摘要：近几年随着我国智能电表的大量安装和推广，目前各省电力公司的数据中心都累积了规模巨大的智能电表量测数据，如何运用这一宝贵的基础性数据资源，挖掘其潜在价值，是学术界和产业界共同关注的焦点。鉴于此，本文分析探讨了智能电表数据分析方法及应用情况，以供参阅。
关键词：智能电表；数据分析；方法；应用
引言
在互联网+时代，大数据应用比较广，智能电表的数据分析是提高智能电表性能的关键因素，智能电网的推广与使用，提高了电力系统的职能，电力系统的安全与稳定关系到社会各个领域，现在各个领域的生产都离不开电，因此科学对智能电表数据分析，以提高智能电表性能，改善电力系统质量，这是保证我国经济建设的关键因素。
1智能电表数据分析
AMI中智能电表内部是可以进行编程的，智能电表支持即时读取用电信息、电压越界检测、装置干扰和窃电检测、远程接通和开断。在检测到断电时，智能电表能发回报警信息，为故障检测和响应提供了很大的方便。智能电表的其他一些典型的功能还包括：提供双向计量，支持具有分布式发电的用户；提供电压越界检测与电能质量的监视；可以进行远程编程设定和软件升级；支持远程时间同步；能根据要求限制负荷等。AMI中的智能电表能提供大量的用电和网络状态信息，用户可据此调整用电习惯以减少开支，电力公司可据此制定更有针对性的系统改造计划。它支持消除峰荷和节能的需求侧响应和分时计费，减少网络阻塞费用和网损。北美的电力公司2008年起实施了高级量测体系项目，目前智能电表在北美普通家庭用户的覆盖率已经超过一半。电力公司从AMI的实施中得到了对整个配用电网络全面的能观性，也获得了前所未有的大量数据。整合、分析并利用数量众多的配用电量测数据（智能电表、配电自动化等），成为近几年电力公司的研究和工作重点。各公司都在根据自己的实际需求，开发基于智能电表量测数据的数据分析应用，即智能电表数据分析元。迄今为止的电力数据分析方法主要有描述性分析方法、预测性分析方法和规范性分析方法三种类型。
2智能电表数据分析方法
智能电表数据分析是指运用统计分析方法对收集来的大量原始智能电表量测数据进行处理、建模和计算，提取有用信息并形成结论，挖掘其内在关联和深层价值，为电力公司的商业运营、电网规划和运行维护等提供决策支持，使其更具有洞察力的过程与科学。与智能电表数据相关的数学统计分析方法可以归结为以下主要4类：相关（correlation）分析、聚类（cluster）分析、异常（exception）分析以及趋势分析。
2.1相关分析
相关分析是研究现象之间是否存在某种关联关系的一种统计方法。相关分析分为线性相关分析和偏相关分析等，在智能电表数据分析中，线性相关分析最为常用，它研究两个变量间线性关系的程度，用相关系数R来描述。可以利用负荷与温度的相关关系，结合天气情况来预测负荷高峰。也可以利用连接在同一配电变压器二次侧的智能电表电压测量值来对某一组电表的相关性进行分析。
2.2聚类分析
聚类分析就是以一定的标准来汇集某一类数据。例如，连接同一个变压器的电表可以通过聚类分析来确定变压器的负荷。虚拟电表是人为定义的聚类，能够聚类具有同一属性的电表的数据，一种典型的虚拟电表是聚类具有线性关系的电表来进行区域规划和分析（如某一馈线或变压器的负荷）。
2.3异常分析
异常分析是指对偏离一般规律的异常事件或现象进行原因追溯的分析方法。异常分析在设备故障和用电异常（如窃电）诊断等方面能发挥重大作用。如统计变压器故障前的一系列历史异常数据，对其进行抽样和建模，就可以预测变压器的故障，从而及时检修或更换。
期刊文章分类查询,尽在期刊图书馆
2.4趋势分析
趋势分析是将两期或多期连续的同一指标进行对比，得出它们的增减变动方向、数额和幅度，以揭示事物变化趋势和变化规律的一种分析方法。趋势分析是智能电表数据分析的常用方法，最简单直接的分析就是利用多条趋势曲线同时展示某一用户用电量的同比或环比数据。设备故障前的趋势模型也能够用于辨别零件的毁坏或操作故障。
