基于数据时空相关性的智能台区识别技术

阿辽沙·叶+顾君+张小秋

摘 要： 在用电信息采集系统中经常因各种原因导致台区档案的不精确，人工识别台区的方法耗时费力且人工成本很高，而专用设备识别方法的设备成本很高，同时也增加了电力人员的工作量。为了解决上述问题，通过分析发现同一台区电能采集设备的电压数据存在时间和空间相关性，在此基础上采用数据挖掘中的分类方法将每个台区的采集设备划分为一类，通过计算待识别的采集设备归属于各个分类的概率判断其台区归属关系。该方法既能保证识别效率又能减少设备成本和人员工作量。仿真结果表明该方法具有较高的识别精度。

关键词： 用电信息采集系统； 电能采集设备； 时间相关性； 空间相关性； 台区识别； 分类

中图分类号： TN911?34； TP321.11 文献标识码： A 文章编号： 1004?373X（2018）04?0030?04

Abstract： There are often inaccurate transformer archives in the electricity information acquisition system due to various reasons. The manual transformer room recognition method has high time and effort consumption and leads to high labor cost， while the special equipment recognition method has high equipment cost and increases the workload of electric power staff. To resolve the above problems， the voltage data of power acquisition devices controlled by the same transformer is analyzed and it is found that the voltage data has temporal and spatial correlation. On this basis， the classification method in data mining is adopted to classify the acquisition devices of every transformer room into one class， and the probability that the to?be recognized acquisition devices belong to each class is calculated to determine which transformer room they belong to. The method can not only ensure the recognition efficiency， but also reduce the equipment cost and the workload of staff. The simulation results show that the method has higher recognition accuracy.

Keywords： electricity information acquisition system； power acquisition device； temporal correlation； spatial correlation； transformer room recognition； classification

0 引 言

用电信息采集系统由中心主站、集中器、采集器、电能表组成，电力公司通过主站将台区档案下发给集中器，作为集中器采集电表的依据[1?3]。台区档案的准确性直接影响电能表的数据采集和计量结果的正确性，但现实中常因信息记录遗失、更新不及时、信息不完整等原因导致台区的档案资料往往不准确。造成在抄表过程中无法准确判断该户电能表属于哪个变压器，既影响了台区线损指标的完成，也会引发客户间计量、债权纠纷，影响了供电企业的形象和经济效益。

目前台区识别技术包括传统的人工识别和专用台区识别仪两类。人工识别主要依靠电力人员到现场逐户排查台区归属，不仅效率低下而且费时费力。随着居民小区数量与日剧增，传统识别台区的方法存在的弊病越来越突出。近年来专用台区识别设备[4?5]的研制和使用显著提高了台区识别的速度，现有台区用户识别仪多数基于电力载波技术直接通信与否[6?7]或电流脉冲技术[8?9]等来识别台区信息。但是基于电力载波技术的台区识别仪在实际应用中常因载波信号不能被变压器完全隔离，载波信号仍可耦合到其他变压器产生跨台区通信等难题，使得台区识别准确度较低。文献[10]将神经网络应用到台区识别仪中，提高识别精度，而基于电流脉冲技术的台区识别仪需要在变压器出线端安装电流互感器，操作上存在一定安全隐患，且可控制性差。

因此需要研究新型智能台区识别技术既能够保证精度和效率，又能够降低硬件和人工成本。利用台区内电能采集设备数据的时间和空间相关性，通过大数据分析技术对台区内电能采集设备的数据进行分析，从而实现智能台区识别。采用分类方法，利用台区电能数据的时间和空间相关性实现对所有电能采集设备进行分类，每个台区的电能采集设备划分为一个分类。该方法无需特殊的硬件支持，也不会增加电力人员的工作量，既可以作为独立的台区识别技术使用，也可以与现有的台区识别仪配合使用以提高识别精度。

