客户停电时间自动采集及智能分析方法研究

李朔宇 曾耀英 吴 迪

(广东电网公司东莞供电局，广东 东莞 523000)

客户停电时间自动采集及智能分析方法研究

李朔宇 曾耀英 吴 迪

(广东电网公司东莞供电局，广东 东莞 523000)

随着社会信息化进程的不断推进，如何实现信息自动反馈成为供电企业的重要任务。现从计量自动化的角度入手，提出了基于计量自动化系统的停电时间自动统计分析方法，同时以提高供电可靠性为目标，建立了基于数据挖掘技术的停复电判定模型。实证研究表明，该方法是有效的，能准确统计分析判断停复电时间，实现自动分类统计、智能预测与分析等核心功能。

计量自动化；停复电；数据挖掘

0 引言

客户停电时间是衡量供电企业持续供电能力的重要指标，是电网规划建设、生产运行、营销服务等方面质量和管理水平的综合体现。准确统计客户停电时间是提高供电可靠性、减少客户停电时间这一系统工程的前提和基础，也是客户停电时间管理的一项重要内容[1-3]。因此，准确统计客户停电时间既符合广大客户的根本需求，也是电网企业的使命所在。

当前，大多地区供电局已将厂站遥测子系统、配网监测子系统(覆盖专变、配变、公变等用户计量装置)、低压集抄子系统等进行集成，然后在3个子系统之上建立高级应用子系统，从而形成完整的计量自动化系统，其可对现场计量终端、电表的数据进行远程抄读，在对这些数据进行分析、处理后可以进行更深层次的应用，其中专变用户、公变的停电信息的采集与自动记录停电时间也是计量自动化系统的一个特色功能。通过对计量自动化系统进行数据挖掘，依托计量自动化系统自动采集负控终端和配变终端的停复电时间，结合一定的逻辑判断，与营销管理信息系统(或营配信息集成平台)内的停电时间进行自动匹配和比对，能较好地实现停电时间自动采集和统计功能。

本文提出了基于计量自动化系统的停电时间自动统计分析方法，同时以提高供电可靠性为目标，建立了基于数据挖掘技术的停复电判定模型[4-5]。实证研究表明，该方法是有效的，能准确统计分析判断停复电时间，实现自动分类统计、智能预测与分析等核心功能。

1 停电时间及其统计

1.1 计量自动化系统

计量自动化系统由主站、现场终端[4]和通信信道3部分组成，实现对电厂、变电站、公变、专变、低压用户等发电侧、供电侧、配电侧和售电侧数据的采集与监测功能。

由于计量自动化系统建设周期长，先后经历过广东电网公司一系列规约的修订工作，目前《广东电网公司大客户负荷管理终端技术规范》、《配变监测终端负荷管理终端技术规范》按修订年份可分为“0511”、“0810”、“0903”3种规约版本，其停电信息采集功能统计情况如表1所示。

表1 各规约版本对应采集功能

关于终端停电时间统计功能测试及维护，根据不同类型终端，制定相应方案。具体终端特点及数据采集方式分类如下：0511规约硬件已不满足功能要求，以更换为主；0810规约使用停电告警功能；0903规约主要使用终端任务上送停电信息。

1.2 终端停电信息采集机制

终端上送停电时间信息的方式分为2种：一是终端通过任务上送停电时间信息。即终端本身具有的停电统计功能，记录的数据包括：上1～10次停电记录(发生时刻、结束时刻)；当月及上1～12月停电总时长；当月及上1～12月停电次数。二是终端停电告警。当终端主电源电路不能正常工作时，将形成终端停电告警；而终端由停电状态转为主电源工作状态时，则产生终端停电恢复告警。通过终端上送的停电及恢复告警时间可统计出相应客户的停电时间信息。

停电时间自动统计工作难点主要有以下几方面：早期安装的终端本身不具备通过任务上送停电时间的统计功能；早期安装的终端电池老化失效，无法上报终端停电及恢复类的告警；部分终端安装现场由于无线通信信号不稳定，导致负荷数据缺失，造成停电时间信息的误报；部分终端电池老化引起时钟异常，导致终端运行数据时间与实际时间不一致，当计量自动化系统主站对终端对时成功后，会导致部分负荷数据缺失。

1.3 停电时间自动统计分析

计量自动化系统停电时间信息记录的数据源如下：(1) 基于终端上送的停复电信息；(2) 负荷数据缺失时间。通过接口将处理后的停电时间信息发送到营销系统，与营销系统中记录的停电时间进行校验，并给出最终的停电时间，实现停电时间统计的准确性，确保将时间信息误报、漏报的情况降至最少。

计量自动化系统每天凌晨在系统主站对上一天的15 min冻结运行曲线数据进行补采完成后，进行停电数据的逻辑判断，具体判断流程如图1所示。

图1 主站分析判断方案

对有停电/复电告警时间上报的终端停电时间逻辑判断如下：

(1) 接收到终端来电告警信息时，主站自动判断告警时刻是否与主站时钟偏差较大，如果偏差大于阈值(默认为30 s)，将终端记录的停复电告警时刻点修正为终端上传告警时间的主站时刻点。

(2) 每天凌晨在计量自动化系统中15 min冻结任务数据补采完成后，对前一天的终端上送数据进行过滤，针对上送的停电时间检查计量点在停复点时间段的负荷数据缺失情况，若无负荷数据缺失情况，则认定该停电时间记录为无效记录。

(3) 在对终端上报信息初步过滤的基础上，开展单边告警信息分析判断。只有停电、没有来电告警，根据负荷等运行数据判断，一旦有负荷数据，则为来电。只有来电、没有停电告警，根据来电时间点往前推移，寻找最近一个有运行数据的负荷点，则为停电时间点。

