劉晟源，章天晗，林振智，崔雪原，李家橋，楊 莉

（浙江大學(xué)電氣工程學(xué)院,浙江省杭州市 310027）

0 引言

配用電系統(tǒng)承擔(dān)著將電能分配給用戶以及服務(wù)用戶消費(fèi)電能的功能,是連接電網(wǎng)公司與終端用戶的紐帶［1］。近年來(lái),為提升電網(wǎng)公司的營(yíng)銷運(yùn)行效益,越來(lái)越多的目光已投向如何提升低壓配用電系統(tǒng)的精益化管理水平。

近年來(lái),中國(guó)在智能配電網(wǎng)和用電系統(tǒng)智能化升級(jí)方面取得的成就舉世矚目,以月度為單位的人工抄表已經(jīng)被以分鐘、小時(shí)為單位的智能電表自動(dòng)回傳所替代,低壓配用電系統(tǒng)的數(shù)據(jù)規(guī)模急劇增長(zhǎng),各種基于數(shù)據(jù)的低壓配用電系統(tǒng)精益化管理方法也不斷涌現(xiàn)。數(shù)據(jù)賦能是指利用數(shù)據(jù)實(shí)現(xiàn)更高水平和更高效率的業(yè)務(wù)能力［2］,數(shù)據(jù)賦能的配用電系統(tǒng)精益化管理是在原有業(yè)務(wù)的基礎(chǔ)上利用數(shù)據(jù)助力精益化管理。一方面,要構(gòu)建、核查、修正低壓臺(tái)區(qū)中的各類信息（即用戶相位關(guān)系識(shí)別、戶變關(guān)系識(shí)別、拓?fù)潢P(guān)系識(shí)別）,并在此基礎(chǔ)上進(jìn)行線損治理（即三相不平衡治理、異常用電識(shí)別、竊電行為檢測(cè)）,以期提高低壓配用電系統(tǒng)的可靠性和經(jīng)濟(jì)性；另一方面,要根據(jù)用戶對(duì)用能的滿意程度來(lái)反向促進(jìn)低壓配用電系統(tǒng)精益化運(yùn)行的進(jìn)一步提升。

本文根據(jù)近幾年出現(xiàn)的新問(wèn)題、新技術(shù)及新挑戰(zhàn),重點(diǎn)闡述數(shù)據(jù)賦能的配電用系統(tǒng)精益化管理的5 個(gè)關(guān)鍵技術(shù)問(wèn)題:1）計(jì)量采集設(shè)備質(zhì)量評(píng)估與計(jì)量數(shù)據(jù)異常監(jiān)測(cè)；2）用戶相位關(guān)系識(shí)別與三相不平衡治理；3）低壓臺(tái)區(qū)戶變關(guān)系和拓?fù)潢P(guān)系識(shí)別；4）用戶異常用電和竊電行為檢測(cè)；5）客戶側(cè)用電服務(wù)評(píng)價(jià)。智能低壓配用電系統(tǒng)的建設(shè)使得電力設(shè)備的運(yùn)行數(shù)據(jù)和用戶用電的計(jì)量數(shù)據(jù)可以被自動(dòng)和實(shí)時(shí)地采集和上傳,而這些寶貴的數(shù)據(jù)是解決問(wèn)題2）至5）的基礎(chǔ)。因此,使用高質(zhì)量的計(jì)量采集設(shè)備和及時(shí)準(zhǔn)確地監(jiān)測(cè)計(jì)量數(shù)據(jù)異常（即問(wèn)題1））是整個(gè)低壓配用電系統(tǒng)精益化管理研究的基礎(chǔ)和支撐。問(wèn)題2）和3）著眼于電網(wǎng)營(yíng)銷部門所關(guān)心的低壓配電臺(tái)區(qū)中的相位關(guān)系、戶變關(guān)系以及拓?fù)潢P(guān)系。其中,用戶相位關(guān)系識(shí)別是戶變關(guān)系和拓?fù)潢P(guān)系識(shí)別的基礎(chǔ),準(zhǔn)確的相位識(shí)別結(jié)果將大大提升拓?fù)潢P(guān)系的準(zhǔn)確度。因此,問(wèn)題2）是問(wèn)題3）的基礎(chǔ),并且問(wèn)題2）和3）是低壓配用電系統(tǒng)精益化管理中不考慮用戶不正常用電行為時(shí)電網(wǎng)公司需要主動(dòng)提升的部分。問(wèn)題4）則著眼于考慮用戶側(cè)不正常用電時(shí)需要被動(dòng)提升的情況,即對(duì)專變用戶和低壓用戶進(jìn)行異常用電和竊電行為檢測(cè)（問(wèn)題4））。最后,問(wèn)題5）著眼于用戶對(duì)用電服務(wù)的評(píng)價(jià),作為在中國(guó)需要承擔(dān)社會(huì)責(zé)任的電網(wǎng)企業(yè),這也是低壓配用電系統(tǒng)精益化管理的一部分,其可以反饋用戶的滿意程度,同時(shí)有助于電網(wǎng)營(yíng)銷部門發(fā)掘精益化管理中的薄弱環(huán)節(jié)。

1 計(jì)量采集設(shè)備質(zhì)量評(píng)估與計(jì)量數(shù)據(jù)異常監(jiān)測(cè)

作為低壓配用電系統(tǒng)精益化運(yùn)行與管理的基礎(chǔ)設(shè)施,大量計(jì)量采集設(shè)備實(shí)時(shí)地采集低壓配用電系統(tǒng)的運(yùn)行和維護(hù)數(shù)據(jù),其質(zhì)量和可靠性將直接影響低壓配用電系統(tǒng)是否能夠安全經(jīng)濟(jì)運(yùn)行。計(jì)量采集設(shè)備的質(zhì)量評(píng)估研究范式如下:首先,提出能夠表征計(jì)量采集裝置質(zhì)量的若干個(gè)指標(biāo)；然后,選擇合適的指標(biāo)權(quán)重綜合方法；最后,基于決策理論進(jìn)行計(jì)量采集設(shè)備的質(zhì)量評(píng)估,得到如附錄A 圖A1 所示的計(jì)量設(shè)備質(zhì)量排序結(jié)果。不同計(jì)量采集設(shè)備質(zhì)量評(píng)估算法的優(yōu)劣對(duì)比如表1 所示。文獻(xiàn)［3］引入全生命周期的概念,對(duì)計(jì)量采集設(shè)備各階段的質(zhì)量管理數(shù)據(jù)打分加權(quán),從而評(píng)價(jià)設(shè)備供應(yīng)商的優(yōu)劣。文獻(xiàn)［4］則建立了包含負(fù)荷采集可用率等5 個(gè)描述計(jì)量采集設(shè)備質(zhì)量指標(biāo)在內(nèi)的評(píng)估指標(biāo)體系。然后,基于CRITIC （criteria importance though intercriteria correlation）綜合考慮主客觀權(quán)重并結(jié)合理想點(diǎn)法評(píng)估計(jì)量采集設(shè)備的好壞。類似地,文獻(xiàn)［5］提出了6 個(gè)反映計(jì)量設(shè)備運(yùn)行質(zhì)量的指標(biāo),并最后用熵權(quán)法對(duì)指標(biāo)進(jìn)行綜合,從而對(duì)計(jì)量采集設(shè)備進(jìn)行質(zhì)量評(píng) 估。 文 獻(xiàn)［6］則 提 出 了 基 于 改 進(jìn)K- 近 鄰（improvedKnearest neighborhood,iKNN）的離群點(diǎn)識(shí)別和異常分?jǐn)?shù)計(jì)算方法,然后應(yīng)用加權(quán)融合貝葉斯（weighted fusion Bayesian,WFB）技術(shù),綜合上一步的異常分?jǐn)?shù),其具有較高的設(shè)備評(píng)價(jià)和故障預(yù)測(cè)性能。

