本發(fā)明涉及一種基于月均用電量的采集異常緊急程度計算方法，屬于電力設備技術領域。

背景技術：

當前在全國范圍，電力的采集系統(tǒng)所產生的故障基本都超出當地運維力量，各地方局也是對其管理范圍內的采集系統(tǒng)正常工作設備總有效率進行考核，無法保證全部設備都能有效采集數據。目前系統(tǒng)運維工作管理處于粗放階段，存在資源使用不合理，無法快速準確判定各異常點的緊急程度，導致一些緊急的異常情況無法及時解決，進而更嚴重的情況出現。異常緊急程度判斷主要依靠人的經驗和主觀估算來進行派單處理，這種方法存在很大的不科學性和隨意性，缺少一種科學、合理、準確的技術方案。

針對目前現有技術中存在的上述缺陷，實有必要進行研發(fā)，解決現有技術中存在的缺陷。

技術實現要素：

針對現有技術的缺陷，本發(fā)明的目的在于提供一種科學、合理、準確的用電采集異常緊急程度的計算方法，更為科學和準確的判定各異常點的緊急程度，為后續(xù)的精準派工提供基礎，使得資源更為合理的利用。

為實現上述目的，本發(fā)明的技術方案為：

一種基于月均用電量的采集異常緊急程度計算方法，包括以下步驟：

第一步，初步確定采集異常緊急度的影響因子

由電力運維系統(tǒng)專家討論確定采集異常緊急度的影響因子，所述影響因子包括月均用電量；

第二步，收集電路運行系統(tǒng)的數據

所述數據包括現場采集數據和工單流轉數據，涉及到多個區(qū)域的各種用戶的一段時間內的用電量，進而對大批量用戶的用電量進行波動分析；

第三步，建立標準用電戶

標準用電戶是在抽取大部分用戶的實際用電情況基礎上統(tǒng)計出各類用戶的月平均用電量，然后依據用戶最多類型的用電戶平均電量作為標準用電戶用電量，所有影響因子對緊急度的影響最終都折算為標準用電戶；

第四步，分析影響因子并建立模型

緊急度影響因子判斷模型就是通過系統(tǒng)已有運行數據，按照各因素影響進行數據分析，當結果表明影響因子與最終結果存在明顯聚合關系或函數連續(xù)時則表明應該將該因數計入緊急度計算，當結果為離散不連續(xù)時則表明不應該將該因數計入緊急度計算；

第五步，根據計算模型，確定異常處理的先后次序，對電路運行系統(tǒng)進行維護。

首先確定影響緊急度的影響因子，然后建立標準用電戶，把影響因子轉換為對標準用電戶的緊急度，進而對影響因子建立計算模型，建立關于單一變量的關系式，有效簡化了計算量以及復雜度，把復雜的解決方案，系統(tǒng)化，層級化，簡單化，提供一種切實可行的技術方案，較為完善的解決了緊急度計算問題。

進一步地，月均用電量對采集異常緊急程度的影響分析方法，觀察當用戶電量缺失時，是否會引起臺區(qū)線損波動，如果引起波動，則需要將月均用電量作為影響緊急度的影響因子，如果沒有波動，則不需要。

進一步地，直接用用戶的月用電量作為輸入，會導致該因素的影響波動過大，因此需要將用戶月用電量按一定區(qū)間進行劃分將臺區(qū)根據容量分布進行分類，并統(tǒng)計某一年度臺區(qū)公變用電量及相應容量公變下居民、非居民單相、非居民三相電量情況。

進一步地，如果僅使用電量作為緊急度值的單位，最后計算出的數值比較大，然后根據用戶實際月用電量確定該用戶處于統(tǒng)計數據的具體分布區(qū)間，最終確定該用戶為N個標準用電戶。

進一步地，以居民用戶和非居民單相表用戶月用電量為標準戶電量分界點：小于等于200千瓦時為1戶標準戶，大于200千瓦時且小于等于1000千瓦時為2戶標準戶，大于1000千瓦時為3戶標準戶。

進一步地，用戶實際月用電量等同的標準戶數r(x_i)：

g(x_i)為指定用戶當前月的用電量，X_i為第i個電能表的用戶。

進一步地，影響因子還包括：異常持續(xù)時間、距離抄表天數、電能表效用值。

進一步地，建立異常持續(xù)天數的計算模型，對每戶每日用電量標準偏差度進行分析，分析用戶的日用電量波動是否平緩，如果大部分用戶的日用電量波動平緩則可將異常持續(xù)天數所損失的電量作為緊急程度計算因子，如果大部分用戶的日用電量波動較大則不能將異常持續(xù)天數所損失的電量作為緊急程度計算因子。

