摘要：随着科学技术的不断进步，人们对电力能源的需求越来越高。电力系统也在不断的引进新技术手段，通过改善自身运行状况，从而为用户提供更好的服务。用户用电信息采集系统和电力系统业务双向交互平台构成了电网与用户信息流和业务流的智能用电大数据。该技术的应用极大地提高了台区线损异常的诊断质量，能够对电网数据进行深入挖掘和分析，从而找出台区线损的原因，促进台区线损管理从结果管理向过程管理转变。也能够提高台区供电运行效率和管理水平，降低企业运营成本，提高企业经济效益。本文将对智能用电大数据分析的台区线损管理进行深入研究。
关键词：智能用电；大数据；分析；台区线损；管理
1前言
随着信息技术的飞速发展，大数据、云计算等高新技术在各行各业中得到应用，进一步提高了其业务经营管理效率。电力是现代化生产生活中不可缺少的重要能源。必须不断提高供电系统的运行质量，并对其进行有效管理，以保证电力供应的持续稳定性。节能减排和提高能源利用效率是解决资源短缺和环境污染的重要途径。智能用电作为智能电网的重要组成部分，可以利用先进的信息通信技术，将电力用户从传统的被动用电方式转变为主动用电方式，从而有效提高用电效率，并节约用电成本，使得用户与电力公司之间建立新的供用电关系。同时，将智能电力大数据应用于台区线损管理中，通过对大量用户的电力信息进行分析，深入挖掘信息价值，准确找出线损因素，从而提高供电运营管理效率，降低运营成本，使电力企业得到更好的发展。
2 分析台区线损异常
在电力系统中，供电台区是指由配电变压器和一条配电线路、或多个配电变压器和多个配电线路所组成。低压配电网与供电用户相连，供电区域纵横交错，用户类型多，供电复杂，尤其是城市配电网更为复杂。因此，供电企业采用台区的方式对用户进行划分和管理，台区供电量、售电量和线损率是衡量台区经济运行的重要指标。台区线损作为低压线损管理的重要组成部分，涉及配网的规划、运行、营销量、计量、采集与管理等诸多方面。然而，由于低压配电网结构的复杂性和用户性质的复杂性，管理难度较大，台区管理线损耗较高。在大数据技术的支持下，其信息采集系统已实现低压电力用户在许多领域的覆盖。
系统的主要功能包括考核单元信息、统计台区与用户的对应关系、日供售电统计、日台区损失率计算与统计、指标完成情况等。当前低压线损的计算方法主要有平均电流负荷曲线特征系数法、降压法、等效功率法等。通过这种信息采集系统的使用，解决了电量考核表和抄表不同时段的问题，但影响线损率计算精度的因素仍然很多，如用户采集在台区的覆盖范围、台区住户之间的关系、台区供电评估的电能表档案数据等。这些因素将影响台线损失率计算的准确性和正确性。传统的分析方法难以保证线损计算的准确性，并且工作效率低，存在一定的局限性。在智能用电数据的支持下，通过数据分析和数据挖掘技术分析低压线损异常的产生分析损耗的原因，为线损计算提供可靠的参数，从而为台区线损管理工作的发展提供依据，进一步的提高管理水平和工作效率。
3 台区线损异常诊断模型分类
随着电力信息采集系统的全面覆盖和全面采集，用户的用电信息非常庞大。然而传统的数据分析技术无法解决当前的实际问题。传统的数据分析方法通常只分析具有相同类型属性的数据集。在实际中，需要更多的技术来处理各种属性的技术，如静态文件数据与动态采集数据之间的相关性、台区户变逻辑关系等。这都需要对台区线损计算数据进行预处理，从而使数据更适合于分析。
3.1可计算分析诊断
随着用户信息采集覆盖面的扩大以及信息量和数据量的不断增加，传统的数据分析方法已不能解决当前电力系统的分析诊断问题。此外，需要处理信息数据显示出多样性。为了进行更有效的分析和诊断，有必要对线损计算数据进行预处理。同时为了提高线损计算的准确性，首先要制定线损计算的条件规则，将信息数据分为可计算数据和不可计算数据两类。这就需要使用基于规则的分类器来获取，采用“if…then…”的规则用于对记录的数据进行分类。因此，应根据线损计算的特点生成规则模型，以便用一组分类规则来表示。