表1 不同計(jì)量采集設(shè)備質(zhì)量評(píng)估算法對(duì)比Table 1 Comparison of evaluation algorithms for different measurement devices

需要指出的是,即使采用高質(zhì)量的計(jì)量采集設(shè)備,實(shí)際運(yùn)行中采集到的計(jì)量數(shù)據(jù)依然可能存在各種異常,甚至遭受惡意的數(shù)據(jù)攻擊。因此,對(duì)計(jì)量數(shù)據(jù)進(jìn)行實(shí)時(shí)監(jiān)測(cè),及時(shí)發(fā)現(xiàn)潛在的數(shù)據(jù)異常和數(shù)據(jù)攻擊也是低壓配用電系統(tǒng)精益化運(yùn)行的基礎(chǔ),其本質(zhì)是如何從正常的時(shí)間連續(xù)型數(shù)據(jù)中進(jìn)行異常點(diǎn)檢測(cè)和離群點(diǎn)辨識(shí)的問(wèn)題。不同計(jì)量數(shù)據(jù)異常監(jiān)測(cè)算法的對(duì)比如表2 所示。針對(duì)國(guó)內(nèi)的電力用戶用電信息采集系統(tǒng),文獻(xiàn)［7］考慮高供高計(jì)和高供低計(jì)的專變用戶,將計(jì)量裝置異常分為表計(jì)異常、互感器異常、接線盒異常和終端異常4 類,提出了規(guī)律性非連續(xù)算法和分類連續(xù)差值算法對(duì)采集的電流數(shù)據(jù)進(jìn)行分析,從而及時(shí)檢測(cè)出處于異常采集狀態(tài)的計(jì)量裝置。針對(duì)智能配電網(wǎng)和電力信息物理系統(tǒng)（cyber physical system,CPS）中虛假數(shù)據(jù)注入攻擊（false data injection attack,FDIA）問(wèn)題,國(guó)內(nèi)外均有較為廣泛的研究。文獻(xiàn)［8］將虛假數(shù)據(jù)定義為攻擊者基于對(duì)電網(wǎng)電氣和拓?fù)鋮?shù)的部分了解,在數(shù)據(jù)采集和傳輸接收時(shí),對(duì)數(shù)據(jù)進(jìn)行可以抵抗不良數(shù)據(jù)檢測(cè)的修改,并能影響后續(xù)狀態(tài)估計(jì)結(jié)果的數(shù)據(jù)。該文獻(xiàn)還根據(jù)攻擊者對(duì)系統(tǒng)參數(shù)的掌握程度,將虛假數(shù)據(jù)分為3 類,并給出了相應(yīng)的構(gòu)建方法、對(duì)電力系統(tǒng)的影響和防御思路。文獻(xiàn)［9］對(duì)CPS 下的網(wǎng)絡(luò)攻擊與防御進(jìn)行了研究綜述,歸納整理了CPS 攻擊的模型和評(píng)估方法。文獻(xiàn)［10］則進(jìn)一步介紹了CPS 攻擊檢測(cè)與保護(hù)的技術(shù)手段,同時(shí)給出了未來(lái)研究方向。文獻(xiàn)［11］提出了一套適用于相量測(cè)量單元（PMU）和數(shù)據(jù)采集與監(jiān)控（SCADA）系統(tǒng)混合數(shù)據(jù)的空間隱蔽型FDIA 在線防御框架。首先,提出了基于相關(guān)系數(shù)的電網(wǎng)相似度指標(biāo)和適用于混合量測(cè)電網(wǎng)狀態(tài)的預(yù)測(cè)方法；然后,提出了適用于SCADA系統(tǒng)數(shù)據(jù)一致性檢測(cè)的指標(biāo)；最后,給出了PMU 和SCADA 系統(tǒng)混合量測(cè)中虛假數(shù)據(jù)的在線剔除與修正方法。文獻(xiàn)［12］則基于門控循環(huán)單元（GRU）和卷積神經(jīng)網(wǎng)絡(luò)（CNN）構(gòu)建混合神經(jīng)網(wǎng)絡(luò),從而對(duì)FDIA 進(jìn)行快速檢測(cè)。國(guó)外相關(guān)研究的對(duì)象主要是高級(jí)量測(cè)體系（advanced measurement infrastructure,AMI）［13］,文獻(xiàn)［14］提出了一種基于支持向量機(jī)（SVM）和時(shí)序故障傳播圖（temporal failure propagation graph,TFPG）的AMI 異常數(shù)據(jù)和異常狀態(tài)辨識(shí)方法。文獻(xiàn)［15］討論了邊緣計(jì)算環(huán)境下智能量測(cè)數(shù)據(jù)的異常檢測(cè),提出了基于決策樹和聚類算法的低壓設(shè)備量測(cè)遞歸誤差估計(jì)方法。文獻(xiàn)［16］研究了惡性數(shù)據(jù)攻擊和協(xié)調(diào)信息物理攻擊,分析了它們之間的異同,最后提出了一種可以同時(shí)識(shí)別上述兩種攻擊類型的自適應(yīng)無(wú)參累加（adaptive nonparametric cumulative sum, ANCUSUM）檢測(cè)器。文獻(xiàn)［17］指出之前大多數(shù)FDIA檢測(cè)方法都基于部分計(jì)量裝置是完全可信的（即不會(huì)遭受攻擊）這一強(qiáng)假設(shè)。因此,為了考慮所有計(jì)量裝置都有可能遭受攻擊的場(chǎng)景,其提出了基于最小代價(jià)和混合整數(shù)非線性規(guī)劃的防御策略。

表2 不同計(jì)量數(shù)據(jù)異常監(jiān)測(cè)算法對(duì)比Table 2 Comparison of different monitoring algorithms for abnormal measurement data

可以看出,針對(duì)計(jì)量數(shù)據(jù)異常監(jiān)測(cè)這一問(wèn)題,以往研究大多考慮的是配電網(wǎng)層級(jí)的SCADA 系統(tǒng)和輸電網(wǎng)層級(jí)的CPS,其往往具備較為完備和豐富的量測(cè)數(shù)據(jù)。而對(duì)于低壓配用電系統(tǒng)尤其是用電系統(tǒng),目前的計(jì)量設(shè)備主要是用戶用電信息采集系統(tǒng)中的智能電表等終端,其采集時(shí)間同步性和穩(wěn)定性都較差,采樣頻率也較低。然而,目前針對(duì)此類問(wèn)題的研究鮮有報(bào)道。因此,在未來(lái),一方面需要針對(duì)中國(guó)的低壓配用電系統(tǒng)的現(xiàn)有狀況,考慮計(jì)量數(shù)據(jù)時(shí)間不同步等問(wèn)題,開發(fā)有針對(duì)性的異常數(shù)據(jù)監(jiān)測(cè)算法；另一方面需要結(jié)合實(shí)際,部署一定數(shù)量的配電網(wǎng)PMU（D-PMU）［18-19］,從 而 為 移 植 以 往 基 于 主 網(wǎng)PMU 的研究成果提供可能。對(duì)計(jì)量采集設(shè)備質(zhì)量評(píng)估而言,應(yīng)該結(jié)合設(shè)備的實(shí)際運(yùn)行情況構(gòu)建更加豐富的質(zhì)量評(píng)估指標(biāo)體系,從而為電網(wǎng)公司選擇高質(zhì)量、高可靠性的計(jì)量采集設(shè)備提供依據(jù),為低壓配用電系統(tǒng)的精益化管理打好基礎(chǔ)。

