基于行業特征的高壓用戶用電量異常診斷

樓霞薇

(國網浙江省電力有限公司營銷服務中心，浙江 杭州 311121)

一直以來，電能計量準確性是電力計量工作關注的重點，用戶錯接線核查是計量專業持續開展的工作。傳統的核查方法一般采用“取電壓電流的絕對值平均值算出功率與其視在功率比值（S1/S2）”進行初步核查，但存在核查精準度不高、核查覆蓋范圍不全的問題，如電流互感器變比異常就無法通過該種方法核查。一方面用戶用電量異常造成公司或用戶的經濟損失；另一方面用戶用電量異常往往隱含潛在的用電風險；因此及時發現并處理用戶用電量異常有著十分重要的意義。深入挖掘用戶用電大數據，推動營銷服務高質量發展是電力營銷人員工作的重點之一。

目前，已有研究人員從用戶用電行為特征出發構建了用戶竊電檢測模型、用戶超容用電模型，在用戶用電異常檢測算法方面取得了一定的效果[1-5]，但存在分析角度單一，未充分應用用戶用電數據的問題。文獻[6]構建了基于大數據的防竊電結構化模型，但僅通過異常發生次數來確定竊電嫌疑度的方法較粗略。文獻[7]較為系統地闡述了主要的竊電檢測方法。還有一些學者引進Bagging 異質集成學習、K-means 聚類等先進的數學算法，在竊電檢測及用戶用電異常分析上取得較好效果，給本文的工作提供了重要參考，但對用電量計量異常分析的整體模型上考慮的還不夠全面[8-15]，在應用用戶用電數據的時效性上有所欠缺，對用戶每月發行的用電量數據關注較少，未能用第一手數據鎖定異常用戶。

本文從用戶用電行業特征、用戶月用電量異動情況、線路線損等數據出發，深入挖掘10 kV 用戶用電數據和電網運行數據特征，通過引入評價因子，對用戶月用電量、月最大需量、月用電量波動、線損變化、錯接線異常、三相用電平衡性、互感器變比配置等方面一一進行分析，充分復用了用戶用電數據和與之相關的電網運行數據，第一時間發現用戶可能出現的用電異常，通過層層排查，選出具有較大嫌疑的用戶開展現場排查。最后通過實例驗證了本文提出算法的有效性。

1 診斷模型

1.1 數據來源

電力營銷業務應用系統：提供用戶行業分類、用戶用電容量、電壓等級、綜合倍率、電流互感器變比、電價類別、用戶電源所屬線路等用戶屬性。

用電信息采集系統：提供用戶歷月用電量、最大需量、用電負荷等用電數據。

線損一體化系統：提供線路線損信息。

業務人員日常使用上述系統開展相關工作，可以獲取相應數據。

1.2 數據預處理

首先，根據用戶行業分類名稱或代碼，選取適當的分類顆粒度對用戶進行分類，將用戶劃分為不同的用電群體。其次，根據用戶用電負荷曲線，計算用戶平均日用電小時數。

1.3 整體思路

每月開展用戶用電量計量異常診斷。基于行業分類，依次對用戶當月用電量、當月最大需量、近一年月用電量開展比對分析，篩選出用戶用電量與用電容量比值遠遠偏離群體平均值的用戶作為嫌疑用戶。結合用戶產能信息、電網線損信息、計量異常特征進一步鎖定異常用戶，開展現場核查。通過數據分析與現場核查相結合的形式，不斷優化完善分析模型。

1.4 同行業用戶月用電量比對

一般來說，用戶根據自己的用電需求選擇合理的變壓器容量并申請相應的合同容量，在滿足供電要求的同時盡可能減少基本電費的支出，用戶用電量與用電容量的比值應處于一個合理的區間。由于不同的行業具有不同的生產特征，因此采取在同一行業分組內對用戶開展比對分析，判斷用戶用電數據是否合理。

圖1 重點核查用戶確定步驟

若用戶用電量與用電容量的比值遠小于或大于行業平均水平，有必要懷疑其用電量計量是否正常。我們將這個比值記為k1，并由k1得到對應的評價因子S1；S1越小，用戶用電量少計的可能性越大；反之S1越大，用戶用電量多計的可能性越大，須進一步排查。

