大數據旁引博征計量管理精益化的效果評價

張中興

摘要：隨著社會經濟環境不斷變化，大數據技術在各行各業廣泛應用。而電力行業與人們的日常生活具有密切的關系，應用大數據技術可以全面監測客戶電能使用情況，并對電壓和電流異常信息進行篩選，以及時發現計量裝置存在的問題，使電量損失得到有效的控制，為公司增加更多的經濟效益。

關鍵詞：大數據;旁引博征;計量管理;精益化

中圖分類號：F203;TB9文獻標識碼：A文章編號：1672-9129（2020）03-0092-01

Abstract：Withtheconstantchangeofsocialandeconomicenvironment，bigdatatechnologyiswidelyusedinallwalksoflife.ThepowerindustryiscloselyrelatedtoPeople'sDailylife.Theapplicationofbigdatatechnologycancomprehensivelymonitortheuseofelectricenergyofcustomers，screenabnormalinformationofvoltageandcurrent，andtimelydiscoverproblemsexistinginmeteringdevices，soastoeffectivelycontrolthelossofelectricpowerandincreasemoreeconomicbenefitsforthecompany.

Keywords：Bigdata;Bypasssign;Measurementmanagement;Thelean

前言：近年來，隨著社會經濟水平的不斷提升，人們的生活品質逐漸提高，對電力的需求也逐漸增加。在為電力公司帶來重要發展機遇的同時，也使其面臨巨大的挑戰。電流、電壓存在異常，電力資源浪費問題日益凸顯，對電力公司整體經濟效益提升產生嚴重的阻礙。基于此，必須充分大數據技術的優勢，采取精益化的方式進行計量管理，以達到節約電力，減少電量損失的目的。

1量價費損常規監測方法

量價費損監測主要以客戶電能計量裝置為主要的監測對象，對電壓、電流異常信息等進行全面的篩選，并以現場核實為依據，全面整改計量裝置，使電量損失可以控制在合理的范圍內，全面提升公司運營成效。

但不同客戶在用電規律和實際負荷特性方面存在一定的差異，很容易導致電壓、電流超過規定值的問題，使異常信息逐漸增加，干擾監測工作的正常開展，使基層從事檢查工作的人員失去工作熱情[1]。

2創新監測方法

2.1挖掘異常信息的伴發特性。受到電流、電壓異常原因影響，導致現場檢查工作始終沒有取得良好的效果，對檢查資源造成了嚴重的浪費，使檢查人員無法積極主動開展工作[2]。

運監中心在對異常信息進行核實后，及時進行反饋，并做好現場調研工作，組織相關人員經常在一起討論和學習，對電流、電壓異常信息的伴發特性進行深入的挖掘[3]。從而明確了電流、電壓異常信息的伴發特性，其具有以下諸多表現：

（1）接線異常造成用電量伴發變化。如果二次線沒有正常進行連接，很容易對電流產生影響，導致客戶用電量無法準確進行計算。

（2）錯接線、逆相序可能會增加反向有功電量。如果二次線連接不正確會導致電流出現異常情況，無形之中增加了客戶的有功電量[4]。

（3）電量少計引起日線損突升。如果電流和電壓沒有緊密進行連接，很容易影響電流和電壓的正常使用，產生大量的異常問題，不僅會少計算客戶的用電量，同時會產生較大的線損率。

（4）光伏戶發電上網時表現為負電流異常。在白天發電上網時，負電流異常是最為主要的潮流反向表現。

（5）無功過補嘗造成相位變化。受到無功過補嘗影響，相位會發生明顯的變化，導致計量裝置無法正確計算電流。

結合以上特性，運監中心全面檢測大數據，多重驗證數據的有效性，使無效異動可以在第一時間得到處理，使量價費損監測效率得到顯著的提升，充分發揮了營銷精益化管理的效果。

2.2利用無效特性快速排除無效異動。

（1）功率因數分析排除。對電流與功率因數信息進行整體性的監測，全面梳理電流時間與功率因數之間的關系。如果負電流和低功率因數重合率較高，則說明這種異動基本無效。

例如，可以對某用戶同一時間的功率因素進行觀察，從中可以發現在三個月中，負電流與功率因數小于九十的時點基本重合。充分說明電流出現與功率因數低具有密切的關系，而計量裝置基本很少會出現缺陷，此異常信息絕大多數都屬于無效異常。

（2）光伏發電戶排除。在發電上網時，光伏發電用戶的負荷變化主要以負電流表現。

在對客戶的負電流異常信息進行篩選時，該用戶連續幾日都在白天出現了負電流，晚上又恢復正常，并且在每天的十三時左右負荷最低。

該用戶的電流變化與光伏發電戶的負荷特性相符合，通過對該用戶的光伏發電標志進行查看，可以發現該用戶的身份信息沒有問題，可以判定這種異常屬于無效異常。

（3）用電量分析排除。有些用電用戶長時間沒有使用電力，或者屬于單相、兩相用電客戶，這些不使用的電流和電壓會與閥值產生嚴重的偏差。

對該用戶的用電量進行查看，發現該用戶每月使用的電量較小，并且每個月都沒有發生明顯的變化，說明電流小與用戶的實際用電情況相符合，這些異常信息不具備真實性。

3效果評價

在下發工單后，運監中心可以及時明確存在的異常信息，并對信息進行實時的跟蹤，及時將結果反饋給營銷部。通過對照反饋結果與分析過程，現場調研部分疑問和疑難異常，對監測經驗進行針對性的總結，使監測效率得到顯著的提升。

通過大數據監測異常信息，并進行多次的驗證，可以有效保證信息的真實性。從相關數據統計中可以明確看出，在對失壓失流名單進行核實時，發現上百戶次計量裝置二次接線問題和高壓保險等多種多種問題，異常真實有效判定可以達到百分之六十以上。

通過提升異動判定有效性，可以使現場核實人員的無效勞動逐漸減少，促進勞動效率的提高，更加愿意主動進行檢查工作。同時，運監中心的權威性也將得到進一步的維護，營銷部門和公司在對用電情況進行檢查時，會依賴于運監中心提供的檢查名單，才能得以順利開展檢查工作。

經過長時間的監測和分析，并加強現場核實，全面整改計量缺陷，異常信息數據出現明顯的下降，由以往的幾十萬條下降到個位數，降幅較大。針對異常總量的下降，說明公司計量管理水平已經得到了顯著的提升。

結論：總之，隨著用電量的逐漸增加，對電力管理工作也提出了更加嚴格的要求，通過全面關聯監測異常，可以對數據進行快速的分析，有效減少以往人工分析的時間浪費，使監測效率得到有效的提升。在對異動特征進行充分挖掘后，可以應用專門的監測工具進行監測，并比對數據，自動排除監測無效異動。

參考文獻：

[1]迪莉婭.大數據算法決策的問責與對策研究[J].現代情報，2020，40（06）：122-128.

[2]劉抗英.大數據背景下的財務信息管理系統風險估計[J].現代電子技術，2020，43（11）：179-182.

[3]楊思思，王琢玉.基于大數據的數字圖書館流量預測算法[J].現代電子技術，2020，43（11）：120-124.

[4]吳永春.大數據背景下的電子商務客戶流失量預測[J].現代電子技術，2020，43（11）：144-147.