摘要：目前，我国对用电信息系统的建设和发展已经逐渐完善，累积接入的采集终端约有1500万台，智能电表的接入约5亿。为了确保在用电信息采集系统中各项业务顺利展开，就需要加强对采集系统的运行维护工作，这也是采集系统未来主要研究和注意的问题。从当前情况来看，在采集运维业务中还存在着诸多问题，如运维效率较低，缺乏故障优先处理级，故障种类多样、复杂，难以对故障进行准确的定位等，因此本文就首先对用电信息采集系统的运维业务中所存在的问题加以分析，并进一步提出在采集运维业务中大数据分析技术的应用。
关键词：大数据分析技术 采集运维业务 用电信息采集系统
近年来，随着用电信息采集系统的大力推广，用电信息采集规模日渐庞大，数据深化应用不断加强，对系统的运行维护工作也随之扩大，迫切的运维需求与落后的运维能力不匹配等问题逐渐凸显出来。随着我国科技力量的逐渐提升，信息技术水平在不斷提高，大数据分析技术则是建立在信息技术发展的基础上发展起来的，近年来大数据分析技术在多个领域中都得到了应用，并取得了一定的进展。笔者对大数据分析技术在采集运维业务中应用策略提出了几点思考。
1采集系统数据分析
目前用电信息采集系统以时间为划分标准，将信息分为以下三类：1类数据实时数据不具有时间序列属性，通常只针对其更新而很少查询，由于数据量庞大，其通常只具有15分钟的实效，总加数据、测量点数据、终端数据是其主要形式，在存储的过程中应根据其不同的物理对象选择与其相应的存储表；2类数据其主要显示用电户在过去一段时间内的用电信息，为预付费管理、用电情况统计等工作提供数据支持，其与l类数据不同具有时间序列属性，而且更新少而查询多，15分钟至1小时，1日、一个月等都可根据实际需要作为周期，其在存储的过程中也可以根据不同的物理对象，选择不同的存储表；3类数据包括参数丢失或变更、回路异常、电能表显示出现偏差等情况，由于其不同时间的发生频率、使用方式等都存在差异，所以在存储的过程中应单独分表，将用电信息按照属性进行划分极大地提升了采集系统的工作效率。
2大数据分析在采集运维业务中的应用
2.1用电数据辨识、评估。系统针对不同的用户群，可以配置不同的识别规则组，以便达到最佳的数据辨识效果。通过配置规则组内的各个子规则，识别过滤异常数据，确保结算数据正确性。对于缺数、无法采集到的数据，通过一系列的评估规则，给出最合理的数据。系统对数据修补具备自学习功能，自动匹配最接近实际情况的数据用于数据修补。比如，在采集过程中，发现某些时段缺数，最常见的修补数据方式是直线修补。数据分析系统提供的大数据处理引擎技术，会根据设定的规则找到最接近缺数那天的用电数据，选取缺数时段的数据进行数据修补，使数据更加符合实际情况。
2.2可疑窃电行为分析。识别窃电行为是复杂的数据分析过程。用户根据生产情况，随时增加或减少用电负荷。如何在变化的用电数据中过滤出有可疑窃电行为的用户，需要通过一系列事件、营销信息系统采集到的相关数据进行多维度数据分析，并建立漏斗型识别模型，最终筛选可疑窃电清单，并按照可疑程度排序，指导用电稽查。除自动识别窃电行为外，系统综合展现用户的用电情况、停电事件、停电恢复事件以及电表编程参数更改事件等数据，方便通过人工方式确认用户是否存在窃电行为。
2.3判断依据：其一，用电异常系统能定时每天/每周进行用户用电异常分析。电量分析的数据包括本日（月）与上日（月）电量的比较。当变化范围超过一定阀值时，得到用户用电异常清单。电量变化阀值可以由用户根据实际情况进行配置。其二，失压、失流等报警事件根据用户计量设备的报警事件，如失压、失流和计量门打开等异常事件，结合计量设备的负荷数据进行综合分析，得到准确的用电异常清单。