2 數(shù)據(jù)賦能的用戶相位關(guān)系識(shí)別與三相不平衡治理

隨著近年來(lái)大規(guī)模的配電網(wǎng)改造,低壓配用電系統(tǒng)的結(jié)構(gòu)較以往發(fā)生了較大的變化,同時(shí)伴隨著電網(wǎng)故障和維護(hù)修理等工作,電網(wǎng)公司所掌握的低壓配用電系統(tǒng)模型與實(shí)際情況已有較大差距。例如,用戶的相位所屬關(guān)系往往在多次檢修后會(huì)與原始的檔案記錄出現(xiàn)偏差,這將導(dǎo)致電網(wǎng)運(yùn)行人員無(wú)法準(zhǔn)確地了解低壓配用電系統(tǒng)各相的實(shí)際運(yùn)行狀況,阻礙后續(xù)三相不平衡治理的進(jìn)行,從而影響低壓配用電系統(tǒng)的經(jīng)濟(jì)穩(wěn)定運(yùn)行［20］。用戶相位關(guān)系識(shí)別是三相不平衡治理的前提,三相不平衡治理是用戶相位關(guān)系識(shí)別后電網(wǎng)公司的主要應(yīng)用。用戶相位關(guān)系識(shí)別要確定每個(gè)用戶所屬的相位,其本質(zhì)上是一個(gè)通過(guò)量測(cè)數(shù)據(jù)進(jìn)行無(wú)監(jiān)督聚類或有監(jiān)督分類的問(wèn)題,目的是建立起如圖1 所示的相位對(duì)應(yīng)關(guān)系。三相不平衡治理是在用戶相位識(shí)別完成后,通過(guò)人工切換或者自動(dòng)切換（需加裝如圖1 所示的相位切換裝置）的方式,減小低壓臺(tái)區(qū)的三相不平衡度,其本質(zhì)上是一個(gè)策略生成和數(shù)學(xué)優(yōu)化問(wèn)題。不同相位關(guān)系識(shí)別與三相不平衡治理算法對(duì)比如表3 所示。

圖1 用戶相位關(guān)系識(shí)別與三相不平衡治理示意圖Fig.1 Schematic diagram for user phase relationship identification and three-phase unbalance regulation

表3 不同相位關(guān)系識(shí)別與三相不平衡治理算法對(duì)比Table 3 Comparison of different phase relationship identification algorithms and different three-phase unbalance regulation algorithms

就用戶相位關(guān)系識(shí)別而言,人工實(shí)地排查確認(rèn)是過(guò)去計(jì)量采集數(shù)據(jù)不豐富時(shí)的主要手段,費(fèi)時(shí)費(fèi)力且效率低下。隨著近來(lái)年智能采集設(shè)備的安裝,一些數(shù)據(jù)賦能的識(shí)別方法和手段相繼出現(xiàn)。文獻(xiàn)［21］利用窄帶電力載波通信具有跨相耦合的特點(diǎn),通過(guò)載波通信裝置分析報(bào)文發(fā)送端和接收端的時(shí)間差以及發(fā)送端的已知相位,對(duì)接收端的相位進(jìn)行識(shí)別。這一方法操作簡(jiǎn)單、準(zhǔn)確率高,但是其主要問(wèn)題是該方法的實(shí)現(xiàn)依賴于載波通信裝置,而目前用戶側(cè)的載波通信裝置數(shù)量十分有限。文獻(xiàn)［22］則設(shè)計(jì)了一種基于模糊微處理器的相位辨識(shí)系統(tǒng),通過(guò)時(shí)鐘頻率偏差來(lái)識(shí)別配電變壓器的相位。但是,這一方法也需要額外的硬件配置且只適用于配電網(wǎng)變壓器,不能滿足確定變壓器下級(jí)用戶相位關(guān)系的要求。立足現(xiàn)有的用戶用電信息采集系統(tǒng),也有學(xué)者研究了僅依賴于計(jì)量采集數(shù)據(jù)的方法。這類方法的核心思想是將用戶相位識(shí)別問(wèn)題轉(zhuǎn)化為聚類中心數(shù)為3 的無(wú)監(jiān)督聚類問(wèn)題。文獻(xiàn)［23］首先應(yīng)用t-分布隨機(jī)近鄰嵌入（t-distributed stochastic neighbor embedding,t-SNE）技術(shù)對(duì)用戶用電信息采集系統(tǒng)采集的電壓數(shù)據(jù)進(jìn)行數(shù)據(jù)提取和降維,并將其結(jié)果作為利用層次方法的平衡迭代規(guī)約和聚類（balanced iterative reducing and clustering using hierarchies,BIRCH）算法的輸入,從而將配電網(wǎng)用戶分為3 類并確定其所屬相位。文獻(xiàn)［24］則直接利用適用于聚類數(shù)少、類內(nèi)數(shù)量均勻的譜聚類方法進(jìn)行若干次用戶相位關(guān)系的識(shí)別,然后根據(jù)少數(shù)服從多數(shù)的原則確定每個(gè)用戶的相位。算例結(jié)果表明其可以實(shí)現(xiàn)接近100%的準(zhǔn)確率。

三相不平衡治理方面,除早期人工轉(zhuǎn)換負(fù)荷相位外,學(xué)者們提出的治理策略大多基于自動(dòng)切換裝置或基于電力電子逆變補(bǔ)償裝置。文獻(xiàn)［25］基于專家系統(tǒng)設(shè)計(jì)了配電變壓器的換相策略,并開發(fā)了零線電流減小算法,以支持推理機(jī)推導(dǎo)出可用于自動(dòng)投切裝置的三相不平衡治理策略。文獻(xiàn)［26］構(gòu)建了以三相電流不平衡度最小和換相次數(shù)最小為目標(biāo)的多目標(biāo)三相不平衡治理模型,但其需要通過(guò)例如遺傳算法的智能優(yōu)化算法求解,其速度和最優(yōu)性較差。文獻(xiàn)［24］提出的一體化方案中則以三相不平衡度最小為目標(biāo)函數(shù),考慮電流等式、相位唯一、相位不可調(diào)、相位同組不可分、最大相位切換次數(shù)等約束,構(gòu)建了混合整數(shù)線性規(guī)劃（mixed-integer linear programming,MILP）形式的三相不平衡治理模型,其可以快速準(zhǔn)確求解。文獻(xiàn)［27］在文獻(xiàn)［24］的基礎(chǔ)上,進(jìn)一步考慮自動(dòng)切換裝置的最優(yōu)布點(diǎn)問(wèn)題,提出了考慮全壽命周期成本和三相不平衡最小化的雙層優(yōu)化模型。文獻(xiàn)［28］首先通過(guò)高速電力線載波獲得準(zhǔn)確的相位關(guān)系,然后根據(jù)歷史用戶負(fù)荷數(shù)據(jù)給出基于動(dòng)態(tài)規(guī)劃的用戶相位調(diào)整（即三相不平衡治理）方案。文獻(xiàn)［29］為了降低低壓配電線路的三相電壓不平衡,提出了一種分布式智能住宅負(fù)荷轉(zhuǎn)移方案。安裝在配電變壓器上的中央控制器通過(guò)監(jiān)測(cè)每個(gè)住宅的電力消耗,確定相位切換方案。以上策略均是基于自動(dòng)投切裝置,其實(shí)現(xiàn)成本較低,不涉及動(dòng)態(tài)補(bǔ)償過(guò)程,切換頻率一般為幾天或幾小時(shí)。如果引入類似于輸電網(wǎng)［30］的電力電子逆變補(bǔ)償裝置,則可以實(shí)現(xiàn)秒級(jí)的動(dòng)態(tài)補(bǔ)償以緩解三相不平衡。文獻(xiàn)［31］考慮分布式能源的等效負(fù)序虛擬阻抗幅值和相角控制,提出了補(bǔ)償電網(wǎng)穩(wěn)態(tài)不平衡電壓的控制策略。文獻(xiàn)［32］在此基礎(chǔ)上,以最大化補(bǔ)償三相系統(tǒng)的負(fù)序和零序電流為目標(biāo),以三相電壓調(diào)節(jié)和可用無(wú)功功率為約束,構(gòu)建了相應(yīng)的不平衡補(bǔ)償模型。但是,這類方法需要配置電力電子逆變補(bǔ)償裝置,一般只能應(yīng)用于有分布式發(fā)電機(jī)組的區(qū)域。

