阿遼沙·葉+顧君+張小秋

摘 要： 在用電信息采集系統(tǒng)中經(jīng)常因各種原因?qū)е屡_區(qū)檔案的不精確，人工識別臺區(qū)的方法耗時費力且人工成本很高，而專用設備識別方法的設備成本很高，同時也增加了電力人員的工作量。為了解決上述問題，通過分析發(fā)現(xiàn)同一臺區(qū)電能采集設備的電壓數(shù)據(jù)存在時間和空間相關性，在此基礎上采用數(shù)據(jù)挖掘中的分類方法將每個臺區(qū)的采集設備劃分為一類，通過計算待識別的采集設備歸屬于各個分類的概率判斷其臺區(qū)歸屬關系。該方法既能保證識別效率又能減少設備成本和人員工作量。仿真結果表明該方法具有較高的識別精度。

關鍵詞： 用電信息采集系統(tǒng)； 電能采集設備； 時間相關性； 空間相關性； 臺區(qū)識別； 分類

中圖分類號： TN911?34； TP321.11 文獻標識碼： A 文章編號： 1004?373X（2018）04?0030?04

Abstract： There are often inaccurate transformer archives in the electricity information acquisition system due to various reasons. The manual transformer room recognition method has high time and effort consumption and leads to high labor cost， while the special equipment recognition method has high equipment cost and increases the workload of electric power staff. To resolve the above problems， the voltage data of power acquisition devices controlled by the same transformer is analyzed and it is found that the voltage data has temporal and spatial correlation. On this basis， the classification method in data mining is adopted to classify the acquisition devices of every transformer room into one class， and the probability that the to?be recognized acquisition devices belong to each class is calculated to determine which transformer room they belong to. The method can not only ensure the recognition efficiency， but also reduce the equipment cost and the workload of staff. The simulation results show that the method has higher recognition accuracy.

Keywords： electricity information acquisition system； power acquisition device； temporal correlation； spatial correlation； transformer room recognition； classification

0 引 言

用電信息采集系統(tǒng)由中心主站、集中器、采集器、電能表組成，電力公司通過主站將臺區(qū)檔案下發(fā)給集中器，作為集中器采集電表的依據(jù)[1?3]。臺區(qū)檔案的準確性直接影響電能表的數(shù)據(jù)采集和計量結果的正確性，但現(xiàn)實中常因信息記錄遺失、更新不及時、信息不完整等原因?qū)е屡_區(qū)的檔案資料往往不準確。造成在抄表過程中無法準確判斷該戶電能表屬于哪個變壓器，既影響了臺區(qū)線損指標的完成，也會引發(fā)客戶間計量、債權糾紛，影響了供電企業(yè)的形象和經(jīng)濟效益。

目前臺區(qū)識別技術包括傳統(tǒng)的人工識別和專用臺區(qū)識別儀兩類。人工識別主要依靠電力人員到現(xiàn)場逐戶排查臺區(qū)歸屬，不僅效率低下而且費時費力。隨著居民小區(qū)數(shù)量與日劇增，傳統(tǒng)識別臺區(qū)的方法存在的弊病越來越突出。近年來專用臺區(qū)識別設備[4?5]的研制和使用顯著提高了臺區(qū)識別的速度，現(xiàn)有臺區(qū)用戶識別儀多數(shù)基于電力載波技術直接通信與否[6?7]或電流脈沖技術[8?9]等來識別臺區(qū)信息。但是基于電力載波技術的臺區(qū)識別儀在實際應用中常因載波信號不能被變壓器完全隔離，載波信號仍可耦合到其他變壓器產(chǎn)生跨臺區(qū)通信等難題，使得臺區(qū)識別準確度較低。文獻[10]將神經(jīng)網(wǎng)絡應用到臺區(qū)識別儀中，提高識別精度，而基于電流脈沖技術的臺區(qū)識別儀需要在變壓器出線端安裝電流互感器，操作上存在一定安全隱患，且可控制性差。

因此需要研究新型智能臺區(qū)識別技術既能夠保證精度和效率，又能夠降低硬件和人工成本。利用臺區(qū)內(nèi)電能采集設備數(shù)據(jù)的時間和空間相關性，通過大數(shù)據(jù)分析技術對臺區(qū)內(nèi)電能采集設備的數(shù)據(jù)進行分析，從而實現(xiàn)智能臺區(qū)識別。采用分類方法，利用臺區(qū)電能數(shù)據(jù)的時間和空間相關性實現(xiàn)對所有電能采集設備進行分類，每個臺區(qū)的電能采集設備劃分為一個分類。該方法無需特殊的硬件支持，也不會增加電力人員的工作量，既可以作為獨立的臺區(qū)識別技術使用，也可以與現(xiàn)有的臺區(qū)識別儀配合使用以提高識別精度。

