低壓臺區用電異常快速判定技術分析

陳啟文，沈世超，黃寶春，林國富，何宇飛

（廣西新電力投資集團藤縣供電有限公司，廣西 藤縣543300）

0 引 言

當低壓配電臺區內發生了竊電行為時，必然會在用電數據或用電行為等方面表現出異常的情況，據此可以實現低壓配電臺區用電異常的快速判定。用電異常情況可以表現為多種形式，如用電負荷出現了驟降、用電行為不符合以往規律、配電臺區線損顯著增加、配電臺區的電量數據異常等。出現了上述異常情況的一種，都需要深究原因，從而強化低壓配電臺區的用電管理[1,2]。本文詳細分析了具體的低壓配電臺區用電異常快速判定技術，對于遏制配電臺區的竊電行為具有一定的價值，以下進行具體的分析和介紹。

1 低壓配電臺區用電異常的原因分析

低壓配電臺區出現用電異常的原因有很多，首先是配電臺區內的計量表計失壓或者是計量表計自身走字不對，導致表計自身計量數據錯誤。同時如果低壓配電臺區出現了竊電行為，也會直接導致臺區內出現異常用電情況。當前在電力系統中已經廣泛推廣應用了智能電表，雖然能夠在一定程度上遏制竊電行為，但如今竊電手段也呈現出多樣化的形式[3]。如可以改變智能電表中的程序設置，或者是智能電表周圍外加電磁場，對電表形成一定的干擾，從而導致智能電表出現錯誤計量的情況，達到竊電的目的。

2 低壓臺區用電異常快速判定技術分析

2.1 低壓臺區用電異常快速判定指標

對于低壓臺區用電異常快速判定指標，本文主要介紹電量類、事件類、負荷類、線損類等用電異常判斷指標。首先對于電量類指標，當低壓配電臺區內出現異常用電行為時，此時用電的平穩度將降低，可以采取用電平穩度指標來加以評估，計算公式為

式中：Q0為當前月的用電量；Qave為全年的平均用電量，可以采用式（2）進行計算

式中：Q1至Q12為該配電區域近一年每個月的用電量。當低壓配電臺區內的用電平穩度大小超過50%，則此時低壓配電臺區出現用電異常情況的概率較大，可以實現用電異常情況的快速判定。

對于線損類指標，當低壓配電臺區內出現異常用電情況時，統計的線損率也會發生明顯的變化，故可以采取統計線損率這個指標來進行評估，計算表達式為

低壓配電臺區線損率居高不下的原因之一就是配電臺區內存在竊電等異常用電行為，故根據線損的變化，可以有效實現對用電異常情況的快速判斷[4]。

對于事件類指標，主要是低壓配電臺區出現了異常的用電行為等事件，計算表達式為

式中：Pt和Pt+1分別為時刻t和時刻t+1 的系統用電負荷大小，當t+1 時刻的負荷明顯比t時刻的負荷大，則低壓配電臺區可能出現了異常的用電事件，需要對具體的原因進行分析。

對于負荷類用電異常判斷指標，可以采取用電負荷峰谷差來加以評估，計算表達式為

式中：Qmax和Qmin分別為低壓配電臺區近一年的最大用電量和最小用電量，即

2.2 用電異常快速判定技術

通過上述電量類、事件類、負荷類、線損類等用電異常判斷指標，可以構建用電異常判斷模型。為此本文采取以下方式，即用電異常嫌疑指標以滿分100 分計，各類指標在整體評價中的比重分別為事件類40%、電量類40%、負荷類10%、線損類10%。當定義了用電異常判斷原則之后，就可以按照圖1 所示的應用流程開展異常用電行為辨識工作。

圖1 異常用電行為辨識中的應用流程

根據上述異常用電行為辨識中的應用流程圖可知，當計算出電量類、事件類、負荷類、線損類等用電異常判斷指標數據之后，就可以根據上述原則，來實現用電異常的快速判斷[5,6]。在用電異常的判斷中，由于同時考慮了4 個不同的指標，從多個不同角度來對用電行為進行綜合評判，這樣就能夠降低判斷錯誤的概率，確保用電異常情況識別的正確率。

