基于行业特征的高压用户用电量异常诊断

楼霞薇

(国网浙江省电力有限公司营销服务中心，浙江 杭州 311121)

一直以来，电能计量准确性是电力计量工作关注的重点，用户错接线核查是计量专业持续开展的工作。传统的核查方法一般采用“取电压电流的绝对值平均值算出功率与其视在功率比值（S1/S2）”进行初步核查，但存在核查精准度不高、核查覆盖范围不全的问题，如电流互感器变比异常就无法通过该种方法核查。一方面用户用电量异常造成公司或用户的经济损失；另一方面用户用电量异常往往隐含潜在的用电风险；因此及时发现并处理用户用电量异常有着十分重要的意义。深入挖掘用户用电大数据，推动营销服务高质量发展是电力营销人员工作的重点之一。

目前，已有研究人员从用户用电行为特征出发构建了用户窃电检测模型、用户超容用电模型，在用户用电异常检测算法方面取得了一定的效果[1-5]，但存在分析角度单一，未充分应用用户用电数据的问题。文献[6]构建了基于大数据的防窃电结构化模型，但仅通过异常发生次数来确定窃电嫌疑度的方法较粗略。文献[7]较为系统地阐述了主要的窃电检测方法。还有一些学者引进Bagging 异质集成学习、K-means 聚类等先进的数学算法，在窃电检测及用户用电异常分析上取得较好效果，给本文的工作提供了重要参考，但对用电量计量异常分析的整体模型上考虑的还不够全面[8-15]，在应用用户用电数据的时效性上有所欠缺，对用户每月发行的用电量数据关注较少，未能用第一手数据锁定异常用户。

本文从用户用电行业特征、用户月用电量异动情况、线路线损等数据出发，深入挖掘10 kV 用户用电数据和电网运行数据特征，通过引入评价因子，对用户月用电量、月最大需量、月用电量波动、线损变化、错接线异常、三相用电平衡性、互感器变比配置等方面一一进行分析，充分复用了用户用电数据和与之相关的电网运行数据，第一时间发现用户可能出现的用电异常，通过层层排查，选出具有较大嫌疑的用户开展现场排查。最后通过实例验证了本文提出算法的有效性。

1 诊断模型

1.1 数据来源

电力营销业务应用系统：提供用户行业分类、用户用电容量、电压等级、综合倍率、电流互感器变比、电价类别、用户电源所属线路等用户属性。

用电信息采集系统：提供用户历月用电量、最大需量、用电负荷等用电数据。

线损一体化系统：提供线路线损信息。

业务人员日常使用上述系统开展相关工作，可以获取相应数据。

1.2 数据预处理

首先，根据用户行业分类名称或代码，选取适当的分类颗粒度对用户进行分类，将用户划分为不同的用电群体。其次，根据用户用电负荷曲线，计算用户平均日用电小时数。

1.3 整体思路

每月开展用户用电量计量异常诊断。基于行业分类，依次对用户当月用电量、当月最大需量、近一年月用电量开展比对分析，筛选出用户用电量与用电容量比值远远偏离群体平均值的用户作为嫌疑用户。结合用户产能信息、电网线损信息、计量异常特征进一步锁定异常用户，开展现场核查。通过数据分析与现场核查相结合的形式，不断优化完善分析模型。

1.4 同行业用户月用电量比对

一般来说，用户根据自己的用电需求选择合理的变压器容量并申请相应的合同容量，在满足供电要求的同时尽可能减少基本电费的支出，用户用电量与用电容量的比值应处于一个合理的区间。由于不同的行业具有不同的生产特征，因此采取在同一行业分组内对用户开展比对分析，判断用户用电数据是否合理。

图1 重点核查用户确定步骤

若用户用电量与用电容量的比值远小于或大于行业平均水平，有必要怀疑其用电量计量是否正常。我们将这个比值记为k1，并由k1得到对应的评价因子S1；S1越小，用户用电量少计的可能性越大；反之S1越大，用户用电量多计的可能性越大，须进一步排查。

