智能电表数据分析方法以及应用分析

◆文楚杰

智能电表数据分析方法以及应用分析

◆文楚杰

（香港都会大学科技学院 香港）

伴随时代的飞速发展，智能电表的相关数据分析方法已经获得了广泛的运用，且取得了不错的运用成效，这有利于促进国内智能电网以及智慧家庭的建设。基于此，本文首先探究了有效开展智能电表数据分析工作的意义，然后介绍了智能电表的几种数据分析方法，最后探究了智能电表数据分析的相关应用实践，以供参考。

智能电表；数据分析方法；应用

近几年，智能电网技术获得了可持续的发展，高级量测体系在电力系统中获得了十分普遍的运用。各电力公司安装了很多的智能电表，导致采集数据频率越来越高（大约1次/15min），这些数据都具有一定的实时性[1]。这些数据中既涵盖用电量，也涵盖各采集点的电流与电压、功率因数、实时功率等运行参数。各电力公司每天都积累了很多的电能数据，怎样规范、合理地使用这些信息资源是各电力研究单位与电力公司关注的重点。在此基础上，本文重点分析了智能电表数据分析方法及运用实践，现具体论述如下。

1 有效开展智能电表数据分析工作的意义

（1）有利于第一时间发现仪表异常

有效开展智能电表的相关数据分析工作，可以在第一时间发现运行过程中的电表异常，并且对故障进行及时处理，将进一步减少故障引起的电费，保证用电交易的合理、公平。准确计量不但与供电公司的经营收入有关，而且与广大电力用户的经济利益与合理用电具有一定的关系。深入了解计量装置的实际运行情况，能够减少供电公司的服务风险、电费回收风险以及经营风险。

（2）有利于提升供电公司的服务质量

伴随用电信息采集系统覆盖范围的日益增大，假如还是采取以前的人工抄表方式已经不能更好地满足相关要求[2]。这就要求充分完善智能电表，以适应如今供电公司飞速发展的步伐，提升智能电表的测量精准度，确保仪表的稳定运行。以此提升供电公司的服务品质以及市场竞争力。对智能电表设备的实际运行情况进行自动化监控，并且评价监控的相关结果，假如当前的内控系统存在一些问题，就要在第一时间进行优化。采取设备的具体运行状态对系统进行监测，有利于推动供电公司智能电表可靠性以及精准性的提升，减少故障的出现率，对供电公司的可持续发展具有十分关键的意义。此外，有助于降低供电公司的服务风险与电费回收风险，提升公司的行业形象与品牌形象。

2 智能电表数据分析方法

（1）相关分析

相关分析是探究现象之间是不是存在某一种联系的一类统计手段。相关分析包含线性相关分析以及偏相关分析等，前者在智能电表的相关数据分析中最常见，它分析了两个变量之间的关系程度，以相关系数R来表示。能够凭借温度以及负荷的相关关系，将天气情况结合起来对负荷的高峰进行预测。也能够借助于智能电表的实际电压测量值对某一组电表的相关性进行探究。

（2）聚类分析

聚类分析是按照一些固定标准来收集相关数据。比如，电表能够借助于聚类分析来充分明确变压器的具体负荷。虚拟电表可以聚类拥有相同属性的电表的相关数据，一种拥有代表性的虚拟电表是利用聚类相关电表来开展区域研究以及规划。

（3）异常分析

异常分析主要是指对异常情况或者事件开展原因追溯的分析手段。异常分析在用电异常以及设备故障诊断等方面可以施展关键的作用。比如对变压器出现故障前的一连串数据实施统计，对其开展抽样以及建模，就可以很好地预测变压器的相关故障，进而第一时间更换或者检修。

（4）趋势分析

趋势分析是比较若干期连续的相同指标，获得它们的增减变动幅度、数额以及方向，以充分显示事物变化趋势以规律的一种探究手段[3]。趋势分析是比较常见的方法，最直接、简单的分析即借助于若干条趋势曲线同一时期呈现出某用户用电量的同比或者环比数据。设备出现故障之前的趋势模型也可以用来有效辨别零件的操作故障。

3 智能电表数据分析的相关应用实践

（1）客户行为分析

负荷曲线将用户的相关消费行为充分显示了出来，智能电表数据全面记录了用户的消费细节，如间隔15分钟的功率以及电压、电量等参数。因为针对消费习惯比较相似的用户来说，他们的负荷分布形状很相似，于是能够按照其负荷分布的相似程度对用户进行合理分类，进而便于公司对用户开展分类管理，并且针对某一类用户进一步制定相应的运营措施[4]。在电网的峰谷时段上不断叠加用户的负荷曲线，能够将用户大量的用电细节呈现出来，对其峰值时段的相关电能费用进行计算，对用户错峰的实际潜力进行估算。凭借智能电表数据来充分探究用户的行为，可以更好地推动需求侧管理，实现负荷峰值的科学抑制，使电网资产的综合利用效率获得提升。

（2）辅助配电网资产管理

经过探究智能电表进一步采集的数据，能够监视设备的实际运行状态，并且能够更好地判断出设备故障，进而制定愈发科学、有效的资产维护更换方案。智能电表数据的广泛运用，可以提升电力企业的资产管理以及运行水平，减少停电事故，使用户更加满意。

