顾及空间约束的户变关系识别与调整方法

李源林 邓帆 龚杰 付康

摘要：户变关系指的是变压器（台区）和用户电表的连接关系，台区户变关系的正确性是实现台区线损准确计算分析的前提。本文提出以线损率一阶差分平稳性作为诊断台区户变关系异常的指标，并以线损波动贡献来识别台区的异常用户，并在公变空间临近关系的约束下，实现户变关系的局部调整。设计并实现以上算法，通过对样区的试验应用，算法能够进行户变关系快速高效判别，能够为户变关系现场核实提供有效参考。

关键词：户变关系；线损率；异常用户识别；局部优化

中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2018）28-0191-04

Identification And Adjustment Method Of User-transformer Relationship With Spatial Contraints

LI Yuan-lin1， DENG Fan2*， GONG Jie3， FU Kang2

（1. Hubei Central China Technology Development of Electric Power CO.LTD， Wuhan 430077， China； 2. School of Geosciences， Yangtze University， Wuhan 430100， China； 3. Wuhan Huaxin Lian-Chuang Technology Engineering CO.LTD， Wuhan 430074， China）

Abstract： User-transformer relation is the connection between the transformer and the user's electric meter.The correctness of the user-transformer relationship is the prerequisite for the accurate calculation and analysis of the line loss in the substation area.Through the analysis of the sample data，it is proposed that the first order difference stationarity of line loss rate is used as the index of abnormal user-transformer relation in the diagnosis area，and the abnormal user of the substation area is identified by the contribution rate of line loss fluctuation.Under the constraint of proximity relation in space，local adjustment of user-transformer relationship is realized.Through the test and application of the sample area，the user-transformer relationship can be quickly and efficiently identified，so as to provide effective on-site verification.

Key words： user-transformer relation； line loss rate； abnormal user recognition； local optimization

臺区（指一台变压器的供电范围或区域）线损率是电力公司的一项重要经济技术指标，提高线损正确可算率是降损增效的根本途径。台区户变关系的正确性是实现台区线损准确计算分析的前提。同时，营配贯通深化应用的开展要实现营配数据信息共享和营配业务协同运作，建立准确的“变电站-线路-变压器（台区）-用户”关联关系，也对加强户变关系梳理，提高户变关系准确性提出了明确要求[1]。

目前营配贯通工程中变压器（台区）和用户电表的连接关系采集有两种方式：变压器和用户电表通过架空线路连接的，采用人工识别方式采集户变对应关系；变压器和用户电表通过地下电缆连接的，由供电公司提供用电信息采集系统中记录的对应关系。城市台区低压线路多采用地下电缆，线路走向隐蔽，部分老台区电缆标识牌缺失，因此在台区施工改造（如迁建、扩容、割接、布点等）时，容易因电缆标识而无法正确区分变压器与户表的对应关系，营销系统未及时更新户变关系变化，造成户变关系与实际产生差异，线损计算出现偏差[2]。

户变关系的判别一直以来都是各供电企业台区线损管理的一大难题。传统台区停电方法虽然可以逐一排查停电台区变压器和户表的对应关系，但是为保证用户供电可靠性，全面停电排查方法无法实施。另外有企业采用台区识别仪通过载波通讯方式识别台区[3]，但是需要在线路上加装集中器和采集器等硬件，全面开展受成本条件限制。

随着城区智能电表全面覆盖投运，用电信息采集系统实现了变压器和终端用户用电数据的自动采集，为线损分析提供了海量数据资源；另一方面，通过营配调贯通普查工程的开展，营销客户资源地理信息正源源不断的采集入库，为线损分析提供了海量的空间信息资源[4]。许多学者利用智能电表数据进行了户变关系的研究。潘明明等基于用户智能电表电压量测数据与变压器低压侧智能电表的相似度，利用灰色关联方法识别用户所属台区及相别[5]。阿辽沙·叶利用电压时空相关性，对用户所属台区进行了分类判别[6]。 赵宇东提出基于台区相线相位差异统计特征判定电能表台区归属[7]。这些研究提升了电网企业的智能化和自动化水平，但在适用性方面还需继续研究。而在利用电量数据进行相关研究方面，还未见文献报道。

本研究拟以用户用电信息及空间信息为基础，分析挖掘用电数据、GIS数据、台账数据中潜在的关联关系，分析计算出合理的户变关系，从而提高台区线损正确可算性，使客户用电更加可靠、透明，提高服务质量，促进降损节能。

1 算法设计与验证

1.1 数据特征分析

试验数据采用的是某供电营业所范围内电量数据。主要数据包括公变（变压器）编号，公变日电量，公变坐标，用户编号，用户所属台区编号，用户日电量数据，涉及记录数据280余万条。我们对数据进行了网络和数值分析，得到了基于空间位置的台区网络拓扑图（图1，不同簇代表不同台区），并计算了各臺区规模（图2），和台区用电以及线损率特征（图3）。