图2 同行业用户月用电量比对步骤

1.4.1 主要步骤

计算基于用电量与用电容量比值的评价因子S11。

步骤1：根据对应用户的平均日用电小时数，将各个用户的当月用电量折算成用电功率，计算用电功率与用电容量之间的比值k11。

步骤2：计算同一用户群体中用电功率与用电容量比值的平均值k11aver，计算k11与k11aver的差值，并按照下式计算S11：

步骤3：设定阈值S11max与S11min，当某个用户对应的S11大于S11max或小于S11min时，对应用户列为嫌疑用户。

部分用户用电负荷波动较大，为满足高峰负荷需求，申请较大的用电容量，因此考虑从最大需量角度开展分析；采用类似的算法可以得到评价指标S12。

1.4.2 同行业用户月用电量比对分析小结

对出现在当月用电量异常嫌疑用户清单的用户，依次判断其是否同时出现在近1年月均用电量嫌疑用户清单（对应指标记为S13）和近1年月用电量最大值嫌疑用户清单上，若在年度月均值清单或年度月最大值清单中出现了（对应指标记为S14），则将其列为重点排查用户；否则对只出现在当月用电量异常嫌疑用户清单的用户进行进一步的分析。

1.5 当月用电量数据异动诊断

对上一环节中须要进一步分析的用户，获取其上月用电量数据与去年同期用电量数据，用户当月用电量数据、上月用电量数据、去年同期用电量数据分别记为Wnow、Wlastm、Wlasty，分别计算用电量环比与用电量同比：

若用电量环比与同比均大于设定阈值，对应用户列为重点核查用户；对其他剩余的用户开展进一步的分析。考虑当月用电量达到上月用电量或上年同期用电量的180%或不到上月用电量或上年同期用电量的20%时，当月用电量数据异动明显，将阈值设为0.8。

1.6 用户产能与用电量比对

用户产能与用户用电量息息相关，是诊断用户用电量计量是否存在异常的重要比对信息，但获取上述数据存在困难。这里采用用户近3年电费信息作为用户产能数据，若用户近3年平均年电费高，我们认为该用户的生产产能大。我们记当前用电量与平均年电费的比值为k3，并由k3计算评价因子S3，S3越小，用户用电量少计的可能性越大；反之S3越大，用户用电量多计的可能性越大，须要开展进一步排查。

对当月用电量异常嫌疑用户清单中剩余待分析的用户，若其同时出现在与产能比对的嫌疑用户清单中，对应用户列为重点核查用户，对剩余用户继续分析。

1.7 线路线损与用电量比对

线路线损是反映高压用户供用电平衡性的重要指标。在系统正常运行、用户正常用电的情况下，线路线损应不高于规定数值。若用户存在用电量计量异常的情况，在线路线损中必然会有体现，若用户当月用电量数据与对应线路线损变化趋势一致，用户用电异常嫌疑较大。

若用户当月用电量环比与同比超出阈值，用户线损率变化明显且与用户当月用电量变化趋势一致，对应用户列为重点核查用户。

1.8 用户一般错接线诊断

通过S1/S2比值法，对一般错接线开展核查。

步骤1：选取用户当月不少于3天的用电负荷数据，包括电压、电流、有功功率、无功功率。

步骤2：选取不少于90 条负荷数据开展分析，计算S1/S2值，其中S1由电压电流数据计算得到，S2由有功、无功数据计算得到，是计量检查常用的计算公式。

步骤3：如果用户负荷S1/S2值落在0.8～1.2之外的占比达到设定阈值，对应用户列为重点核查用户。

1.9 用户三相不平衡诊断

一般情况下，用户三相电流基本一致，这样用户用电设备利用效率最高，变压器等设备的运行状态也最优。用户三相电流不平衡，一方面可能是用户侧负荷分配不均，容易引发计量装置故障，存在潜在安全隐患；另一方面则可能是计量装置异常。通过计算三相电流不平衡度，及时发现异常用户。

对于某用户确定时刻的三相电流数据，我们定义电流不平衡度kI如下：

我们选取用户最近一个月的用电数据进行分析，根据用户用电时段分布，选取3 天的用电数据，每天选择几个时刻，分别计算电流不平衡度，取其中的最小值作为该用户对应的kI。当kI大于设定阈值时，对应用户确认为重点核查用户。

1.10 电流互感器变比配置诊断

明确用户电压、电流互感器变比值是确定用户计量方案的重要内容，其中电流互感器变比配置值根据用户用电容量、电压等级、电能表接线形式、功率因数等信息计算得来，记为KCT0。一般情况下，用户电流互感器配置值应与理论计算值一致或接近，若配置值比理论计算值小很多，存在系统档案错误而现场实际安装的为大电流变比互感器，引起少计电量的风险；相反，配置值比理论计算值大很多，存在多计电量的风险。记营销系统中用户的电流互感器变比值为KCT，将理论值与系统值的比值记为kct：