（3）故障定位以及响应

一般来说，电力公司会按照用户的电话来明确电网故障的具体位置，在派遣员工去现场处理前，需要若干个故障电话来确认影响区域与故障范围，然而如此就会耗费更多的时间来处理故障。派遣现场员工对故障进行处理前，将电表数据以及线路故障指示器结合起来使用，有效判断出故障的发生地，将有效缩减故障维修时间。在线路停电之后，大部分智能电表依旧可以在故障管理系统中上报“失电”故障信息。从每一个智能电表进一步获取到的相关故障信息可以对故障的具体范围进行精准判断，假如将地理信息系统与智能电表进行整合，利用故障点的拓扑以及分布关系能够将每一个故障点的相关性充分体现出来。此外，在派遣现场员工对故障进行处理之前，相关实践者可以在有关的电表发布指令，进而判断是不是断电，这可以有效降低故障误报。在恢复供电后，智能电表也会对“上电”信息（firstbreath）进行上报。实践者与智能电表之间的这种互动模式有助于故障修复的确认。

（4）网损分析

现如今，配电网网损计算过程中进一步存在着供售电数据不同期的问题，主要是因为各个电压等级的售电量拥有不一样的抄表日期，且与供电量的实际结算日期不一样。而广泛运用智能电表，使电力企业能够获取馈线、变压器以及很多用户的同期数据，根据这些数据能够获得同期线损，且结果更加精确[5]。除此之外，网损计算的周期问题也需要引起高度的重视。以前的网损分析通常每月开展一次，拥有显著的盲目性与滞后性，一般无法有效评价损耗率是不是合理，也无法第一时间制定出改善策略。电力属于一种独特商品，时刻都随着天气、居民日常生活以及工农业生产等出现变化，线损率也随之改变[6]。如何对这些变化进行及时跟踪，或者最大限度地压缩监测时间是亟需处理的问题。智能电表的相关采集间隔通常是15min，能够将以前1次/月的网损分析逐渐减少到15分钟级，乃至能够对关注的某个用户，设置到5min的间隔，如此能够进一步提供实时以及准确的测量数据，积极地预警电网运行时的用电异常以及窃电行为。

（5）电压和无功优化

与以前没有经过协调的局部控制手段不一样，集成的电压/无功优化（Volt/Var Optimization，VVO）借助于全网实时信息以及在线模型来准确评估配电网络，提供全网优化以及协调控制措施，使每一项调节控制策略可以形成最优化的结果[7]。现如今，VVO系统采取配电网潮流模型，潮流模型创建在节点负荷模型以及实时网络拓扑模型、二次回路等效模型之上。需要借助于馈线自动化以及变电站自动化SCADA系统的有效测量对负荷模型进行精准调整，并且将下游配电线路的状态估计电压进一步当作配电网潮流模型的实际参考电压[8]。于是二次回路等效模型、配电变压器与配电线路的压降和参考电压的精确度决定了客户端电压的精准度。这些模型的一系列误差给电压无功优化造成了大量的不确定性，使VVO的综合性能降低[9]。借助于通信网络与覆盖全网的智能电表（涵盖居民电表、配电变压器以及馈线），智能电表的相关量测数据可以经过降低无功优化里面的不确定性，使电压的综合性能获得提高。

4 结语

总而言之，本文从客户行为分析、辅助配电网资产管理、故障定位以及响应、网损分析、电压和无功优化等策略入手，以更好地实现智能电表数据分析的有效运用。伴随网络时代的到来，大数据技术获得了普遍运用。智能电网的运用范围正在持续延伸，对于电力系统的综合功能具有更严格的要求。电力系统的稳定运行，是与社会各个行业相关的重点。因此，智能电表的数据分析，既提升了智能电表的整体性能，也确保了电力系统的运行品质。

[1]江剑峰，张垠，田书欣，等.基于云理论的智能电能表故障数据分析[J].电力科学与技术学报，2020，035（002）：163-169.

[2]刘兴纲，孙悦超，马鹏然，等.智能电表计量误差来源分析及其抑制方法探究[J].建筑工程技术与设计，2018，000（013）：360.

[3]耿俊成，马文栋，郭志民，等.基于智能电表大数据分析的台区变压器三相不平衡治理[J].智慧电力，2018，46（09）：109-114.

[4]陈佐，郑悦.智能电能表故障数据分析方法[J].江苏科技信息，2019，036（015）：68-70.

[5]肖冬阳.关于全面智能电表集抄时代下的大数据分析[J].科学与财富，2019，000（016）：236.

[6]潘明明，田世明，吴博，等.基于智能电表数据的台区识别与窃电检测方法研究[J].智慧电力，2017，045（012）：80-84.

[7]姚力，章江铭，胡瑛俊，等.智能电能表运行可靠性数据处理方法研究[J].科技通报，2018（10）.

[8]商曦文，吉莹，张建寰.智能电能表运行状态评估技术研究综述[J].电测与仪表，2020，728（03）：139-146.

[9]杨鹏龙，龚文军，李增光.基于实时补偿的智能电能表日计时误差修正方法研究[J].机电信息，2019（30）：20-21.