可以看出,目前用戶相位關(guān)系識(shí)別已經(jīng)可以基于用戶用電信息采集系統(tǒng)的計(jì)量數(shù)據(jù),通過(guò)聚類算法在大多數(shù)場(chǎng)景下實(shí)現(xiàn)很高的識(shí)別準(zhǔn)確率。而剩余識(shí)別率低的場(chǎng)景也可以通過(guò)加裝載波通信裝置的方法進(jìn)行一對(duì)一的辨識(shí)。值得注意的是,如何判斷聚類算法在某一給定場(chǎng)景下能否取得較高的準(zhǔn)確率是一個(gè)值得研究的問(wèn)題。因?yàn)檫@是一個(gè)后驗(yàn)問(wèn)題,涉及是否需要投入資金和人力對(duì)該場(chǎng)景進(jìn)行單獨(dú)排查或配置載波通信裝置。對(duì)于三相不平衡治理而言,目前的模型都處于研究的初級(jí)階段,基于電力電子逆變補(bǔ)償裝置的方法治理效果好,但是其具有應(yīng)用范圍有限、成本高等局限性；而基于自動(dòng)投切裝置的方法效果有限、時(shí)效性較差。此外,在未來(lái),考慮經(jīng)濟(jì)性的自動(dòng)投切裝置布點(diǎn)問(wèn)題值得研究關(guān)注,合理的布點(diǎn)可以借助少量關(guān)鍵位置的自動(dòng)投切裝置實(shí)現(xiàn)較好的三相不平衡治理效果。

3 數(shù)據(jù)賦能的低壓臺(tái)區(qū)戶變關(guān)系和拓?fù)潢P(guān)系識(shí)別

如第2 章所述,低壓配用電系統(tǒng)的檢修和改造使得地理信息系統(tǒng)（geographic information system,GIS）中記載的數(shù)據(jù)與實(shí)際情況不完全一致。對(duì)于低壓配用電系統(tǒng)而言,除了用戶相位關(guān)系之外,正確的低壓臺(tái)區(qū)戶變關(guān)系和拓?fù)潢P(guān)系也是精益化管理的重要支撐,其有利于臺(tái)區(qū)實(shí)際統(tǒng)計(jì)線損的計(jì)算［33］和竊電用戶的甄別。戶變關(guān)系指的是每個(gè)用戶與上級(jí)配電變壓器的所屬關(guān)系,低壓臺(tái)區(qū)戶變關(guān)系識(shí)別指的是排查每臺(tái)變壓器下是否有檔案與實(shí)際不符的情況,如圖2 所示。圖中:紫色和粉紅色的用戶分別代表檔案中記錄為變壓器1 和2 下的用戶,然而實(shí)際上有5 戶的戶變關(guān)系需要糾正。拓?fù)潢P(guān)系則指的是某一變壓器下線路和用戶的拓?fù)潢P(guān)系,如圖2 所示。拓?fù)潢P(guān)系識(shí)別即確定每組用戶在饋線上的前后順序的相對(duì)位置。因此,拓?fù)潢P(guān)系的準(zhǔn)確識(shí)別要建立在戶變關(guān)系識(shí)別正確的基礎(chǔ)之上。不同低壓臺(tái)區(qū)戶變關(guān)系和拓?fù)潢P(guān)系識(shí)別算法對(duì)比如表4 所示。

表4 不同低壓臺(tái)區(qū)戶變和拓?fù)潢P(guān)系識(shí)別算法對(duì)比Table 4 Comparisons of identification algorithms for different user-transformer and topology relationship in low-voltage areas

圖2 低壓臺(tái)區(qū)戶變關(guān)系和拓?fù)潢P(guān)系示意圖Fig.2 Schematic diagram for transformer-user and topology relationships in low-voltage areas

戶變關(guān)系識(shí)別只需確定用戶與上級(jí)配電變壓器的所屬關(guān)系,因此和拓?fù)渥R(shí)別相比其相對(duì)容易,其實(shí)質(zhì)是一個(gè)分類或聚類問(wèn)題。文獻(xiàn)［34］提出了一種基于量子遺傳和模糊聚類算法的戶變關(guān)系識(shí)別方法,其通過(guò)比較電能表和變壓器的電壓過(guò)零偏移,識(shí)別戶變關(guān)系。文獻(xiàn)［35］介紹了基于高速電力線載波中識(shí)別特征信號(hào)的戶變關(guān)系識(shí)別方法。但是,上述兩種方法均需要高采樣率的計(jì)量采集裝置以實(shí)現(xiàn)對(duì)正弦波的采樣,而這樣的計(jì)量采集裝置在中國(guó)暫時(shí)還沒(méi)有普及。因此,文獻(xiàn)［35］針對(duì)目前已廣泛部署的每天96 點(diǎn)的電能計(jì)量裝置,進(jìn)一步提出了基于比較戶變電壓曲線間離散Frecher 距離的戶變關(guān)系校驗(yàn)方法,實(shí)現(xiàn)了較高的準(zhǔn)確率。文獻(xiàn)［36］通過(guò)用戶電壓量測(cè)數(shù)據(jù)的相關(guān)性分布識(shí)別相鄰的用戶并確定臺(tái)區(qū)所屬關(guān)系,還根據(jù)相關(guān)性的高低簡(jiǎn)單討論了用戶的上下游關(guān)系（即拓?fù)潢P(guān)系）。文獻(xiàn)［37］應(yīng)用電壓曲線間的Pearson 相關(guān)系數(shù)判斷GIS 中的戶變關(guān)系是否正確,并利用K-近鄰（KNN）算法確定關(guān)系錯(cuò)誤用戶的實(shí)際所屬臺(tái)區(qū)。文獻(xiàn)［38］通過(guò)自適應(yīng)分段聚合近似方法提取電壓計(jì)量數(shù)據(jù)的特征,然后應(yīng)用可自動(dòng)確定參數(shù)的基于密度的有噪空間聚類（densitybased spatial clustering of application with noise,DBSCAN）算法進(jìn)行用戶戶變關(guān)系辨識(shí)。文獻(xiàn)［39］提出導(dǎo)數(shù)動(dòng)態(tài)時(shí)間彎曲（dynamic time warping,DTW）算法對(duì)用戶側(cè)和變壓器側(cè)的電壓數(shù)據(jù)進(jìn)行相似度分析,其可以較好地克服實(shí)際量測(cè)數(shù)據(jù)的時(shí)序不同步性。然后,通過(guò)DBSCAN 算法對(duì)用戶進(jìn)行聚類從而確定戶變關(guān)系。文獻(xiàn)［40］則采用高斯混合模型（Gaussian mixture model,GMM）對(duì)不同用戶的電壓曲線進(jìn)行聚類,然后根據(jù)其與配電變壓器的關(guān)聯(lián)卷積實(shí)現(xiàn)戶變關(guān)系的辨識(shí)。文獻(xiàn)［41］另辟蹊徑,利用同一時(shí)刻、同一臺(tái)區(qū)下的用戶電流之和應(yīng)等于其配電變壓器總電流這一關(guān)系,構(gòu)建了基于電流偏差最小的線性方程,通過(guò)求解該方程即可確定相應(yīng)的戶變關(guān)系。

