统内的量测类型编码、供电单位编号、供电台区编码、数据信息采集时间，将其并入到用电采集系统数据库用于查询三相电压信息，并结合关联电表ID号，为后续分析和断别创造条件。应用数据挖掘组中的Sparksql来调取数据库配置信息，主要有供电台区电表编码、接线方式、门限阈值等，再把配置数据转变为广播变量值。把关联后的供电台区数据及监测数据存储在Data Frame内。
3.?2?数据异常筛选
对采集到的供电台区运行数据信息进行清洗、去重后再存储到Data Frame内，最终确定供电台区名称、容量、编号、用电类型和等级、三相电压等作为主要内容。
将公司编码、电表台区、采集时间和监测类型进行接装处理，获取到内存电能表监测数据，主要有三相电压表测量数据和采集时间，再结合供电台区电压阈值分析规则，对电压过高、过低、用户窃电导致的台账不符和异常数据进行标记，创建异常数据清单，为后续处理打下基础。采用spark将异常数据信息清单批量导入到中心数据库。
3.?3?阈值分析规则
当监测到三相电压归0，发出报警信号，台区总表任一相电压与额定电压存在偏差超过20%，可以视作过电压。偏差小于10%可视作低电压，如果上述现象持续出现需要发出报警信号。供电节点电量表与每个用户用电总和不符，则认定为存在用户窃电行为，发出报警信号。
3.?4?结果分析
按照确定的台区异常用电分析规则，每个月份发出预警信号问题进行统计分析，电压异常由三相四线电能表导致的报警现象较为普遍，通过深入挖掘接线方式、用电容量、采集时间等进行多维度筛选，可以调取出不同相电压值、异常用电发生时间、计量方式等信息，通过监测系统进行查询与操作，可以提高工作效率和筛选准确率。
4?重载过载台区分析
调用营销业务系统台区表、编码表、客户表和电能曲线表，台区运行数据量为15G、编码表信息量为8.5G、客户电能表数据为10G，曲线表数据量为32G。台区运行容量没有在标准容量范围内，可以标定为异常运行数据。最大负载率超过100%，可以视作重载，需量负载超过80可以视作过载，负载率超过100%可视作重载。三相电压、电流数据抄写不成功，该采集点不作为最大视在功率。
5?反窃电采集与检测
以大数据挖掘分析技术作为基础，创建负荷变化曲线，可以用作窃电行为检测和线损分析管理，避免漏电或窃电给电网运营企业造成损失。在电能监控节点安装电能统计装置，与监控范围内用户电表数所总和进行比对，则可以提高窃电检测成功率。同时，电力负荷在不同的时间段会存在差异，负荷高峰期对电能有着更多的需求，用电低谷期则需要进行合理调度，可以提高电网运行经济性。电量数据采集是进行电能监测的重要手段，与大数据挖掘技术进行结合，对线损数据进行分析，可以更为准确地发现用户窃电。在对电网进行定期检修的前提下，线损可以视作固定数值，偏差也应该在规定0-10%范围内，但用户窃电具有不确定性，窃电时间、台区、数量都无法掌握，采用线损数据监测就是某区段线路线损长期超过10%，则可以视作该线路存在窃电行为，应该组织工作人员对线损原因进行排查。可以对供电区域每间隔30min供电线路运行数据进行采集分析，将全天供售电量数据进行结合，就可以得到特定时间段内的线损改变情况。从电网运营经验来分析，如果某段线路超过10%线损，应该存在电能表故障、用户窃电、线路受损等现象，可以从线损率上直观体现出来，线损会超过合理区间。
6?结论
综上所述，采用大数据挖掘技术，与电网运营企业的业务营销系统进行数据共享，在不同节点安装电能统计装置，加强对线损的监测，可以更加有效地发现台区电压异常、重载过载、用户窃电等异常用电现象，再对采集到的数据信息进行筛选与清沅，合理设定报警阈值 ，可以实现对电压质量监测，不再采用传统人工方式进行排查与分析，及时发现并处理异常用电行为。
参考文献：
[1]崔灿. 面向智能用电的非侵入式居民负荷监测关键技术研究[D].华北电力大学(北京),2017.
[2]谭致远. 基于用电行为分析的在线用电异常及风险监测系统的设计与实现[D].华南理工大学,2015.
[3]郭威. 基于用电信息采集系统的线损异常数据挖掘研究及应用[D].华北电力大学,2016.
[4]眭旻. 电能计量设备异常情况监测系统的研究[D].东南大学,2018.
[5]韩锋,杨飞,燕重阳,李国亮. 基于时间序列分析的用户异常供用电自动监测系统设计[J]. 自动化与仪器仪表,2020(03):184-187.