空间上，样区公变分布较为均匀，少数公变在空间位置上非常接近，且用户数较多（图1，中部红色区域）。该样区台区用户数目集中在40-140户间，少数台区用户数目到200户左右（图2）。户变关系不一致表现为线路改造时，户变关系的未及时更新，通常发生在临近台区间。

用户用电随季节和时间表现出非平稳波动性，不同台区具体的线损差异和变化也不同。同时，样区测试数据亦存在数据采集异常等情况，对算法设计与验证造成一定障碍。对以辐射拓扑为主的配电网线损计算与分析，需要采集线路的供入电量与供出电量，配网线路供入电量一般为变电站端计量点采集的电量，供出电量一般为线路下各专变用户、公配变计量点所有电量之和。由于配电线路供出电量的计量点较多、分布分散，且计量自动化终端异常、通信影响等原因，易造成部分专变公变计量点的电量无法正常采集影响线损率的计算结果。因此，对线损指标数据进行预处理显得非常重要，即需通过合适算法对缺失数据进行补齐，之后再利用线损拓扑结构关系计算线路的线损率[8]。在算法数据输入时，应考虑数据质量问题，并做相应处理。

通过对数据的分析，台区线损表现未四大类型：1.正常台区，台区线损平稳，线损率在正常范围内（橙色曲线）；2.缺少用户的台区，线损波动较大，线损率高（灰色曲线）；3. 线损率波动较大，线损不稳定（黄色曲线）；4.多余用户的台区，线损率波动较大，且线损率较低，或为负值（蓝色曲线）。这四类台区反映了现实中台区线损可能呈现的状态。在户变关系识别与调整中应考虑到不同线损变动情况。

1.2 户变关系异常台区和异常用户识别

户变关系判别与调整首先要解决异常台区和异常用户的识别问题[9]。针对不同的应用目的，许多学者开展了异常用户的识别研究。利用皮尔逊相关系数分析法，在台区中识别异常电能表用户[10]，但该识别方法应用有一定局限性，前提是台区户变关系准确。基于营配调贯通的海量数据分析技术构建了电网线损与窃电预警分析系统[11]，用以发现线损率异常的线路或潜在的用户用电异常行为。该方法通过理论线损和统计线损的对比分析，来识别异常的台区，进一步查找异常的用户，对于线损偏低，或为负值台区则无法处理。吴鸿亮等基于J2EE架构建立了高压直流输电系统电网元件电能损耗计算、线损诊断分析及降损潜力分析模型，研发了基于 J2EE 架构的线损理论计算与诊断分析系统[12]，实现了线损理论在线计算和线损诊断分析及降损潜力分析功能。我国线损50%是由中、低压配电网运行引起的[13]，需要针对低压配电网线损精准计算深入研究。考虑到户变关系异常导致的线损异常，因此有必要在进一步线损分析前，识别台区户变关系异常的用户。

台区用户用电并非随机现象，多数用户表现出相同的趋势，难以通过用户线损贡献度识别户变关系异常用户。台区线损率也受到季节性和其他因素影响，呈现出非平稳性[14]，难以进行平稳时间序列分析。差分运算具有强大的确定性信息提取能力，许多非平稳序列差分后会显示出平稳序列的性质。因此，对台区线损进行一阶差分处理（公式1），正常台区一阶差分序列数据应表现出平稳性，线损率呈现出波动较小的状况，异常用户将导致台区线损波动增大。

正常台区线损波动较小，异常用户将导致台区线损波动增大。并作推理如下：

1） 将其他台区用户添加至此台区，必然造成S的上升，继续增加其他台区的用户到此台区，每次加入新用户，S将会增大；

2） 如果将该台区的用户去掉，必然造成S的上升，在此基础上继续去掉此属于台区的用户，S将会增大；

3） 异常将会积累而不会抵消。

我们可以将S用作判断该区是否存在异常用户的一个重要指标，通过测试用户对线损波动造成的相对影响（公式2），判断用户是否异常。若C为负值，则当前测试用户判别为异常用户。

选择某台区对上述算法进行了4次测试，测试结果见表1。表中r为原始数据线损率，Sq、Sq为测试前后线损率波动，C为测试影响（对公式2进行了平衡扩大化）。四次测试操作分别为：