拓?fù)潢P(guān)系識(shí)別方面,國(guó)內(nèi)期刊主要報(bào)道了基于配置額外載波通信設(shè)備以及半人工排查的方法,而國(guó)外期刊則進(jìn)一步介紹了基于量測(cè)數(shù)據(jù)的自動(dòng)分析方法。文獻(xiàn)［42］基于節(jié)點(diǎn)相關(guān)性分析和馬爾可夫隨機(jī)場(chǎng)（Markov random field）對(duì)低壓配用電系統(tǒng)的拓?fù)溥M(jìn)行了建模,采用極大似然法求解模型以得到配用電系統(tǒng)的拓?fù)潢P(guān)系。文獻(xiàn)［43］利用三相電壓測(cè)量值,結(jié)合貪心算法進(jìn)行配電網(wǎng)相位和拓?fù)涞穆?lián)合識(shí)別。但是,以上兩種方法均需要借助配電終端（distribution terminal unit,DTU）、遠(yuǎn)程終端單元（remote terminal unit,RTU）或配電網(wǎng)PMU,但這些設(shè)備至多配置到配電網(wǎng)一級(jí)。因此,上述方法只能適用于配電系統(tǒng)的拓?fù)潢P(guān)系識(shí)別而不能應(yīng)用到臺(tái)區(qū)拓?fù)涞淖R(shí)別。為了解決這一問(wèn)題,文獻(xiàn)［44］基于智能電表的計(jì)量數(shù)據(jù)和能量守恒原理,并通過(guò)對(duì)時(shí)間序列進(jìn)行主成分分析（principle component analysis,PCA）,提取用戶所處的位置特征,從而進(jìn)行拓?fù)潢P(guān)系的構(gòu)建。文獻(xiàn)［45］基于AMI 量測(cè)的電壓和功率數(shù)據(jù),構(gòu)建用戶到變壓器的映射,并基于線路上的電壓降關(guān)系、用戶間的相關(guān)系數(shù)以及自底而上的聚類方法實(shí)現(xiàn)臺(tái)區(qū)拓?fù)潢P(guān)系的識(shí)別。文獻(xiàn)［46］通過(guò)知識(shí)圖譜技術(shù)對(duì)低壓配用電網(wǎng)信息系統(tǒng)中的各類數(shù)據(jù)進(jìn)行整合,構(gòu)建臺(tái)區(qū)拓?fù)潢P(guān)系的知識(shí)圖譜,從而實(shí)現(xiàn)了較好的辨識(shí)效果。

目前,低壓臺(tái)區(qū)戶變關(guān)系和拓?fù)潢P(guān)系識(shí)別的可用數(shù)據(jù)主要是智能電表每隔15 min 一點(diǎn)的計(jì)量數(shù)據(jù)以及配電變壓器上的量測(cè)數(shù)據(jù)。對(duì)智能電表的96 點(diǎn)數(shù)據(jù)而言,其時(shí)間同步性和數(shù)據(jù)精度是兩大問(wèn)題。如果不同用戶的量測(cè)數(shù)據(jù)不是處于同一時(shí)間斷面,則基于相關(guān)性和能量守恒方法的效果將大打折扣。此外,目前用戶側(cè)96 點(diǎn)電壓數(shù)據(jù)精度僅保留到小數(shù)點(diǎn)后1 位,這意味著若用戶間的電壓差小于0.1 V,則其在理論上就很難在拓?fù)渥R(shí)別中被區(qū)分。值得注意的是,用戶側(cè)96 點(diǎn)電流數(shù)據(jù)精度保留到小數(shù)點(diǎn)后3 位,因此,理論上基于電流的臺(tái)區(qū)拓?fù)渥R(shí)別方法可以獲得更好的效果,未來(lái)值得進(jìn)一步研究。

4 數(shù)據(jù)賦能的用戶異常用電和竊電行為檢測(cè)

在低壓配用電系統(tǒng)精益化運(yùn)行管理中,降低臺(tái)區(qū)線損是一項(xiàng)重要任務(wù)。如圖3 所示,臺(tái)區(qū)線損主要由技術(shù)性損失（technical loss,TL）和非技術(shù)性損失（non-technical loss,NTL）兩部分構(gòu)成,其中TL主要由輸電線電阻的正常耗散引起,而NTL 則主要由用戶的異常用電及竊電行為引起。目前,TL 已通過(guò)配電網(wǎng)改造等方式主動(dòng)治理,理論線損只占臺(tái)區(qū)供電功率的2%～4%,而NTL 的存在直接抬高了臺(tái)區(qū)的統(tǒng)計(jì)線損,造成電網(wǎng)公司的經(jīng)濟(jì)損失。因此,學(xué)者對(duì)用戶異常用電及竊電行為進(jìn)行了廣泛的研究和討論。其需要解決的關(guān)鍵問(wèn)題是根據(jù)一段時(shí)間的連續(xù)量測(cè)數(shù)據(jù)判斷用戶用電是否存在異常,本質(zhì)上屬于有監(jiān)督的二分類問(wèn)題。

圖3 異常用電和用戶竊電行為的主要類型Fig.3 Main types of abnormal electricity consumption and electricity theft behavior

