摘要：在供电公司的经营活动中，对客户的行为分析和研究起着预测和优化经营全过程的作用，传统数据取样和分析方式是通过筛选的样本用户进行分析，在当前电力用户用电信息采集系统建设推广背景下，可充分利用系统采集得到的海量数据，把取样方式扩展至全样本分析，以大数据的分析模式对用电信息采集进行深度研究。
关键词：用电信息；采集系统；异常行为；行为研究
一、序言
作为智能电网组成中的直面用户的最前置、最基本的构成元素，电力用户用电信息采集系统是电力企业“大数据”链条上的重要且基础的一环。系统针对的是广大电力用户用电信息数据的采集，利用系统已采集的海量数据结合营销信息系统以及其他关联数据进行合理提取和分析使我们可以对用电客户的行为做合理预测，进而结合生产、营销管理的实际情况提供辅助决策[1]。
近年来，盗窃电能的违法行为越来越普遍，而且随着科学技术的快速发展，窃电手段更加高明，技术含量更高，方法更隐蔽，特别是窃电犯罪日渐呈现网络化、规模化、专业化的特点，给查处带来了很大的难度。窃电现象不仅困扰电力企业的发展，对电网安全与效益、社会安全与风气构成了严重挑战，也严重影响了国家的经济建设和社会的稳定。
尽管窃电的形式和手段很多，无论是哪一种窃电方式，都会影响某个电表的计量数据或者影响某条线路、某个区域的相关数据，如线损变化、电压变化、电流变化以及相关的电表事件等。随着用电信息采集范围、应用范围的持续扩大，伴随着用户量和业务需求的增长，系统的复杂度也大幅度增加。传统数据处理技术已无法满足当前业务发展对系统数据处理分析的要求。通过信息采集系统将用户的用电数据完整采集到主站，对这些大数据进行深加工，寻找其中的用电行为规律，已成为当今大数据网背景下一个热点研究领域。
二、用电信息采集系统的建设
电力用户用电信息采集系统（下文简称：采集系统）是国家电网公司智能电网建设中的重要组成部分，系统建设位于电网末端的供电实现环节，面向广大用电客户，涵盖全部高、低压用户以及计量关口，数据包含各类用户的电压、电流、负荷、电量等计量实时信息的采集，同时支持对用户实施防窃电、预付费以及有序用电的控制[2]。
采集系统通过对各类用电客户或关口安装远程监控终端，由监控终端实施对用户的数据采集，远程监控终端针对采集的用户类别不同其工作原理及数据采集种类和频率也有所不同。采集的数据项根据业务需要确定，数据采集频率也随数据项类型不同而不同。例如：对于低压用户，电量的采集频率为每天一次，电压电流的数据采集为实时被动采集，但是对于高压用户，电压、电流以及电量的采集为15分钟一次，同时支持实时被动采集，对于现场用电异常情况的采集则是每天一次。现场的远程监控终端通过GPRS与系统主站实现通信以及数据传输，主站对远程监控终端采集的数据进行提取、存储以及分析。
三、采集系统数据采集方法
（一）内部数据的采集
采集系统覆盖用电客户或其他用于结算和考核的用电计量装置有多种，主要包含：厂站直供大型用电客户、一般专变用电客户、公变考核总表、普通低压用户[3]。采集的数据项也很多，如：电量、电压、电流、现场用电异常报警等。详细情况如下：
1、普通低压用户：日冻结电量（每日一次），实时电压、电流（被动采集）。
2、厂站直供大型用电客户、一般专变用电客户：日冻结电量、用电异常报警（每日一次），电量、电压、电流（每15分钟一次），用电异常报警、实时电量（被动采集）。
3、公变考核总表：日冻结电量、用电异常报警（每日一次），电量、电压、电流（每15分钟一次），用电异常报警、实时电量（被动采集）。
期刊文章分类查询,尽在期刊图书馆
（二）外围数据的采集
采集系统采集的用电客户用电信息是对客户用电行为分析的一个主要数据基础，要全方位分析客户用电行为还需要借助一些其它系统或者外围数据。
1、需通过营销信息系统获取数据项类型:用户基本信息、用电类型、供电方式、抄表例日、电费结算等。