期刊文章分类查询,尽在期刊图书馆其三，线损异常根据10kV馈线线损、台区线损中线损异常的数据进行分析，得到对线损异常影响较大的表计，将其标识为用电异常清单。
2.4用户用电设备负荷分析。通过分析用户的负荷情况，筛选过载的线路、变压器以及接近过载的线路和变压器，为线路和用户扩容提供数据；按过载的频率、过载的容量，提供技改优先级排序的名单；系统可以从宏观（整体）和微观（单台变压器）两个方面提供变压器负载情况的分析数据。应用范围：根据用电设备负载率数据趋势分析，为用户提供用电建议；对用电设备负载异常的用户提供报警信息，及时提醒用户关注；对长期过载运行的设备，给出风险警示。
2.5用户用电特征分析。分析用户用电量、用电负荷、用户行业、用电性质、峰谷电量比例、最大需量以及功率因数等数据，建立用户用电信息模型，提出用电行为改善方案，指导其合理用电、科学用电、经济用电。根据用户的用电特性，可以为用户用电趋势分析提供数据支持。另外，通过用户用电特性数据的综合统计，为政府机关或主管部门提供不同的用电报表。
3大数据分析在采集运维业务中的应用案例
3.1实例分析1： 某台区日线损一直维持在3%左右，某日主站人员发现日台区线损突然增至8%， 经系统查询数据比对，发现该台区日均售电量一般维持在500KWh，仅在7日，售电量增加至500KWh， 用户用电量未发现明显增加，初步怀疑存在窃电情况。现场运维师及用检人员一同排查台区后在某用户电能表前发现绕越表计计量的用电情况， 后拍照取证经用户签字确认后，对用户进行了处罚，并当场进行了线路恢复。恢复后次台区线损恢复日正常值。通过用电信息采集系统中台区线损分析模块对采集数据的分析，极大程度便利了基层单位管控台区线损的工作，也对台区基础信息的治理工作提供了准确的校验平台。
3.2实例分析2：某用户在夏季某有序用电工作开展期间， 用电负荷超过有序用电协议中签订的允许负荷1000 KWh， 因考虑到用户生产实际供电部门经电话通知要求在15分钟内将负荷压减至1000 KWh以下， 但用户在小时内未丌展负荷压减工作， 继续超限用电， 经最后电话沟通仍未压减负荷， 主站人员在经调度允许情况下， 通过有序用电的远程跳闸功能对该用户的一路开关进行了跳闸处理，压减负荷5001000 KWh， 确保超载线路的负荷减低， 保证了有序用电工作的顺利开展。我们可以结合用户季节性用电情况， 汇总采集系统负荷数据， 编制了有序用电工作方案，确保了有序用电工作开展。
3.3实例分析3：某用户为高供高计、三相三线临时变用户， 主站人员某通过终端系统巡査发现该用户A相电压数据缺失，通过现场检查后发现为A相烧毁。经系统查询发现用户失压46326分钟， 约33天。
4 结语
随着信息技术的发展以及用电采集系统的逐步普及，电网数据将从数据量、获得数据的时效性、有效性等方面进一步完善和提升，大数据技术的特性将得到进一步的凸显。电力企业高度重视大数据技术在采集运维中的应用，通过对业务数据进行分析、整合，搭建数据交互共享平台，以提高大数据技术的实用性。在用电信息采集系统中的运维业务中采用大数据分析技术，可以对采集的数据信息进行深入挖掘和分析、处理，使采集运维工作从粗放式管理逐渐向集约式和精益化方向发生转变，提高运维业务水平和工作效率。
参考文献
[1]万方达.容量评估管理方式探索——数据分析在信息技术运维领域的应用[J].金融电子化，2015（11）：70-72.
[2]边红军.数据挖掘技术在信用卡业务中的应用分析研究[J].无线互联科技，2015（1）：105.
论文作者:张翠红
论文发表刊物:《中国电业》2019年第11期
论文发表时间:2019/9/29
标签：数据论文; 用户论文; 大数论文; 采集系统论文; 业务论文; 异常论文; 信息论文; 《中国电业》2019年第11期论文;