文獻(xiàn)［47］對(duì)高損臺(tái)區(qū)進(jìn)行Granger 歸因分析,依據(jù)竊電量與總用電量一般呈正相關(guān)的假設(shè),確定高損臺(tái)區(qū)中最有可能的竊電用戶。文獻(xiàn)［48］在Granger 歸因分析的基礎(chǔ)上,提出了基于邊緣計(jì)算的低壓用戶竊電檢測(cè)方法,并利用臺(tái)區(qū)智能終端采集的用戶數(shù)據(jù)進(jìn)行了驗(yàn)證。文獻(xiàn)［49］采用DTW 量度竊電用戶之間的相似性,并采用仿射（affinity propagation,AP）聚類法識(shí)別出典型竊電用戶從而構(gòu)建竊電樣本庫(kù),最后與其他用戶表計(jì)數(shù)據(jù)進(jìn)行對(duì)比,結(jié)合人工經(jīng)驗(yàn)判定潛在的竊電用戶。文獻(xiàn)［50］基于相關(guān)系數(shù)對(duì)96 點(diǎn)電流數(shù)據(jù)進(jìn)行分析,構(gòu)建了竊電用戶的時(shí)空關(guān)聯(lián)矩陣并預(yù)估了用戶的竊電量。文獻(xiàn)［51］根據(jù)電力用戶消費(fèi)模型的可預(yù)測(cè)性,綜合運(yùn)用配電變壓器和采集裝置的數(shù)據(jù)進(jìn)行竊電檢測(cè)。以上竊電識(shí)別方法均是基于較為簡(jiǎn)單的數(shù)據(jù)進(jìn)行相關(guān)性分析。文獻(xiàn)［52］對(duì)異常用電的檢測(cè)方法進(jìn)行了全面總結(jié),給出了具有普適性的攻擊者（即竊電用戶）和檢測(cè)者的數(shù)學(xué)模型。此外,該文獻(xiàn)將2017 年及之前的檢測(cè)方法分為了基于系統(tǒng)狀態(tài)、基于數(shù)據(jù)驅(qū)動(dòng)、基于博弈論3 類,并分別進(jìn)行了詳細(xì)介紹。在近年來(lái)機(jī)器學(xué)習(xí)算法快速發(fā)展的背景下,文獻(xiàn)［53］基于SVM 進(jìn)行竊電識(shí)別,文獻(xiàn)［54］則應(yīng)用貫序極限學(xué)習(xí)機(jī)（ELM）,實(shí)現(xiàn)了比SVM 更好的效果。文獻(xiàn)［55］提出了基于實(shí)值深度置信網(wǎng)絡(luò)的竊電檢測(cè)方法。文獻(xiàn)［56］針對(duì)大多數(shù)方法重分類器選取而輕用戶用電特征提取的問(wèn)題,提出了基于去相關(guān)自編碼器的特征提取方法,實(shí)現(xiàn)了更好的分類性能。文獻(xiàn)［57］針對(duì)以往算法未考慮用電周期性的問(wèn)題,提出了同時(shí)基于深度和廣度CNN 的竊電模型,以實(shí)現(xiàn)更高的精度。

針對(duì)正常用戶和竊電用戶樣本數(shù)量的不平衡問(wèn)題,文獻(xiàn)［58］進(jìn)行了初步研究,并提出基于隨機(jī)降采樣 提 升 樹（random under-sampling boosting,RUSBoosting）的竊電識(shí)別方法及相應(yīng)的性能評(píng)價(jià)指標(biāo)。文獻(xiàn)［59］考慮不同類型的竊電,利用最大信息系數(shù)（maximum information coefficient,MIC）以及基于密度峰值的快速聚類算法（clustering technique by fast search and find of density peaks,CFSFDP）檢測(cè)不同形態(tài)的竊電。文獻(xiàn)［60］考慮竊電用戶樣本較小的問(wèn)題,基于三元組孿生網(wǎng)絡(luò)提出了適用于小樣本條件下的竊電檢測(cè)算法,充分學(xué)習(xí)同類樣本間的相似性和不同類樣本間的差異性,從而獲得了較準(zhǔn)確的竊電檢測(cè)結(jié)果。文獻(xiàn)［61］對(duì)智能電表記錄的功率、報(bào)警、電量數(shù)據(jù)進(jìn)行綜合分析,提出了基于XGBoost 有監(jiān)督分類算法的竊電檢測(cè)模型。文獻(xiàn)［62-63］則進(jìn)一步集成了多個(gè)分類器,提出了諸如基于孤立森林的竊電檢測(cè)算法,有效提高了樣本不均衡條件下竊電檢測(cè)的準(zhǔn)確率。

文獻(xiàn)［64］針對(duì)目前竊電檢測(cè)算法誤報(bào)率較高的問(wèn)題,首先對(duì)工業(yè)用戶的典型生產(chǎn)經(jīng)營(yíng)狀態(tài)進(jìn)行聚類,然后通過(guò)判斷低電量場(chǎng)景是異常用電還是正常的經(jīng)營(yíng)狀態(tài)變化來(lái)進(jìn)行二次篩查,從而降低誤報(bào)率。文獻(xiàn)［65］綜合運(yùn)用了極限梯度提升、分類提升以及弱梯度提升3 種梯度提升分類器,從而構(gòu)建以假陽(yáng)性率（false positive rate,FPR）最小為目標(biāo)的竊電檢測(cè)模型。文獻(xiàn)［66］對(duì)用戶側(cè)竊電檢測(cè)的關(guān)鍵技術(shù)進(jìn)行了全面綜述,詳細(xì)介紹了竊電的原理和常見(jiàn)的竊電方法及對(duì)應(yīng)的竊電檢測(cè)方法。文獻(xiàn)［67］在此基礎(chǔ)上繼續(xù)對(duì)數(shù)據(jù)驅(qū)動(dòng)的竊電檢測(cè)方法進(jìn)行了綜述和展望,并進(jìn)一步討論了低誤報(bào)率竊電檢測(cè)的算法設(shè)計(jì)。值得注意的是,上述竊電識(shí)別方法既有在模擬數(shù)據(jù)集上測(cè)試的,也有以實(shí)際量測(cè)數(shù)據(jù)集測(cè)試的。一般地,在模擬數(shù)據(jù)集上的測(cè)試性能會(huì)優(yōu)于在實(shí)際數(shù)據(jù)集上的測(cè)試性能,因?yàn)槠鋽?shù)據(jù)更加規(guī)整且不含噪聲。關(guān)于竊電檢測(cè)算法更詳盡的對(duì)比可參考文獻(xiàn)［66］。

縱觀用戶異常用電和竊電行為檢測(cè)研究,近年來(lái)已從人工排查、簡(jiǎn)單的數(shù)據(jù)相關(guān)性計(jì)算轉(zhuǎn)向數(shù)據(jù)賦能的人工智能算法,取得了喜人的成果。但同時(shí)也應(yīng)注意到,目前基于人工智能的檢測(cè)方法也面臨著客觀挑戰(zhàn):

1）正常用戶和竊電用戶樣本數(shù)不平衡將在人工智能算法中引入“偏好（bias）”,從而影響識(shí)別結(jié)果。上述研究中,模擬數(shù)據(jù)中的竊電用戶比例設(shè)定在15%左右,而實(shí)際數(shù)據(jù)中的竊電用戶比例一般更低。因此,未來(lái)需要重點(diǎn)研究降采樣或重采樣的數(shù)據(jù)預(yù)處理方法,以緩解這一問(wèn)題。

2）目前的竊電算法大多不能確定竊電量,而實(shí)地稽查的成本有時(shí)候甚至比追繳電量更高。因此,將經(jīng)濟(jì)成本因素考慮在竊電檢測(cè)中也是未來(lái)的研究方向之一。

3）隨著分布式能源的大量接入,一些異常用電行為（例如一段時(shí)間的低電量或零電量）可能是用戶自有的分布式能源造成的,如何區(qū)分和剔除這種情況也需要在未來(lái)加以研究。

5 數(shù)據(jù)賦能的客戶側(cè)用電服務(wù)評(píng)價(jià)