当kct大于或小于一定阈值时，对应用户确认为重点核查用户。

1.11 关键指标关系分析及重点排查用户确定

上述指标分别从不同层面体现了用户用电量偏离正常值的情况，各个指标独立计算，通过综合各个指标数据，层层筛选，确定重点排查用户。

首先对用户月用电量与容量关系进行同行业比对，通过对当月及年度用电量均值与最大值的分析，确定嫌疑用户清单；并对当月用电量数据异动、用户产能、线路线损、错接线、三相平衡性、互感器变比等指标进行分析，当相应用户同时是同行业用户月用电量嫌疑用户和其他任意一个指标的嫌疑用户，则将其列为重点核查用户。

对这些重点核查用户，首先对其用电数据开展进一步的线上分析，如近期用户增减容情况、计量装置更换情况、现场核抄开展情况等，根据分析情况再选取用户进行现场核查。

2 实例分析

文章选取了某供电所10 kV 高压用户2021—2022年用电数据及相应线路线损数据开展用电量异常诊断分析。

2.1 用户分类情况

首先对用户行业类别进行并集操作，得到12个行业分类用户群。其中“日用金属工具制造业”行业类别下包含的用户超过300 户，适合开展用电量异常诊断分析，文章选取这部分用户进行实例分析。

2.2 同行业用户月用电量比对情况

按照分析步骤，对该供电所“日用金属工具制造业”的315户用户开展同行业用户月用电量比对。

其中对应用户月用电量与运行容量的比值最小值为0，最大值为2.2，根据该比值分布情况，说明这部分用户群体中存在用电量少计的用户可能性较大，因此选取指标值较小的前10%用户开展进一步分析，剔除其中4户零电量用户后共27户用户。

然后进一步根据当月最大需量数据，在27户中确定5 户当月最大需量为正常值但月用电量为较低值的用户作为重点核查用户。根据用户年度月用电量数据，在27户中再确定重点核查用户10户。

2.3 当月用电量异动诊断情况

对同行业用户比对中剩余嫌疑用户开展用户当月用电量与上月用电量、去年同期用电量数据异动情况分析，确定重点核查用户2 户。对应用户当月用电量与上月用电量、去年同期用电量相差均较大。

2.4 线路线损与用电量比对情况

分析线路线损与用户用电量数据变化，新增重点核查用户1 户。该户当月线路线损显著偏大，与用电量减少趋势一致。

用户产能、用户错接线诊断、三相电流不平衡诊断、电流互感器变比配置诊断未出现新的重点核查用户，综上在本次算例中共确定18户重点核查用户。

2.5 现场核查情况

首先对这18 户用户的用电数据开展进一步分析，计算负荷数据的S1/S2值，查阅最近一个月用电检查或者周期核抄记录以及新装、改类、增容流程情况。

组织人员开展现场核查，通过现场检查，发现异常用户1 户，异常情况为C 相电流互感器极性接反，该用户为三相四线用户，对应重点核查用户表中的用户18，对应的S1/S2比值为0.603，对应的同行业用户当月用电量比值S11为0.107，指标值处于最低的10%以内，S12、S13、S14指标值未在最低的10%以内，但也偏低；对应的线路当月线损为26.26%。其余用户均为用户减产，系统用电量数据与实际生产情况一致。

表1 重点核查用户S1/S2比值及核抄、换表记录表

3 结束语

本次算例分析说明通过对用户用电量、用电容量、错接线、线损等多维度的分析，应用各个维度的评价因子，可以主动发现具有用电量计量异常嫌疑的用户。通过同行业间用户用电数据比对，可以缩小异常用户分析排查的范围，提高数据分析效率。

本文提出了一种主动发现用户用电量异常的分析思路，在提高核查针对性和工作效率上取得了一定的效果。但本文提出的算法比较简单，在判断阈值的设定上主要通过人工经验进行。下一步可以继续在用户分类、与线损的联动分析等方面进行更细致、深入的研究，并与机器学习等人工智能算法相结合。通过大数据分析，结合现场核查情况，进一步优化评价指标和阈值设定。如果将相应算法部署在用电信息采集系统中，采用实时数据开展计算将更准确及时地发现用电量计量异常用户，这是本文研究内容可以继续深入的方向。