3智能电表数据分析的相关应用
3.1电力负荷预测
电力负荷预测是电力系统规划运行的重要组成部分，从根本上保证了电力系统的可靠运行。预测结果决定了一个地区未来一段时间电力的需求量及其电网的供电容量。根据预测周期不同，分长期预测、中期预测、短期预测、超短期预测，相对应的是年度预测、月度预测、日预测和小时预测。负荷预测方法可以大体分为三类：传统预测、改进传统预测以及软件算方法。传统预测包括：回归分析法、指数平滑法、加权迭代最小二乘法。改进传统预测有：自适应预测、随机时间序列和支持向量机等。软件算方法包括：遗传算法、模糊逻辑、神经网络和专家系统等。
3.2异常用电检测
非技术性损耗一直以来都是全球供电领域关注的重要问题。而窃电和非法用电等异常用电行为则是构成非技术损耗的重要组成部分。一般通过篡改电表、非法搭接等手段窃取用电，给电力公司带来了巨大的损失，增大了电力系统供电负担。智能电表能够通过检测表箱开启、接线变动、表计软件更新等事件，及时发现窃电行为的发生。通过将总表的数据和其下所有表计数据进行比对，检测出异常用电情况。
3.3电力系统需求响应管理
电力需求响应机制是指电力用户针对市场价格调节信号或者根据电力公司的激励措施而改变其固有的习惯用电模式的市场参与行为。当前有关需求响应机制的研究主要围绕不同定价策略来进行的，用户根据电力公司发布的价格信号，包括分时电价、实时电价和尖峰电价，相应的调整用电需求，将用电时段调整到低电价时段，并在高电价时段减少用电，以此实现减少电费开销的目的。
3.4互动反馈机制管理
电力公司通过对电表数据的统计挖掘分析，对用户的用电行为展开研究，并将相应的合理建议反馈给用户，用户通过和电力公司交互式互动，可以给双方都能带来巨大的利益。何永秀等人对我国几个典型城市的居民智能用电情况进行问卷调查和数据统计分析，采用模糊综合评价方法对居民用电态度进行量化评分，根据居民的偏好和智能用电行为分析，为智能电网下居民互动机制设计提出了合理化的建议。
3.5安全与隐私
智能电网并不是一个单独的设备、应用、系统或者网络，利用通信技术和信息技术来优化从供应者到消费者的电力传输和配电过程。在智能电网AMI计量体系的实现中，只能给你电表会自动的手机大量的信息并将信息传送到电力公司、消费者以及第三方服务提供商。这些数据可能包含侵害个人隐私的个人识别信息。通过对负载信息数据进行分析，就可以得知各时段电器的使用情况。
结束语
随着现代基于智能电网的智能能源管理系统的日益推进和发展，智能电表将会逐步普及到每个家庭用户当中。智能电表的好处是有目共睹的，通过对智能电表电力大数据的分析，能够帮助用户错峰用电，促进家庭用户调整用电模式，节省开支；能够帮助企业用户合理安排生产经营活动，降低生产成本。能够帮助电网公司以及政府部门，较为准确的预测未来电力负荷曲线，帮助节能减排，降低能效等。在智能电表数据带来巨大收益的同时，也应该清楚的注意到其中所面临的用户安全隐私等问题，这些都是要重点关注的问题，也希望在今后的发展当中，能有相应的政策机制来帮助保护大家的用电隐私。
参考文献：
[1]王亚东，高岩，金锋.智能电表数据分析及应用综述研究[J].信息技术，2015，（02）：4.
[2]徐大青，栾文鹏，王鹏，张展国.智能电表数据分析方法及应用[J].2015，（03）：5.
[3]刘沅昆，王鹏.智能电表数据分析元及示例[J].南方电网技术，2016，（01）：5.
论文作者:孔娜,赵友强,赵贵军
论文发表刊物:《电力设备》2018年第29期
论文发表时间:2019/4/1
标签：电表论文; 智能论文; 数据论文; 电力论文; 方法论文; 用户论文; 公司论文; 《电力设备》2018年第29期论文;