1 臺區(qū)電能采集設備的數(shù)據(jù)相關性

通過對臺區(qū)電能采集數(shù)據(jù)分析發(fā)現(xiàn)同一臺區(qū)的電能表在一段時間內(nèi)采集的電壓數(shù)據(jù)具有一定的相關性，包括時間相關性和空間性，而不同臺區(qū)之間的數(shù)據(jù)相關性不同。因此可以根據(jù)臺區(qū)電能表之間的電壓數(shù)據(jù)相關性進行臺區(qū)識別，對2017年5月1日某居民小區(qū)內(nèi)兩個臺區(qū)的電能表采集的電壓數(shù)據(jù)進行分析，得出不同臺區(qū)的電能表采集的電壓數(shù)據(jù)之間的相關性如圖1和圖2所示。endprint

臺區(qū)電能表的電壓數(shù)據(jù)的時間相關性是指同一臺區(qū)的所有電能采集設備在相同時間區(qū)間內(nèi)的電壓變化趨勢基本相同，而不同臺區(qū)電能采集設備的電壓變化趨勢在相同情況下存在一定差異，見圖1。

臺區(qū)電能表的電壓數(shù)據(jù)的空間相關性是指在不同時刻的同一臺區(qū)內(nèi)所有電能采集設備的電壓數(shù)據(jù)波動的趨勢基本相同，而不同臺區(qū)電能采集設備的電壓變化趨勢在相同情況下存在一定差異，見圖2。

2 智能臺區(qū)識別

對于待識別的采集設備，首先計算其與現(xiàn)有臺區(qū)的時間相關性和空間相關性，然后對時間相關性和空間相關性進行加權求和得到綜合相關性，若與臺區(qū)T1的綜合相關性較大則該采集設備屬于臺區(qū)T1，否則采集設備屬于臺區(qū)T2。

智能臺區(qū)識別的具體實現(xiàn)方式如下：將臺區(qū)T1和臺區(qū)T2看作是兩個類，將時間相關性分析和空間相關性分析分別看作是相應的分類器，將已明確臺區(qū)歸屬的所有采集設備在一定時間內(nèi)（本文設定為24 h）的電壓數(shù)據(jù)及其臺區(qū)歸屬關系作為訓練樣本，分別訓練得到基于時間相關性和空間相關性的分類器CT和CS，分別對待識別的采集設備的電壓數(shù)據(jù)進行分類，然后綜合考慮兩個分類器的分類結果確定待識別的采集設備的歸屬于哪個臺區(qū)。

根據(jù)時間相關性分析，臺區(qū)ID表示分類的類別，記為yi，yi=1表示臺區(qū)T1，yi=0表示臺區(qū)T2。每個采集設備在各個時刻的電壓值為特征屬性，記為Xi=（xi，1，xi，2，…，xi，N），其中N為設備采集的次數(shù)?；跁r間相關性的分類器CT采用回歸分析實現(xiàn)，回歸系數(shù)θ可以通過最大似然估計計算得到。似然估計函數(shù)為：

根據(jù)空間相關性分析，每條記錄為（ti，vi，yi），其中臺區(qū)ID，記為yi為分類的類別，yi=1表示臺區(qū)T1，yi=0表示臺區(qū)T2，Xi=（ti，vi） 為特征屬性，表示采集設備在ti時刻的電壓值為vi?；诳臻g相關性的分類器CS采用回歸分析實現(xiàn)，可以計算得到每個時刻待識別的電能表x所歸屬的臺區(qū)。

首先計算得到分類器CS的回歸系數(shù)θS。對于待識別的電能表x，若其在時刻ti的電壓數(shù)據(jù)[v′i]，令xi=（ti， [v′i]），則根據(jù)式（3）可以計算得到其歸屬于T1的概率[y′i]，若[y′i]≥0.5則電能表x歸屬于臺區(qū)T1。在電能表x采集的N次電壓數(shù)據(jù)，通過分類器CS進行分類后，若歸屬于臺區(qū)T1的次數(shù)為N1，則電能表x歸屬于臺區(qū)T1的概率為：

式中，α和β分別表示時間相關性和空間相關性系數(shù)，0≤α，β≤1，且α+β=1。若P（x，T1）≥P（x，T2），則認為待識別電能表x歸屬于臺區(qū)T1，否則認為電能表x歸屬于臺區(qū)T2。

3 仿真分析

為了驗證本文算法的有效性，對2017年5月1日某居民小區(qū)內(nèi)兩個相鄰臺區(qū)的電能表的電壓數(shù)據(jù)進行模擬仿真。每個臺區(qū)隨機選擇20個電能表，每小時采集一次電壓數(shù)據(jù)，待識別電能表為1～6個，平均分布在兩個臺區(qū)。

分別測試α和β參數(shù)取值不同以及待識別設備數(shù)量變化時臺區(qū)識別結果的準確性。仿真結果如圖3所示，圖例中（1，0），（0，1）和（0.5，0.5）分別表示α=0，β=1，α=1，β=0和α=β=0.5?？梢钥闯鼍C合考慮時間相關性和空間相關性的方法的識別率最高，原因在于僅考慮時間相關性或空間相關性時會由于數(shù)據(jù)的區(qū)分度不大而導致誤判的情況，而綜合考慮時間相關性和空間相關性會顯著地減少誤判。

