范晓旭
国网霍林郭勒市供电公司 内蒙古 通辽市 029200
摘要：用电信息采集系统目标是成为电力公司和用户的用电信息沟通平台，能帮助电力公司的管理提供可靠完整的信息，实现业务功能模块的扩展。
关键词：用电信息；数据；统计；分析
按国家电网公司关于智能电网建设的战略部署，用电采集系统将作为智能电网建设中的关键模块。用电采集系统承担着用电信息自动采集、高效共享和实时监控的重要任务,是智能用电服务体系的重要基础和用户用电信息的重要来源。本文对用电信息系统运行数据的统计与分析进行了论述。
一、用电信息采集系统概述
用电信息采集系统是采集客户实时用电信息的平台,是运用通信技术、计算机技术、自动控制技术对电力负荷进行监控和管理的综合系统,其功能包括用电信息的自动采集、负荷控制、防窃电、低压集抄等。
二、采集异常紧急程度分析模型
1、采集异常处理紧急程度。将其定义为:采集异常处理成功后对采集成功率、远程抄表核算比率、台区线损正确可算率等业务指标的提升效果。
2、月平均用电量分析模型
1)月平均用电量取值。①按一定区间划分用户月用电量。②统计出各类用户的月平均用电量,然后依据用户最多类型的用电户平均电量作为标准用电户月用电量。
2)建模过程。①数据搜集。将某省242402个台区根据容量分布分类,并统计某年度台区公用变压器月电量及相应容量公变下居民、非居民(单相、三相)电量情况。
②数据核查。经统计,以250kVA及以下居民用户为基准,其电量约为100kWh左右,315kVA及以上单相用户是其2倍左右,250kVA及以下非居民三相表是其3倍左右,315kVA及以上非居民三相表是其10倍左右。公变下单户居民、非居民电量缺失引起的线损波动率情况如图1所示。由图1可知,当一个单相用户电量缺失时,将引起台区线损波动在0.6%～0.7%,当一个非居三相用户电量缺失时,将引起台区线损波动在3.5%左右。③标准户分类。以居民用户和非居民单相表用户月用电量为标准户电量分界点:小于等于200kWh为1户标准户,大于200kWh且小于等于1000kWh为2户标准户,大于1000kWh为3户标准户。
.png)
3、异常持续时间分析模型
1)取值。认定每个电表的异常每持续一天就会造成一天电量监控损失,其电量监控损失按累加方式计算。
2)建模过程
①数据搜集。对10000户居民和10000户非居民用户的日用电量进行分析。
②数据核查。计算每日10000户居民和10000户非居民用户的用电量标准偏差,并从小到大排列。确定其电量标准偏差值小于17的居民用户数占总数的92%,非居民用户数占总数的88.75%。
认定90%左右的用户日均电量波动小,所以模型以一个月内的日平均电量作为故障天数造成的单日损失监控电量。为能准确预估指定用户当前月的用电量,参考该用户上一年同月份用电量、上一个月用电量和前3日用电量,它们之间的比例是5：2：3,计算方法为:
.png)
4、距离下一抄表日天数分析模型
1)取值。采用断面统计方式,统计持续N天无抄表数据的电能表数分布情况。
2)建模过程
①数据搜集。图2所示为持续N天无抄电能表数据的电能表数分布统计,从图2可看出，持续2～8天的故障电表用户占总故障用户数的59.06%,将近60%；持续9～21天无抄电能表数据的用户占总故障用户数的30.72%,将近30%；持续22天及以上占比10.22%,将近10%。
.png)
②数据核对。抄表例日的抄表数据最为重要,该日数据缺失将直接导致抄表成本提高。距离下一抄表日越近,异常处理紧急度越高。从分析数据看出,将近60%的采集异常在8天时间内都会被处理,所以选择8天作为阈值,距离天数超过阀值的该因数影响为0,距离天数在阀值内越小则处理紧急度值越大。
3)建立模型。
.png)
5、故障处理时间紧急度值分析模型
1)取值。以24907294户低压用户全月抄表数据为分析样本,即1个月内至少出现3次及以上101…,1001…,10001…,100001…组合(其中1代表抄表成功,0代表抄表失败)情况的用户按集中器类型、地域进行统计。
2)建模过程
①数据搜集。Ⅰ型集中器出现间歇性故障的表计采集故障率平均值为5.49%,表征组内个体间离散程度的标准偏差值为0.0107。
Ⅱ型集中器出现间歇性故障的表计采集故障率平均值为2.73%,表征组内个体间的离散程度的标准偏差值为0.0071。
②数据核对。Ⅰ型集中器出现间歇性故障的表计采集故障率明显高于Ⅱ型集中器,主要是低压台区线路分支多、延伸地域广、现场用电环境复杂等原因导致低压电力线载波通信不稳定。而Ⅱ型集中器下行通信主要是RS485双绞线通信,因此更为稳定,但对同一类型集中器,间歇性故障发生比率较为稳定。
针对1个月内出现4、5、6、7次间歇性故障的Ⅰ型、Ⅱ型集中器下的用户清单按电能表厂家进行统计,进一步计算电能表厂家发生故障比率,Ⅰ型基本约为0.227%,Ⅱ型基本约为0.061%。
对Ⅰ型、Ⅱ型集中器下的用户终端厂家进行统计,计算终端厂家的发生故障比率,Ⅰ型基本在0.247%左右、Ⅱ型基本在0.055%左右。
经统计,无论是Ⅰ型集中器还是Ⅱ型集中器,1个月出现3次及以上的间歇性故障主要集中在101这种类型上,3天内自动恢复的间歇性故障占间歇性故障总数量的90%以上。
3)建模结果。间歇性故障未呈现聚集性效应,存在一定的离散特性,且3天内自动恢复的间歇性故障占比90%以上。由于目前在采集异常类型中无单独生成间歇性故障,故采集运维闭环管理中的故障处理时限并不能表征故障处理的难易程度,因此该因素不作为紧急度值输出的影响因素。
6、数据分析结论。对单个表计紧急度值,目前主要有“离下一抄表日天数”、“异常持续时间”和“月平均用电量”3个影响因素。总体工单紧急度值是该工单所包含的故障电表紧急度值的累加,即“故障电能表数量”产生影响。但和“故障处理时间”不发生直接关系,故该因素不考虑,将以上几类因素综合考虑得出以下紧急度值模型公式:
.png)
四、结语
1、采集异常处理紧急程度模型的应用:自动计算出总体的紧急度值,并指导异常处理的先后次序,使日常采集运维工作有的放矢,达到事半功倍的效果。
2、采集异常处理紧急程度模型的优化:可纳入更多更为精确的变量,如:预估指定用户的月用电量、本用户年度同比增长用电量等的影响因数等,提升模型的预测能力。
参考文献：
[1]卢玲.智能电网下的用电信息采集[J].硅谷,2015(13).
[2]吴亮.用电信息系统运行数据的统计与分析[J].浙江电力,2017(04).