期刊文章分类查询,尽在期刊图书馆线损的具体计算属性包括公共配变、运行台区、考核电能表、用户电能表、综合倍率、采集安装费率等。也要满足这些计算属性的台区属于可计算区域，否则属于不可计算台区域。其计算公式为:采集安装率=已采表/应采表*100%。
3.2 合理性分析诊断
利用计算分析模型确定台区线损是否满足计算条件，并引入决策树以保证计算结果的合理性。建立合理性分析诊断模型，进一步分析线损计算的合理性。决策树用于检验记录属性和分类问题，一个问题得到答案后生成下一个问题。决策树由问题的答案过程组成，其主要结构包括根节点、内部节点和叶节点。决策树模型的构建主要基于对台区线损的合理性分析，并采用递归算法来创建节点。初始决策树仅包含一个类别为“合理性=是”的节点，表现了线损率的合理性。然后，对决策树进行细化。根节点包含两种类型的记录，根据条件将它们划分为较小的子集，并递归到每个子节点。通过决策树的构建，可以对异常线损的原因进行分类和分析。在此基础上，还可以提高计量点电流互感器的比例和用户数量，帮助线损管理人员进一步分析影响台区线损异常的其他因素。
3.3智能台区户变关系分析
台区户变动关系的准确性直接影响结果的正确性。电力终端主动上报停电时间和智能停电时间记录，自动采集智能电能表的停电时刻和所有电表的时钟，进而结合终端上报的停电事件进行分析。采用相似性与相似度分析的方法，进行了台区互变关系的分析。一般情况下，对于特定属性的台区之间的接近度由单个属性的接近度的组合定义。因为属性携带对象的相异信息，所以可以说这两个对象是相异或相似的。因此，在这种情况下，如果以中断时间作为属性值，则用户仪表与总停电时间的偏差在1分钟内，则相似度定义为1，否则定义为0；以相反的方式定义相异度，如果属性值匹配，则通过在营销文件中判断该区域的用户电能表停电时刻与台区停电时刻。若用户电表与总停电时间偏差在1 min以内，则视为本台区的一部分；如果用户电表与总电表停电偏差大于1 min，则认为用户不在此台区。
4 优化智能用电大数据分析的台区线损管理
对于智能用电大数据分析的台区线损管理优化可以从优化目标、提升基础数据准确性、提高对于线损工作的重视度及用电模式的优化等方面进行。通过对目标的优化，可以改进智能用电优化算法。在降低用电费用的同时，增加限制条件，使家用电器的耗电量分布均匀。还要严格监测三相负荷不平衡、无功补偿不到位等相关指标数据，并及时发现问题。对该地区月度用电量进行分析，计量装置与用电量不匹配。重新整改严重超载的问题。此外，为了充分保障农村用电安全，有关电力管理部门必须充分重视农村线损问题，采取科学有效的措施，减少线损问题，确保农村供电的顺利进行。最小排放模式以碳排放为主要优化目标，对电力负荷进行优化。电气设备的可控周期由用户设定，系统通过学习掌握用户用电情况后，自动形成负荷调度。在发电方式部分，用户可以选择剩余电量、剩余电量存储或全网三种方式中的一种，分别对应于“自发用电、剩余电量上网”、“自发用电，剩余电量存储”和“电量全用于上网”三种方式。
5 结语
综上所述，基于智能大数据的台区线损管理的效率和管理水平将得到有效提高。根据台区场地条件复杂，通过对台区线损各种因素的研究分析，对其进行单独管理，进而准确地定位台区，从而降低企业运营成本，取得更好的经济效益。
参考文献
[1] 宋煜, 郑海雁, 尹飞. 基于智能用电大数据分析的台区线损管理[J]. 电力信息与通信技术, 2015, 13(8).
[2] 侯昝宇, 詹克兴, 孙莉如. 基于智能用电大数据分析的台区线损管理[J]. 环球市场, 2017(24).
[3] 蔡晓燕. 基于智能用电大数据分析的台区线损管理初探[J]. 科技创新与应用, 2017(17).
作者简介
蒋昊展（1989-）男，汉族，本科，助理工程师，主要从事线损分析技术.
论文作者:蒋昊展
论文发表刊物:《电力设备》2018年第9期
论文发表时间:2018/7/5
标签：线损论文; 数据论文; 用户论文; 智能论文; 大数论文; 电力论文; 电量论文; 《电力设备》2018年第9期论文;