作為承擔(dān)社會(huì)責(zé)任和提供公共服務(wù)的電網(wǎng)企業(yè),低壓配用電系統(tǒng)的精益化運(yùn)行中除了要考慮經(jīng)濟(jì)性因素外,還要考慮用戶側(cè)的用電滿意程度。隨著過(guò)去十幾年來(lái)電網(wǎng)的快速建設(shè)和供電水平的日益提高,以往因客觀條件限制導(dǎo)致的限電、非計(jì)劃停電、安全用電事故明顯減少,國(guó)內(nèi)電網(wǎng)公司在客戶側(cè)的服務(wù)逐漸由過(guò)去的粗獷式管理轉(zhuǎn)向精細(xì)化管理。為了滿足這一點(diǎn)要求,需研究客戶側(cè)服務(wù)評(píng)價(jià)方法,將用戶對(duì)服務(wù)的評(píng)價(jià)科學(xué)合理地反饋給電網(wǎng)公司,以提高后者的精益化管理水平?？蛻魝?cè)用電服務(wù)評(píng)價(jià)的本質(zhì)也是一個(gè)評(píng)估問(wèn)題,類似于本文第1 章,其首先要提出例如圖4 所示的能合理描述客戶用電滿意度的多維度指標(biāo),然后選擇相應(yīng)的指標(biāo)綜合方法,基于多屬性決策理論進(jìn)行客戶側(cè)用電服務(wù)的評(píng)價(jià)。不同客戶側(cè)用電服務(wù)評(píng)價(jià)算法對(duì)比見(jiàn)表5。

圖4 客戶側(cè)用電服務(wù)評(píng)價(jià)研究展望Fig.4 Prospect of user-side service evaluation research

表5 不同客戶側(cè)用電服務(wù)評(píng)價(jià)算法對(duì)比Table 5 Comparison of evaluation algorithms for different user-side services

早在2004 年,就有學(xué)者對(duì)供電服務(wù)質(zhì)量評(píng)價(jià)方法進(jìn)行了初步研究［68］。文獻(xiàn)［68］基于電網(wǎng)公司社會(huì)服務(wù)公告中的承諾內(nèi)容,構(gòu)建了包含城市到達(dá)事故現(xiàn)場(chǎng)時(shí)限等19 個(gè)指標(biāo)在內(nèi)的供電服務(wù)質(zhì)量評(píng)價(jià)指標(biāo)體系,并運(yùn)用模糊偏序關(guān)系和模糊綜合評(píng)價(jià)方法描述人的主觀感受并進(jìn)行服務(wù)質(zhì)量的評(píng)價(jià),指標(biāo)權(quán)重的確定采用了專家打分法。文獻(xiàn)［69］提出將供電服務(wù)質(zhì)量分為了現(xiàn)場(chǎng)服務(wù)、供電質(zhì)量、營(yíng)業(yè)廳服務(wù)、電話服務(wù)、服務(wù)管理5 個(gè)部分,并在每個(gè)部分下提出了多個(gè)對(duì)應(yīng)的三級(jí)指標(biāo),從而感知客戶服務(wù)質(zhì)量。該文獻(xiàn)依然采用了模糊數(shù)學(xué)理論構(gòu)造判斷矩陣,利用基于三角模糊數(shù)的層次分析法（analytic hierarchy process,AHP）確定指標(biāo)主觀權(quán)重以進(jìn)行綜合評(píng)價(jià)。文獻(xiàn)［70］則進(jìn)一步將供電服務(wù)質(zhì)量指標(biāo)分成了內(nèi)部評(píng)價(jià)指標(biāo)和外部評(píng)價(jià)指標(biāo)兩大塊,分別構(gòu)建了相應(yīng)的指標(biāo)體系,最后設(shè)計(jì)了相應(yīng)的服務(wù)質(zhì)量評(píng)價(jià)系統(tǒng)和功能模塊。文獻(xiàn)［71］基于物元理論,分析了影響供電服務(wù)質(zhì)量的主要因素,構(gòu)建了相應(yīng)的指標(biāo)體系。文獻(xiàn)［72］根據(jù)供電質(zhì)量和服務(wù)質(zhì)量構(gòu)建評(píng)估指標(biāo)體系,利用理想點(diǎn)法（technique for order preference by similarity to an ideal solution,TOPSIS）和專家打分法進(jìn)行服務(wù)質(zhì)量評(píng)價(jià)。文獻(xiàn)［73］在供電質(zhì)量、服務(wù)質(zhì)量的基礎(chǔ)上進(jìn)一步擴(kuò)展,構(gòu)建了企業(yè)形象、客戶期望、價(jià)值感知、客戶抱怨、客戶忠誠(chéng)等指標(biāo)以及相應(yīng)的三級(jí)四級(jí)指標(biāo),運(yùn)用魚群優(yōu)化算法模擬繁瑣的專家打分,從而簡(jiǎn)便科學(xué)地對(duì)客戶滿意度進(jìn)行評(píng)估。文獻(xiàn)［74］在上述研究的基礎(chǔ)上,討論了新電改前后的供電服務(wù)變化,明晰了新電改后用電服務(wù)的提供者和對(duì)應(yīng)的評(píng)價(jià)指標(biāo)。最后,基于人工神經(jīng)網(wǎng)絡(luò)構(gòu)建下層自適應(yīng)評(píng)價(jià),基于組合權(quán)重法確定上層評(píng)價(jià)體系權(quán)重,基于TOPSIS 確定最終的評(píng)價(jià)結(jié)果。文獻(xiàn)［75］則利用貝葉斯決策樹挖掘用戶滿意度特征,指導(dǎo)電網(wǎng)供電服務(wù)質(zhì)量的提升。

從上述研究可以看出,目前研究所提出的供電服務(wù)質(zhì)量評(píng)價(jià)指標(biāo)及體系都較為抽象,指標(biāo)的數(shù)值往往需要通過(guò)問(wèn)卷調(diào)查、訪談來(lái)獲取,這會(huì)導(dǎo)致評(píng)價(jià)時(shí)的樣本數(shù)量有限、樣本分布的均勻性不能得到保證等問(wèn)題,也可能導(dǎo)致不同區(qū)域的供電公司在同業(yè)對(duì)標(biāo)中為了提升自身業(yè)績(jī)而人為選擇樣本,造成評(píng)價(jià)結(jié)果不再客觀公平。近年來(lái),隨著電力客戶服務(wù)呼叫中心（即95598 熱線）和手機(jī)客戶端的開通和宣傳,越來(lái)越多的投訴、建議和反饋通過(guò)上述渠道進(jìn)行,而從這些渠道進(jìn)行的反饋可以作為電子資料被自動(dòng)和集中地管理,避免了人為因素的干擾。因此,利用95598 熱線和手機(jī)客戶端的通話和聊天記錄進(jìn)行供電服務(wù)質(zhì)量評(píng)價(jià)在未來(lái)將有更廣闊的研究前景。但是,也應(yīng)清醒地認(rèn)識(shí)到對(duì)語(yǔ)音和文字記錄進(jìn)行自動(dòng)的數(shù)據(jù)分析絕非易事。因此,一方面,電網(wǎng)公司可以在用戶進(jìn)行反饋時(shí)設(shè)置結(jié)構(gòu)化的事項(xiàng)類別供用戶選擇,最大限度地在數(shù)據(jù)采集階段就能進(jìn)行數(shù)據(jù)的初步分類；另一方面,應(yīng)大力發(fā)展基于深度學(xué)習(xí)的語(yǔ)音識(shí)別、文本識(shí)別以及語(yǔ)義識(shí)別技術(shù),從而助力數(shù)據(jù)賦能的用戶側(cè)用電服務(wù)指標(biāo)提取和綜合評(píng)價(jià)。