圖2 同行業用戶月用電量比對步驟

1.4.1 主要步驟

計算基于用電量與用電容量比值的評價因子S11。

步驟1：根據對應用戶的平均日用電小時數，將各個用戶的當月用電量折算成用電功率，計算用電功率與用電容量之間的比值k11。

步驟2：計算同一用戶群體中用電功率與用電容量比值的平均值k11aver，計算k11與k11aver的差值，并按照下式計算S11：

步驟3：設定閾值S11max與S11min，當某個用戶對應的S11大于S11max或小于S11min時，對應用戶列為嫌疑用戶。

部分用戶用電負荷波動較大，為滿足高峰負荷需求，申請較大的用電容量，因此考慮從最大需量角度開展分析；采用類似的算法可以得到評價指標S12。

1.4.2 同行業用戶月用電量比對分析小結

對出現在當月用電量異常嫌疑用戶清單的用戶，依次判斷其是否同時出現在近1年月均用電量嫌疑用戶清單（對應指標記為S13）和近1年月用電量最大值嫌疑用戶清單上，若在年度月均值清單或年度月最大值清單中出現了（對應指標記為S14），則將其列為重點排查用戶；否則對只出現在當月用電量異常嫌疑用戶清單的用戶進行進一步的分析。

1.5 當月用電量數據異動診斷

對上一環節中須要進一步分析的用戶，獲取其上月用電量數據與去年同期用電量數據，用戶當月用電量數據、上月用電量數據、去年同期用電量數據分別記為Wnow、Wlastm、Wlasty，分別計算用電量環比與用電量同比：

若用電量環比與同比均大于設定閾值，對應用戶列為重點核查用戶；對其他剩余的用戶開展進一步的分析。考慮當月用電量達到上月用電量或上年同期用電量的180%或不到上月用電量或上年同期用電量的20%時，當月用電量數據異動明顯，將閾值設為0.8。

1.6 用戶產能與用電量比對

用戶產能與用戶用電量息息相關，是診斷用戶用電量計量是否存在異常的重要比對信息，但獲取上述數據存在困難。這里采用用戶近3年電費信息作為用戶產能數據，若用戶近3年平均年電費高，我們認為該用戶的生產產能大。我們記當前用電量與平均年電費的比值為k3，并由k3計算評價因子S3，S3越小，用戶用電量少計的可能性越大；反之S3越大，用戶用電量多計的可能性越大，須要開展進一步排查。

對當月用電量異常嫌疑用戶清單中剩余待分析的用戶，若其同時出現在與產能比對的嫌疑用戶清單中，對應用戶列為重點核查用戶，對剩余用戶繼續分析。

1.7 線路線損與用電量比對

線路線損是反映高壓用戶供用電平衡性的重要指標。在系統正常運行、用戶正常用電的情況下，線路線損應不高于規定數值。若用戶存在用電量計量異常的情況，在線路線損中必然會有體現，若用戶當月用電量數據與對應線路線損變化趨勢一致，用戶用電異常嫌疑較大。

若用戶當月用電量環比與同比超出閾值，用戶線損率變化明顯且與用戶當月用電量變化趨勢一致，對應用戶列為重點核查用戶。

1.8 用戶一般錯接線診斷

通過S1/S2比值法，對一般錯接線開展核查。

步驟1：選取用戶當月不少于3天的用電負荷數據，包括電壓、電流、有功功率、無功功率。

步驟2：選取不少于90 條負荷數據開展分析，計算S1/S2值，其中S1由電壓電流數據計算得到，S2由有功、無功數據計算得到，是計量檢查常用的計算公式。

步驟3：如果用戶負荷S1/S2值落在0.8～1.2之外的占比達到設定閾值，對應用戶列為重點核查用戶。

1.9 用戶三相不平衡診斷

一般情況下，用戶三相電流基本一致，這樣用戶用電設備利用效率最高，變壓器等設備的運行狀態也最優。用戶三相電流不平衡，一方面可能是用戶側負荷分配不均，容易引發計量裝置故障，存在潛在安全隱患；另一方面則可能是計量裝置異常。通過計算三相電流不平衡度，及時發現異常用戶。

對于某用戶確定時刻的三相電流數據，我們定義電流不平衡度kI如下：

我們選取用戶最近一個月的用電數據進行分析，根據用戶用電時段分布，選取3 天的用電數據，每天選擇幾個時刻，分別計算電流不平衡度，取其中的最小值作為該用戶對應的kI。當kI大于設定閾值時，對應用戶確認為重點核查用戶。

1.10 電流互感器變比配置診斷

明確用戶電壓、電流互感器變比值是確定用戶計量方案的重要內容，其中電流互感器變比配置值根據用戶用電容量、電壓等級、電能表接線形式、功率因數等信息計算得來，記為KCT0。一般情況下，用戶電流互感器配置值應與理論計算值一致或接近，若配置值比理論計算值小很多，存在系統檔案錯誤而現場實際安裝的為大電流變比互感器，引起少計電量的風險；相反，配置值比理論計算值大很多，存在多計電量的風險。記營銷系統中用戶的電流互感器變比值為KCT，將理論值與系統值的比值記為kct：