2、需通过外围地理信息、环境监控等系统或公布数据获取数据项类型:供电服务区地理信息、四季温度变化、不同区域主要用电客服类型、政府公布经济指数等。
只有在全方位获取到与用电客户用电行为相关的其他信息或影响用电客户用电行为的各项因素的基础上，分析才能更加客观、更加全面，分析结果才能更加接近实际。
四、大数据研究分析方法的选定
基于采集系统大数据的基础上，结合外部系统数据研究用户的行为是一个较为庞大的研究课题，其研究方向的多样性以及多变性决定了我们选取合适的研究方向将显得极其重要。如何选取合适且能满足需要的研究方向十分重要，根据采集系统数据特点，我们可以将研究方向分为“预测型”和“优化型”两大类。“预测型”主要是通过采集系统历史数据与外围各种可能因素之间进行多维度的数据分析和建模，从繁多的因素之中找到影响用户行为的主要因素，同时根据数据分析得到的规律对未来用户行为进行有限的合理预测，例如：我们通过研究一定范围内相对稳定的用户群体用电量数据将此数据与时间以及气候温度变化因素进行多维分析，可以较为准确的得到该用户群体用电量与温度之间的关联规律，那么通过对历史温度数据的变化趋势，我们可以基本预测出未来一年内各月度该用户群体的用电量。而“优化型”主要是对传统分析方法无法定量分析的电网某些特性或存在无数据支撑的管理工作方面通过对大数据的研究找到确切的数据支撑，从而帮助企业管理者进行管理优化。可以通过对采集回的公变台区总表功率值进行分析，很容易得到功率与时间的曲线，通过合理设定阈值能够很快得到选定样本中变压器负载率正常、重点监控以及超载的数量及明细，进而帮助管理者制定合理的巡视计划，同时也为台区分割扩容提供详细的数据依据，极大的提高了管理效率。
总的来说，“预测型”和“优化型”研究课题都是基于采集系统采集回的全样本用户信息所做的分析，“预测型”除了依赖采集系统的数据还需要外围其他相关数据进行联合分析，而“优化型”课题则主要是对采集系统数据进行逻辑上的合理分析进而找出不合理的对象群，帮助管理者优化管理。通过分析达成研究目的所需数据项进行规划和制定研究计划以及数据处理方法，这样才会更加有助于问题的解决。
五、“大数据”分析方法的优越性
传统的数据分析无论是数据取样范围和规模还是参与分析的变量数都是及其狭窄的，往往只能在较少的取样数据里面发现规律对未来发展趋势作出有限预测，这样预测的结果往往误差较大，无法满足当今企业发展的需要。而通过基于“大数据”基础的分析方法，由于取样范围及其广泛，分析角度是多维度的，且能够借助于先进的软件分析工具建立模型，可以更加准确的做出分析或预测，帮助企业决策者做出更加合理的判断和决策。
六、总结
电力客户用电行为直接影响了供电企业的经济效益，我们应重视对客户用电行为的分析，在实践中总结经验、优化管理，并积极应用新思路、新技术、新设备提高分析结果的可靠性，从而更好的服务企业。通过大数据技术的研究和应用，开发了用户用电行为异常分析系统，并以用户用电行为异常分析以为切入点，开展了基于大数据的用电行为异常分析研究和建设。该方法和处理技术通过对广泛采集的数据进行建模，找出异常的数据变化规律，为电力行业其他业务的大数据应用提供了科学方法和经验。
参考文献
[1]《中国电力大数据发展白皮书》（2013年）
[2]《多维数据分析在电力行业中的应用》.ELECTRICPOWERIT(2008年第6卷第11期)
[3]（英）维克托•迈尔-舍恩伯格.大数据时代——生活、工作与思维的大变革[M].[M]，盛杨燕周涛译.杭州：浙江人民出版社，2012
论文作者:蒋霞
论文发表刊物:《基层建设》2018年第36期
论文发表时间:2019/3/11
标签：数据论文; 用户论文; 电量论文; 采集系统论文; 客户论文; 数据项论文; 异常论文; 《基层建设》2018年第36期论文;