6 未來(lái)研究展望

前文對(duì)數(shù)據(jù)賦能低壓配用電系統(tǒng)精益化運(yùn)行的關(guān)鍵技術(shù)與算法進(jìn)行了總結(jié)并指出了相應(yīng)的不足。目前,已有的關(guān)鍵技術(shù)與算法一方面依賴于計(jì)量設(shè)備量測(cè)的海量數(shù)據(jù),另一方面也依賴于日益迭代的大數(shù)據(jù)分析技術(shù)和人工智能算法。在大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)、人工智能、區(qū)塊鏈（簡(jiǎn)稱“大云物移智鏈”）快速發(fā)展的背景下,數(shù)據(jù)賦能低壓配用電系統(tǒng)計(jì)量營(yíng)銷在未來(lái)將有以下重點(diǎn)需要解決的問(wèn)題和研究方向:

1）數(shù)據(jù)賦能的關(guān)鍵技術(shù)與算法依賴于計(jì)量設(shè)備量測(cè)的海量數(shù)據(jù),故提升量測(cè)數(shù)據(jù)的多樣性和準(zhǔn)確性以及量測(cè)裝置的性能尤為重要。因此,一方面,需研究基于物聯(lián)網(wǎng)技術(shù)的多源數(shù)據(jù)采集和融合方法,同時(shí)研究可指導(dǎo)計(jì)量設(shè)備采購(gòu)和安裝的綜合評(píng)估體系；另一方面,需研究基于大數(shù)據(jù)分析的原始量測(cè)數(shù)據(jù)清洗、修復(fù)和重構(gòu)一體化方法和數(shù)據(jù)篡改識(shí)別方法。

2）數(shù)據(jù)賦能的關(guān)鍵技術(shù)與算法還依賴于大量的算力,故未來(lái)可依托云計(jì)算平臺(tái)進(jìn)行處理,而實(shí)時(shí)的數(shù)據(jù)傳輸與處理又依賴于移動(dòng)互聯(lián)網(wǎng)的發(fā)展。因此,一方面,需研究基于移動(dòng)互聯(lián)網(wǎng)的計(jì)量采集設(shè)備與云計(jì)算平臺(tái)數(shù)據(jù)傳輸關(guān)鍵技術(shù)；另一方面,需研究適用于云計(jì)算平臺(tái)的并行數(shù)據(jù)賦能算法。

3）人工智能算法是本文所述數(shù)據(jù)賦能配用電系統(tǒng)精益化運(yùn)行的核心。然而,人工智能算法因其可解釋性差、訓(xùn)練數(shù)據(jù)正負(fù)樣本不均衡等問(wèn)題在實(shí)際工程中應(yīng)用較少。因此,一方面,需研究針對(duì)配用電系統(tǒng)原理可解釋性強(qiáng)的人工智能算法以及前置的樣本欠采樣/過(guò)采樣方法；另一方面,需加強(qiáng)實(shí)踐中真實(shí)樣本的數(shù)據(jù)標(biāo)注,同時(shí)研究數(shù)字孿生技術(shù)進(jìn)行仿真數(shù)據(jù)模擬對(duì)樣本庫(kù)進(jìn)行補(bǔ)充。

4）配用電系統(tǒng)的計(jì)量數(shù)據(jù)一方面將用于電網(wǎng)公司的營(yíng)銷計(jì)量考核與同業(yè)對(duì)標(biāo),另一方面其往往涉及用戶個(gè)人隱私。因此,研究行業(yè)或私有區(qū)塊鏈技術(shù),將計(jì)量數(shù)據(jù)上鏈,利用區(qū)塊鏈的去中心化、安全性和匿名性的特點(diǎn)保證數(shù)據(jù)的不可篡改和私密性的要求,也是未來(lái)數(shù)據(jù)賦能低壓配用電系統(tǒng)計(jì)量營(yíng)銷的重要方向之一。

7 結(jié)語(yǔ)

本文主要側(cè)重于綜述對(duì)各類影響配用電系統(tǒng)精益化運(yùn)行的問(wèn)題進(jìn)行識(shí)別和矯正的算法,對(duì)“優(yōu)化控制”也有所涉及,例如第2 章中相位識(shí)別和三相不平衡治理、第3 章中的戶變關(guān)系和拓?fù)潢P(guān)系辨識(shí)、第4 章中的竊電監(jiān)測(cè)等。事實(shí)上,判斷需不需要檢修、去哪里檢修、檢修什么是較困難的,而檢修本身是較容易的。例如:1）制定三相不平衡治理的策略是較為困難的,而實(shí)施這一策略只需人工切換線路或給裝置下達(dá)切換命令即可；2）發(fā)現(xiàn)臺(tái)區(qū)存在戶變關(guān)系不正確的問(wèn)題并找到戶變關(guān)系不正確的用戶是較為困難的,而修復(fù)這一關(guān)系錯(cuò)誤只需要修正檔案即可；3）發(fā)現(xiàn)臺(tái)區(qū)存在竊電現(xiàn)象并定位疑似竊電用戶是較為困難的,而處理竊電用戶只需人工上門核查即可。

雖然針對(duì)低壓配用電系統(tǒng)精益化運(yùn)行管理的研究目前已有不少數(shù)據(jù)賦能的場(chǎng)景和成果,本文也給出了相應(yīng)的研究不足、現(xiàn)有的挑戰(zhàn)和未來(lái)的展望,但是應(yīng)當(dāng)注意到,低壓配用電系統(tǒng)精益化運(yùn)行管理的內(nèi)容在本文中無(wú)法窮盡。例如,在精益化管理時(shí),若能基于數(shù)據(jù)對(duì)不同行業(yè)的用戶進(jìn)行識(shí)別分類和校驗(yàn)［76］,將有利于電網(wǎng)公司采取更精細(xì)化的管理手段；在臺(tái)區(qū)拓?fù)浔孀R(shí)之前,如果能確定中壓線變關(guān)系［77］,將有利于臺(tái)區(qū)下拓?fù)涞臏?zhǔn)確辨識(shí)；如果能基于數(shù)據(jù)自動(dòng)對(duì)用戶用電安全隱患進(jìn)行監(jiān)測(cè)［78］,將有利于電網(wǎng)公司及時(shí)檢修設(shè)備和線路,防患于未然。然而,上述幾點(diǎn)內(nèi)容目前國(guó)內(nèi)外鮮有深入的研究,魯棒、成熟算法的誕生還需廣大學(xué)者的進(jìn)一步努力。

此外,在應(yīng)用數(shù)據(jù)對(duì)低壓配用電系統(tǒng)精益化運(yùn)行管理進(jìn)行賦能時(shí),還應(yīng)明晰當(dāng)下有什么樣的工具可以賦能,有多少資源可供賦能,用什么樣的知識(shí)去賦能,最終落腳到賦能什么樣的具體服務(wù)。以上問(wèn)題還需要進(jìn)一步地進(jìn)行系統(tǒng)性研究。

伴隨著以5G 為代表的數(shù)字化新基建的逐步實(shí)施,可以預(yù)見(jiàn)未來(lái)種類更加多樣、信息更加豐富的數(shù)據(jù)將可以被獲取,其將為數(shù)據(jù)賦能低壓配用電系統(tǒng)精益化運(yùn)行再添新的內(nèi)涵。

本文在撰寫過(guò)程中與課題組林之岸、金偉超、連子寬、章博、褚振悅等同學(xué)進(jìn)行了廣泛的交流與討論，他們?yōu)楸疚奶峁┝擞幸娴乃伎寂c建議，特此感謝！

附錄見(jiàn)本刊網(wǎng)絡(luò)版（http：//www.aeps-info.com/aeps/ch/index.aspx），掃英文摘要后二維碼可以閱讀網(wǎng)絡(luò)全文。