1 台区电能采集设备的数据相关性

通过对台区电能采集数据分析发现同一台区的电能表在一段时间内采集的电压数据具有一定的相关性，包括时间相关性和空间性，而不同台区之间的数据相关性不同。因此可以根据台区电能表之间的电压数据相关性进行台区识别，对2017年5月1日某居民小区内两个台区的电能表采集的电压数据进行分析，得出不同台区的电能表采集的电压数据之间的相关性如图1和图2所示。endprint

台区电能表的电压数据的时间相关性是指同一台区的所有电能采集设备在相同时间区间内的电压变化趋势基本相同，而不同台区电能采集设备的电压变化趋势在相同情况下存在一定差异，见图1。

台区电能表的电压数据的空间相关性是指在不同时刻的同一台区内所有电能采集设备的电压数据波动的趋势基本相同，而不同台区电能采集设备的电压变化趋势在相同情况下存在一定差异，见图2。

2 智能台区识别

对于待识别的采集设备，首先计算其与现有台区的时间相关性和空间相关性，然后对时间相关性和空间相关性进行加权求和得到综合相关性，若与台区T1的综合相关性较大则该采集设备属于台区T1，否则采集设备属于台区T2。

智能台区识别的具体实现方式如下：将台区T1和台区T2看作是两个类，将时间相关性分析和空间相关性分析分别看作是相应的分类器，将已明确台区归属的所有采集设备在一定时间内（本文设定为24 h）的电压数据及其台区归属关系作为训练样本，分别训练得到基于时间相关性和空间相关性的分类器CT和CS，分别对待识别的采集设备的电压数据进行分类，然后综合考虑两个分类器的分类结果确定待识别的采集设备的归属于哪个台区。

根据时间相关性分析，台区ID表示分类的类别，记为yi，yi=1表示台区T1，yi=0表示台区T2。每个采集设备在各个时刻的电压值为特征属性，记为Xi=（xi，1，xi，2，…，xi，N），其中N为设备采集的次数。基于时间相关性的分类器CT采用回归分析实现，回归系数θ可以通过最大似然估計计算得到。似然估计函数为：

根据空间相关性分析，每条记录为（ti，vi，yi），其中台区ID，记为yi为分类的类别，yi=1表示台区T1，yi=0表示台区T2，Xi=（ti，vi） 为特征属性，表示采集设备在ti时刻的电压值为vi。基于空间相关性的分类器CS采用回归分析实现，可以计算得到每个时刻待识别的电能表x所归属的台区。

首先计算得到分类器CS的回归系数θS。对于待识别的电能表x，若其在时刻ti的电压数据[v′i]，令xi=（ti， [v′i]），则根据式（3）可以计算得到其归属于T1的概率[y′i]，若[y′i]≥0.5则电能表x归属于台区T1。在电能表x采集的N次电压数据，通过分类器CS进行分类后，若归属于台区T1的次数为N1，则电能表x归属于台区T1的概率为：

式中，α和β分别表示时间相关性和空间相关性系数，0≤α，β≤1，且α+β=1。若P（x，T1）≥P（x，T2），则认为待识别电能表x归属于台区T1，否则认为电能表x归属于台区T2。

3 仿真分析

为了验证本文算法的有效性，对2017年5月1日某居民小区内两个相邻台区的电能表的电压数据进行模拟仿真。每个台区随机选择20个电能表，每小时采集一次电压数据，待识别电能表为1～6个，平均分布在两个台区。

分别测试α和β参数取值不同以及待识别设备数量变化时台区识别结果的准确性。仿真结果如图3所示，图例中（1，0），（0，1）和（0.5，0.5）分别表示α=0，β=1，α=1，β=0和α=β=0.5。可以看出综合考虑时间相关性和空间相关性的方法的识别率最高，原因在于仅考虑时间相关性或空间相关性时会由于数据的区分度不大而导致误判的情况，而综合考虑时间相关性和空间相关性会显著地减少误判。