3 低壓臺區用電異常快速判定的關鍵實現技術

在上述所分析的4 類用電異常判斷指標中，對電量類、負荷類、線損類指標，借助用電數據聚類算法，來實現對用電數據的高效處理。對于事件類指標，可以借助非侵入式負荷監測及識別技術，來對低壓配電臺區內的異常事件進行分析判斷。

3.1 用電數據的聚類分析

配電臺區內的用電數據規模較大，如果依靠人工進行分析計算的工作量較大，為此可以采取數據聚類分析算法，降低數據分析的工作量，提高數據處理效率。聚類分析算法在應用之前，首先需要從用電負荷數據中提取出關鍵特征，之后就可以依據該特征來對各類用電數據進行聚類，其中負荷特征的提取流程如圖2 所示。

圖2 負荷特征的提取流程

根據上述負荷特征的提取流程可知，當明確好用電數據采集的場景和采集的目標之后，就可以將用電數據中的特征加以提取。根據建立的模型，來對所提取到的數據誤差進行分析。當數據誤差滿足要求時，則為有用數據，否則為無效數據[7,8]。獲取到數據樣本之后，就可以根據電量類、事件類、負荷類、線損類等用電異常判斷指標，對數據進行聚類，圖3 為聚類分析算法在低壓臺區用電異常判定中的應用。

圖3 聚類分析算法在低壓臺區用電異常判定中的應用

根據上述聚類分析算法在低壓臺區用電異常判定中的應用可知，在聚類分析之前，需要選擇好初始的聚點，之后就可以根據該聚點進行初步的數據分類。如果分類合理，可以結束數據聚類分析的過程；如果數據樣本分類不合理，則應該根據最近距離原則，對數據樣本重新分類，直到滿足距離判斷原則之后結束數據聚類過程，完成數據的聚類分析。

3.2 非侵入式負荷監測及識別

對事件類指標，借助非侵入式負荷監測及識別技術分析。配電臺區內的電力用戶在使用電器的過程中會有一定的習慣，故在用電曲線上也會反應出一定的規律。根據用電功率樣本數據，如果某個用電波形多次重復出現，則可以識別出該負荷類型，如電動機、電冰箱等。如果配電臺區內的用電功率需求曲線和以往存在著較大的區別，則可能出現了異常用電事件，也就是侵入式事件[9]。通過對非侵入式負荷的監測及識別，就能夠和侵入式用電事件進行對比分析，從而實現對配電臺區內用電異常情況的辨識，圖4 為非侵入式負荷監測及識別流程。

圖4 非侵入式負荷監測及識別流程

根據上述非侵入式負荷監測及識別流程圖可以看出，當獲取到低壓配電臺區內的負荷有功功率數據之后，首先判斷負荷有功時間序列中是否存在尖峰波形。如果存在，則需要對負荷有功功率按照時間序列進行初步預處理，然后再在時間序列中提取關鍵的特征數據子序列。如果在特征數據子序列中存在著較為平穩的序列，則應該剔除，因為平穩的數據序列反應不出用電特征，也就無法進行負荷類型的識別。在此基礎上，根據剩余的特征數據子序列，并結合各類電器設備的用電負荷特征，就可以對用電功率模式進行標記，并且根據各類電器設備的曲線模塊進行匹配，完成對非侵入式負荷的識別。

4 結 論

實現低壓配電臺區用電異常的快速判定是進行低壓配電臺區線損治理及管控的重要前提。本文詳細分析了低壓配電臺區用電異常快速判定的電量類、事件類、負荷類、線損類等指標，并介紹了負荷識別及負荷聚類分析等技術，對于降低低壓配電臺區的線損率，提高電力企業的概念收益具有一定的價值。