圖3的結果表明基于空間相關性的識別方法比基于時間相關性的識別方法的識別率稍高，原因在于實驗選擇的兩個臺區(qū)的電壓相差較大。但在實際情況下基于空間相關性方法的識別率并非一定高于基于時間相關性的方法，當分類器CT的訓練樣本增加以及臺區(qū)電壓相差較小時，后者的識別率可能會高于前者。

由于樣本數(shù)據(jù)量較少，在待識別設備較多時并不能保證100%的識別率。但是隨著樣本數(shù)據(jù)的增加，臺區(qū)識別的準確性必然提高。從計算量而言，識別過程的計算量較小，可以在集中器上完成快速臺區(qū)識別。當待識別設備較少時，該方法的準確率很高；而當待識別設備較多時，該方法可與專用臺區(qū)識別儀配合使用，保證識別的高精確性。

4 結 語

通過分析同一臺區(qū)內(nèi)的電能采集設備所采集的數(shù)據(jù)，可以發(fā)現(xiàn)電壓數(shù)據(jù)存在時間相關性和空間相關性。采用分類方法將同一個臺區(qū)的電能采集設備劃分為一類，根據(jù)時間相關性和空間相關性分別實現(xiàn)分類器，綜合利用兩個分類器的分類結果確定待識別電能采集設備的臺區(qū)歸屬。

參考文獻

[1] 陳啟冠，張棟，任龍霞，等.基于電能表自動識別技術的低壓集中抄表機制研究及應用[J].電器與能效管理技術，2017（4）：46?51.

CHEN Qiguan， ZHANG Dong， REN Longxia， et al. Research and application of low voltage centralized meter reading mechanism based on meter automatic identification technology [J]. Electrical & energy management technology， 2017（4）： 46?51.

[2] 廖雯.供電企業(yè)抄表技術綜合應用策略研究[J].價值工程，2015，34（36）：135?136.

LIAO Wen. Research on the comprehensive application strategies of the meter reading technology in power supply enterprises [J]. Value Engineering， 2015， 34（36）： 135?136.

[3] 馬亞彬，林向陽，錢波，等.集中抄表終端通道檢測裝置的研制[J].現(xiàn)代電子技術，2015，38（16）：122?124.endprint

MA Yabin， LIN Xiangyang， QIAN Bo， et al. Design of testing equipment for centralized meter reading terminal channel [J]. Modern Electronics Technique， 2015， 38（16）： 122?124.

[4] 徐湛.臺區(qū)用戶識別儀應用分析[J].計量與測試技術，2009，36（11）：26?28.

XU Zhan. Application analysis of area users identify apparatus [J]. Metrology & measurement technique， 2009， 36（11）： 26?28.

[5] 蔡耀年，李京鳳，孟世杰，等.低壓臺區(qū)電表檢查中電力載波OFDM技術應用[J].中國電業(yè)，2015（2）：33?36.

CAI Yaonian， LI Jingfeng， MENG Shijie， et al. Power line carrier OFDM technology application in low voltage courts meter detection [J]. China electric power， 2015（2）： 33?36.

[6] 李建，趙漢昌.多功能低壓臺區(qū)識別設備的研制[J].電測與儀表，2014，51（13）：107?111.

LI Jian， ZHAO Hanchang. The development and manufacture of a multi?function equipment for low voltage area identified [J]. Electrical measurement & instrumentation， 2014， 51（13）： 107?111.

[7] 袁超.低壓配電網(wǎng)絡臺區(qū)識別技術的研究與開發(fā)[D].大連：大連理工大學，2014.

YUAN Chao. The development and manufacture of a multi?function equipment for low voltage area identified [D]. Dalian： Dalian University of Technology， 2014.

[8] 范荻，李紹山，李海濤，等.臺區(qū)用戶識別儀關鍵技術應用研究[J].華北電力技術，2010（7）：27?30.

FAN Di， LI Shaoshan， LI Haitao， et al. Study on the application of key technologies in transformer?user identifying instrument [J]. North China electric power， 2010（7）： 27?30.

[9] 蘭國良.多模方式臺區(qū)用戶帶電識別裝置及其應用[J].廣西電力，2015，38（6）：67?70.

LAN Guoliang. Live line recognition device for multimode type power distribution area customer and its application [J]. Guangxi electric power， 2015， 38（6）： 67?70.

[10] 李亞，樊汝森，蔣偉，等.基于BP神經(jīng)網(wǎng)絡的智能臺區(qū)識別方法研究[J].電測與儀表，2017，54（3）：25?30.

LI Ya， FAN Rusen， JIANG Wei， et al. Research on the intelligent transformer area recognition method based on BP neural network [J]. Electrical measurement & instrumentation， 2017， 54（3）： 25?30.endprint