图3的结果表明基于空间相关性的识别方法比基于时间相关性的识别方法的识别率稍高，原因在于实验选择的两个台区的电压相差较大。但在实际情况下基于空间相关性方法的识别率并非一定高于基于时间相关性的方法，当分类器CT的训练样本增加以及台区电压相差较小时，后者的识别率可能会高于前者。

由于样本数据量较少，在待识别设备较多时并不能保证100%的识别率。但是随着样本数据的增加，台区识别的准确性必然提高。从计算量而言，识别过程的计算量较小，可以在集中器上完成快速台区识别。当待识别设备较少时，该方法的准确率很高；而当待识别设备较多时，该方法可与专用台区识别仪配合使用，保证识别的高精确性。

4 结 语

通过分析同一台区内的电能采集设备所采集的数据，可以发现电压数据存在时间相关性和空间相关性。采用分类方法将同一个台区的电能采集设备划分为一类，根据时间相关性和空间相关性分别实现分类器，综合利用两个分类器的分类结果确定待识别电能采集设备的台区归属。

参考文献

[1] 陈启冠，张栋，任龙霞，等.基于电能表自动识别技术的低压集中抄表机制研究及应用[J].电器与能效管理技术，2017（4）：46?51.

CHEN Qiguan， ZHANG Dong， REN Longxia， et al. Research and application of low voltage centralized meter reading mechanism based on meter automatic identification technology [J]. Electrical & energy management technology， 2017（4）： 46?51.

[2] 廖雯.供电企业抄表技术综合应用策略研究[J].价值工程，2015，34（36）：135?136.

LIAO Wen. Research on the comprehensive application strategies of the meter reading technology in power supply enterprises [J]. Value Engineering， 2015， 34（36）： 135?136.

[3] 马亚彬，林向阳，钱波，等.集中抄表终端通道检测装置的研制[J].现代电子技术，2015，38（16）：122?124.endprint

MA Yabin， LIN Xiangyang， QIAN Bo， et al. Design of testing equipment for centralized meter reading terminal channel [J]. Modern Electronics Technique， 2015， 38（16）： 122?124.

[4] 徐湛.台区用户识别仪应用分析[J].计量与测试技术，2009，36（11）：26?28.

XU Zhan. Application analysis of area users identify apparatus [J]. Metrology & measurement technique， 2009， 36（11）： 26?28.

[5] 蔡耀年，李京凤，孟世杰，等.低压台区电表检查中电力载波OFDM技术应用[J].中国电业，2015（2）：33?36.

CAI Yaonian， LI Jingfeng， MENG Shijie， et al. Power line carrier OFDM technology application in low voltage courts meter detection [J]. China electric power， 2015（2）： 33?36.

[6] 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.

[7] 袁超.低压配电网络台区识别技术的研究与开发[D].大连：大连理工大学，2014.

YUAN Chao. The development and manufacture of a multi?function equipment for low voltage area identified [D]. Dalian： Dalian University of Technology， 2014.

[8] 范荻，李绍山，李海涛，等.台区用户识别仪关键技术应用研究[J].华北电力技术，2010（7）：27?30.

FAN Di， LI Shaoshan， LI Haitao， et al. Study on the application of key technologies in transformer?user identifying instrument [J]. North China electric power， 2010（7）： 27?30.

[9] 兰国良.多模方式台区用户带电识别装置及其应用[J].广西电力，2015，38（6）：67?70.

LAN Guoliang. Live line recognition device for multimode type power distribution area customer and its application [J]. Guangxi electric power， 2015， 38（6）： 67?70.

[10] 李亚，樊汝森，蒋伟，等.基于BP神经网络的智能台区识别方法研究[J].电测与仪表，2017，54（3）：25?30.

LI Ya， FAN Rusen， JIANG Wei， et al. Research on the intelligent transformer area recognition method based on BP neural network [J]. Electrical measurement & instrumentation， 2017， 54（3）： 25?30.endprint