當kct大于或小于一定閾值時，對應用戶確認為重點核查用戶。

1.11 關鍵指標關系分析及重點排查用戶確定

上述指標分別從不同層面體現了用戶用電量偏離正常值的情況，各個指標獨立計算，通過綜合各個指標數據，層層篩選，確定重點排查用戶。

首先對用戶月用電量與容量關系進行同行業比對，通過對當月及年度用電量均值與最大值的分析，確定嫌疑用戶清單；并對當月用電量數據異動、用戶產能、線路線損、錯接線、三相平衡性、互感器變比等指標進行分析，當相應用戶同時是同行業用戶月用電量嫌疑用戶和其他任意一個指標的嫌疑用戶，則將其列為重點核查用戶。

對這些重點核查用戶，首先對其用電數據開展進一步的線上分析，如近期用戶增減容情況、計量裝置更換情況、現場核抄開展情況等，根據分析情況再選取用戶進行現場核查。

2 實例分析

文章選取了某供電所10 kV 高壓用戶2021—2022年用電數據及相應線路線損數據開展用電量異常診斷分析。

2.1 用戶分類情況

首先對用戶行業類別進行并集操作，得到12個行業分類用戶群。其中“日用金屬工具制造業”行業類別下包含的用戶超過300 戶，適合開展用電量異常診斷分析，文章選取這部分用戶進行實例分析。

2.2 同行業用戶月用電量比對情況

按照分析步驟，對該供電所“日用金屬工具制造業”的315戶用戶開展同行業用戶月用電量比對。

其中對應用戶月用電量與運行容量的比值最小值為0，最大值為2.2，根據該比值分布情況，說明這部分用戶群體中存在用電量少計的用戶可能性較大，因此選取指標值較小的前10%用戶開展進一步分析，剔除其中4戶零電量用戶后共27戶用戶。

然后進一步根據當月最大需量數據，在27戶中確定5 戶當月最大需量為正常值但月用電量為較低值的用戶作為重點核查用戶。根據用戶年度月用電量數據，在27戶中再確定重點核查用戶10戶。

2.3 當月用電量異動診斷情況

對同行業用戶比對中剩余嫌疑用戶開展用戶當月用電量與上月用電量、去年同期用電量數據異動情況分析，確定重點核查用戶2 戶。對應用戶當月用電量與上月用電量、去年同期用電量相差均較大。

2.4 線路線損與用電量比對情況

分析線路線損與用戶用電量數據變化，新增重點核查用戶1 戶。該戶當月線路線損顯著偏大，與用電量減少趨勢一致。

用戶產能、用戶錯接線診斷、三相電流不平衡診斷、電流互感器變比配置診斷未出現新的重點核查用戶，綜上在本次算例中共確定18戶重點核查用戶。

2.5 現場核查情況

首先對這18 戶用戶的用電數據開展進一步分析，計算負荷數據的S1/S2值，查閱最近一個月用電檢查或者周期核抄記錄以及新裝、改類、增容流程情況。

組織人員開展現場核查，通過現場檢查，發現異常用戶1 戶，異常情況為C 相電流互感器極性接反，該用戶為三相四線用戶，對應重點核查用戶表中的用戶18，對應的S1/S2比值為0.603，對應的同行業用戶當月用電量比值S11為0.107，指標值處于最低的10%以內，S12、S13、S14指標值未在最低的10%以內，但也偏低；對應的線路當月線損為26.26%。其余用戶均為用戶減產，系統用電量數據與實際生產情況一致。

表1 重點核查用戶S1/S2比值及核抄、換表記錄表

3 結束語

本次算例分析說明通過對用戶用電量、用電容量、錯接線、線損等多維度的分析，應用各個維度的評價因子，可以主動發現具有用電量計量異常嫌疑的用戶。通過同行業間用戶用電數據比對，可以縮小異常用戶分析排查的范圍，提高數據分析效率。

本文提出了一種主動發現用戶用電量異常的分析思路，在提高核查針對性和工作效率上取得了一定的效果。但本文提出的算法比較簡單，在判斷閾值的設定上主要通過人工經驗進行。下一步可以繼續在用戶分類、與線損的聯動分析等方面進行更細致、深入的研究，并與機器學習等人工智能算法相結合。通過大數據分析，結合現場核查情況，進一步優化評價指標和閾值設定。如果將相應算法部署在用電信息采集系統中，采用實時數據開展計算將更準確及時地發現用電量計量異常用戶，這是本文研究內容可以繼續深入的方向。