1） 在原记录用户基础上，去掉一个目前记录在该台区的用户；

2） 在1操作的基础上，增加一个其他用户；

3） 在原记录用户基础上，增加一个其他用户；

4） 在3操作的基础上，增加一个其他用户。

四次测试均导致线损波动上升，见表1。测试验证了以上推理。

当仅考虑台区线损异常是由于户变关系不准确造成时，以上算法难以在缺失用户的台区识别异常用户。算法必须首先在存在大量多余用户的台区进行测试，识别异常用户并将其移除。由于无法在单一台区找到缺失的用户，因此，在台区异常用户识别时，将台区按照异常类型进行了分级（表2），优先处理存在较多多余用户的台区。其他台区补充用户后再处理。

1.3 户变关系调整

通常台区户变关系的错误是由于线路改造和台账数据未及时更新导致，户变关系的错误一般发生在临近台区间。在户变关系调整时，为避免全局的户变关系的调整，需要在空间临近关系约束下，进行户变关系的调整。为此，需要为每个异常台区维护空间临近关系。通过台区空间地理坐标计算每个台区相邻近的台区，并保存这些台区信息。在实际互变关系测试时，只在这5个台区测试，能够减少算法计算量，避免异常结果出现。

在测试某个异常用户应当调整到哪个台区时，同样根据公式1和公式2计算异常用户对临近台区线损造成的影响来判断。我们将异常用户电量数据加入新台区，计算新的线损波动，若波动减小，则该用户属于新台区。

2 算法实现

针对以上台区异常用户识别和户变关系调整方法，设计并实现以上算法。测试系统流程如图4。

测试系统主要包括数据预处理模块，异常台区分级模块，异常用户识别模块与户变关系调整模块和结果输出模块，其中异常台区分级模块，异常用户识别与户变关系调整模块为算法核心模块。

1） 数据预处理模块

该模块主要實现数据的读取和预处理。待处理数据包括户变关系表，台区空间位置表，台区日电量表，用户日电量表等4部分数据。功能包括坐标文件的读取，台区以及用户电量读取与计算。得到待处理台区链表。

预处理模块还针对数据存在的缺失值、异常值和数据一致性、重复数据进行了必要的检查和处理。

2） 异常台区分级模块

该模块基于台区平均线损率和线损波动状况，对台区进行优先级分级处理，得到高优先级处理台区链表。并将正常台区从内存中删除。

3） 异常用户识别与调整模块

在高优先级台区中，测试每个用户对当前台区线损波动造成的影响，并将其加入临近台区进行测试，计算合理的户变关系。

4） 结果输出模块

结果输出模块，输出数据包括新户变关系数据和数据异常信息（包括空间坐标缺失台区，户变关系缺失用户，电量异常用户，电量缺失用户等）。

3 应用测试

利用该算法程序，对某供电营业所所属93个台区户变关系进行了应用测试。测试数据包含用电客户7841个，用电记录数超过280万条。测试运行环境为 Intel i5-6200U 2.3GHz 的 CPU， 8G DDR3 内存，Windows 10 系统；使用 C++代码在 Visual Studio 2017 下编译。数据测试时长4分30秒，最大占用内存700兆。算法复杂度满足业务需求。

测试结果，发现数据异常信息：3个台区缺失坐标，这个3个台区及其所属用户在数据预处理阶段被排除；128个用户丢失电量数据；50个用户数据存在严重质量问题；234个用户缺少台区信息。

识别户变关系异常用户51个，并进行了相应调整（图6，红点表示被调整的用户），台区线损和波动性均有所改善。经实地抽样验证，正确识别与调整异常用户38户，有效提升了现场核实效率。

图6 户变关系调整示意图

4 结论

户变关系准确性是线损率精准计算的前提，如何快速经济的对户变关系进行判别对于节能增效具有重要的意义。本文提出并实现了一种基于空间数据和电量数据的户变关系判别与调整的算法，算法核心思想包含以下几个方面，一是对台区进行分类处理，优先处理线损率高，波动大，包含较多异常用户的台区；二是户变关系判别上，提出基于线损率一阶差分稳定性的局部优化算法，测试台区用户对其影响来识别异常用户；三是在户变关系调整上，考虑空间临近关系的约束。通过对样区的测试应用，算法能有效进行户变关系的判别，为现场核实提供有效参考。

参考文献：

[1] 张波， 朱泽厅， 卢鸣凯， 等. 营配贯通台区线损异常数据治理方法探讨[J]. 浙江电力， 2015， 34（2）： 9-11，19.

ZHANG Bo， ZHU Zeting， LU Mingkai， et al. Probe into the method for unusual line loss data management of cut-through of marketing and power distribution[J]. ZHEJIANG ELECTRIC POWER， 2015， 34（2）： 9-11+19.

[2] 肖建红. 低压台区线损异常的监测与分析[J]. 电力需求侧管理， 2013， 15（3）： 48-49.

XIAO Jianhong. Monitoring and analysis of low voltage line loss based on the power consumption Information Collection System [J]. Power Demand Side Management， 2013， 15（3）： 48-49.