2 停复电判定模型构建

2.1 数据抽取及预处理

建立停复电判定模型，主要是收集历史停复电用户信息及相关数据特性，形成专家样本库，并通过构建停复电判定模型，实时监测用户用电信息，以便及时发现停复电现象。

通过前期调研分析，能够表征停电时间的计量数据指标主要有负荷异常和终端报警等。根据《停电时间清单》中的关键时间节点，即停电开始时间点和结束时间点，从计量自动化系统中抽取节点前后各一天范围的实时负荷及报警类数据等，具体包括：

(1) 告警数据。计量点号、用户编号、停电告警/复电告警、告警时间(计划停电时间内往前、后各推一天范围，如计划停电时间2012-06-12T08：30—15：30，则数据抽取时间为2012-06-11—2012-06-13共3天)。

(2) 运行数据。计量点号、用户编号、所属线路、数据时间(15 min采集，抽取数据范围同上)、A/B/C三相电压、A/B/C三相电流。

(3) 拓扑关系。计量点号、用户编号、所属线路。

(4) 营配停电时间。计量点号、用户编号、所在供电单位、停电开始时间、停电结束时间。

数据抽取后即需进行预处理，数据预处理就是对选择的数据进行增强处理的过程，包括从原始的未加工的数据到构造最终用于建模分析的数据集的所有活动，这也是构建停复电判定模型过程中最耗时的环节。

2.2 指标体系建立

模型构建是否合理，评价指标显得尤为关键。通过对部分地市供电局相关业务人员的访谈及相关数据分析，归纳总结出停复电判定指标体系。

停复电判定指标体系设计原则如下：(1) 评价指标能真实反映停复电状态。(2) 样本数据方便采集，即评价指标数据能从系统获得。

在与业务人员深入沟通及反复分析历史停复电案例的基础上，初步确立了停复电判定指标体系，共包括6个指标，如图2所示。

图2 停复电判定指标体系

(1) 计划停电：采样范围内是否计划停电，数据来源于营配系统。(2) 停电告警数：采样范围内停电告警次数。(3) 上电告警数：采样范围内上电告警次数。(4) 运行数据：采样范围内是否有运行数据，如A、B、C相电流，A、B、C相电压等。(5) 时钟状态：最近一次时钟对时，时钟状态分3种情况：1) 归零；2) 匹配(与计划停电时长一致，但时钟停摆)；3) 正常。(6) 同线路下停电状态：同一线路下是否有多个终端在同一时刻停电，分为：1) 一致；2) 不一致。

2.3 模型构建

停复电判定可通过构建分类预测模型来实现，比较常用的分类预测模型有人工神经网络。本项目主要基于模糊神经网络(FNN)进行停复电建模，流程如图3所示。

图3 模糊神经网络建模流程

针对本项目的实际情况，模糊神经网络各层说明如下：

第1层：输入层，本项目中输入层节点数为6，即对应6个输入节点，分别对应影响停复电判定的6个指标(见图2评价指标体系)。

第2层：模糊化层，本项目中输入变量共6个(X1，X2，…，X6)，将每个输入变量划分为3个模糊度(即模糊集合Ai，当i=1，2，3时)，6个变量共划分为6×3=18个模糊度，每个节点的激活函数分别为输入变量Xi的各个模糊度的隶属度函数(即μA(x)，当i=1，2，…，m时)，其输出分别为输入变量Xi的各个模糊度的隶属度函数值，是[0，1]之间的值。

……

本项目中，隶属度函数μA(x)采用高斯函数：

其中，c为隶属度函数的中心；σ为隶属度函数的宽度。建模开始时，c和σ通过随机函数初始化，之后在网络训练过程中不断修正调整，直至稳定。

第3层：模糊推理层，该层每个节点只与第二层中每个节点中的一个等相连，共有节点数为6个3相乘，也就是有6个3相乘条规则。

第4层：去模糊化层，节点数为输出变量模糊度划分的个数，本项目为2，即对应总体评价的2个类别：停复电和非停复电。该层与第3层的连接为全互连。

第5层：输出层，该层将第4层各个节点的输出转换为输出变量的精确值。该层节点数为输出变量的个数，本项目为1个，即是否停复电。

本项目中可选择部分数据作为验证样本进行模型的评价验证，模型建立起来之后，即可发布模型，并设定好模型定时执行的时间计划。

3 结语

本文提出了客户停电时间自动统计及停复电判定模型。客户停电时间自动统计功能的实现标志着计量自动化系统实用化水平的纵深发展，现今计量自动化系统已不仅仅是自动抄表的系统，还是线损统计分析、优质服务、需求侧管理、调度管理、停电时间自动统计和营销决策等业务的重要技术支撑系统。

基于计量自动化系统的数据挖掘功能，能使企业将统一的电网设备和客户信息、基础资料和拓扑关系与业务高度融合，实现停复电时间数据自动采集与处理、自动分类统计、智能预测与分析等核心功能。

[1] 蓝毓俊.2003年世界上几起大停电事件的经验、教训和启示[J].供用电，2005(1)

[2] 曹一家，江全元，丁理杰.电力系统大停电的自组织临界现象[J].电网技术，2005(15)

[3] Prabha Kundur.电力系统稳定与控制(翻译版)[M].北京：中国电力出版社，2002

[4] Vera Figueiredo，Ftima Rodrigues，Zita Vale.An Electric Energy Consumer Characterization Framework Based on Data Mining Techniques[J].IEEE Transactions on Power Systems，2005(2)

[5] M. Sforna.Data mining in a power company customer database[J].Electric Power Systems Research，2000(55)

2014-08-26

李朔宇(1979—)，男，湖南双峰人，工程师，从事电力营销、计量自动化系统技术研究工作。