[3] 李建， 赵汉昌. 多功能低压台区识别设备的研制[J]. 电测与仪表， 2014， 51（13）： 107-111.

LI Jian， ZHAO Hanchang. The development and manufacture of a multi-function equipment for low voltage area identified[J]. Electrical Measurement & Instrumentation， 2014， 51（13）： 107-111.

[4] 庄远灿， 朱建全， 黄俊铭. 基于计量自动化系统的配电网线损特征及影响因素分析[J]. 南方能源建设， 2017， 4（3）： 63-68+74.

ZHUANG Yuancan， ZHU Jianquan， HUANG Junming. Analysis of line loss characteristics and influencing factors of distribution network based on metro logical automation system[J]. Southern Energy Construction， 2017， 4（3）： 63-68+74.

[5] 潘明明， 田世明， 吴博， 等. 基于智能电表数据的台区识别与窃电检测方法研究[J]. 智慧电力， 2017， 45（12）： 80-84.

PAN Mingming， TIAN Shiming， WU Bo， et al. Researche on userstransformer attribute identification and stealing electricity detection method based on smart meter data[J]. Smart Power， 2017， 45（12）： 80-84.

[6] 阿辽沙·叶， 顾君， 張小秋. 基于数据时空相关性的智能台区识别技术[J]. 现代电子技术， 2018， 41（4）： 30-33.

YE Aliaosha， GU Jun， ZHANG Xiaoqiu. Intelligent transformer room recognition technology based on temporal and spatial data correlation [J]. Modern Electronics Technique， 2018， 41（4）： 30-33.

[7] 赵宇东. 一种智能电能表台区归属自动判定方法[J]. 华北电力技术， 2016， （5）： 22-28.

ZHAO Yudong. An automatic determination method of smart meters transformer area distinguish[J]. North China Electric Power， 2016， （5）： 22-28.

[8] 何艺， 陈俊. 基于GMDH算法的配电网线损数据预处理研究[J]. 电力系统保护与控制， 2015， 43（9）： 42-46.

HE Yi， CHEN Jun. Research on line loss data pretreatment in distribution network based on GMDH algorithm[J]. Power System Protection and Control， 2015， 43（9）：42-46.

[9] 安佳坤， 贺春光， 邵华， 等. 一种面向时空全过程的线损变动分析方法[J]. 电力科学与技术学报， 2017， 32（3）： 100-105.

AN Jiakun， He Chunguang， SHAO Hua， et al. Analysis method of line loss fluctuation based on whole space-time process[J]. Journal of Electric Power Science and Technology， 2017， 32（3）： 100-105.

[10] 王涓， 吴旭鸣， 王爱凤. 应用皮尔逊相关系数算法查找异常电能表用户[J]. 电力需求侧管理， 2014， 16（2）： 52-54.

WANG Juan， WU Xuming， WANG Aifeng. The application of pearson correlation coefficient algorithmin in searching for the users with abnormal watt-hour meters [J]. Power Demand Side Management， 2014， 16（2）： 52-54.

[11] 李端超， 王松， 黄太贵， 等. 基于大数据平台的电网线损与窃电预警分析关键技术[J]. 电力系统保护与控制， 2018， 46（5）： 143-151.

LI Duanchao， WANG Song， HUANG Taigui， et al. Key technologies of line loss and stealing electricity prediction analysis based on big data platform [J]. Power System Protection and Control， 2018， 46（5）： 143-151.

[12] 吴鸿亮， 门锟， 董楠， 等. 基于J2EE架构的线损理论计算与诊断分析系统开发与应用[J]. 电力系统保护与控制， 2016， 44（5）： 108-116.

WU Hongliang， MEN Kun， DONG Nan， et al. Development and application of theoretical calculation and diagnosis analysis system of line loss based on J2EE framework [J]. Power System Protection and Control， 2016， 44（5）： 108-116.

[13] 陈芳， 张利， 韩学山， 等. 配电网线损概率评估及应用[J]. 电力系统保护与控制， 2014， 42（13）： 39-44.

CHEN Fang， ZHANG Li， HAN Xueshan， et al. Line loss evaluation and application in distribution netwo [J]. Power System Protection and Control， 2014， 42（13）： 39-44.

[14] 冯垚， 李明浩， 莫玫， 等. 线损率波动与影响因素的数学建模及求解[J]. 电力系统及其自动化学报， 2010， 22（5）： 116-120.

FENG Yao， LI Minghao， MO Mei， et al. Mathematical modeling and solution on distribution synthesis loss rate fluctuations and factors[J]. Proceedings of the CSU-EPSA， 2010， 22（5）： 116-120.

【通联编辑：唐一东】