進一步地，異常持續(xù)天數所損失的電量＝異常持續(xù)天數乘以指定用戶當前月的平均日用電量，指定用戶當前月的用電量需要參考該用戶上一年同月份用電量、上一個月用電量和前三日用電量，

計算公式如下：

進一步地，建立距離抄表日天數的計算模型，統(tǒng)計持續(xù)N天無抄表數據的電能表數分布情況，分析故障電表與持續(xù)天數的關系，確定能夠處理絕大多數故障電表的天數M。

與現有技術相比，本發(fā)明具有以下有益效果：

本發(fā)明首先確定影響緊急度的影響因子，然后建立標準用電戶，把影響因子轉換為對標準用電戶的緊急度，進而對影響因子建立計算模型，建立關于單一變量的關系式，有效簡化了計算量以及復雜度，把復雜的解決方案，系統(tǒng)化，層級化，簡單化，提供一種切實可行的技術方案，較為完善的解決了緊急度計算問題。

本發(fā)明提供一種科學、合理、準確的用電采集異常緊急程度的計算方法，更為科學和準確的判定各異常點的緊急程度，為后續(xù)的精準派工提供基礎，使得資源更為合理的利用。

附圖說明

圖1為本發(fā)明影響因子分析流程圖；

圖2為本發(fā)明公變容量分類及公變用電量、公變下居民、非居民電量情況；

圖3為本發(fā)明相應公變容量下居民、非居民(單、三相)電量情況；

圖4為本發(fā)明公變下單戶居民、非居民電量缺失引起的線損波動率數據表；

圖5為本發(fā)明公變下單戶居民、非居民電量缺失引起的線損波動率折線圖；

圖6為本發(fā)明低壓居民用戶日用電量標準偏差曲線圖；

圖7為本發(fā)明低壓非居民用戶日用電量標準偏差曲線圖；

圖8為本發(fā)明持續(xù)N天無抄電能表數據的電能表數量分布統(tǒng)計表；

圖9為本發(fā)明持續(xù)N天無抄電能表數據的電能表數分布圖

圖10為本發(fā)明發(fā)生間歇性故障的表計按地區(qū)分類統(tǒng)計表(I型集中器)；

圖11為本發(fā)明發(fā)生間歇性故障的表計按地區(qū)分類統(tǒng)計圖(I型集中器)；

圖12為本發(fā)明發(fā)生間歇性故障的用戶按地區(qū)分類統(tǒng)計表(II型集中器)；

圖13為本發(fā)明發(fā)生間歇性故障的用戶按地區(qū)分類統(tǒng)計表(II型集中器)；

圖14為本發(fā)明發(fā)生間歇性故障的用戶按電能表廠家分類統(tǒng)計表(I型集中器)；

圖15為本發(fā)明發(fā)生間歇性故障的用戶按集中器廠家分類統(tǒng)計表(I型集中器)；

圖16為本發(fā)明發(fā)生間歇性故障的用戶按電能表廠家分類統(tǒng)計表(II型集中器)；

圖17為本發(fā)明發(fā)生間歇性故障的用戶按集中器廠家分類統(tǒng)計表(II型集中器)；

圖18為本發(fā)明發(fā)生間歇性故障的I型集中器各故障類型統(tǒng)計表；

圖19為本發(fā)明發(fā)生間歇性故障的I型集中器各故障類型統(tǒng)計圖；

圖20為本發(fā)明發(fā)生間歇性故障的II型集中器各故障類型統(tǒng)計表；

圖21為本發(fā)明不同故障類型影響的故障電能表數及處理時長統(tǒng)計表；

圖22為本發(fā)明不同故障類型影響的故障電能表數及處理時長統(tǒng)計圖；

圖23為本發(fā)明II型采集器掛接電能表數量分布統(tǒng)計；

圖24為本發(fā)明II型采集器掛接電能表數量分布圖。

具體實施方式

為了使本發(fā)明的目的、技術方案及優(yōu)點更加清楚明白，以下結合附圖及實施例，對本發(fā)明進行進一步詳細說明。應當理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

相反，本發(fā)明涵蓋任何由權利要求定義的在本發(fā)明的精髓和范圍上做的替代、修改、等效方法以及方案。進一步，為了使公眾對本發(fā)明有更好的了解，在下文對本發(fā)明的細節(jié)描述中，詳盡描述了一些特定的細節(jié)部分。對本領域技術人員來說沒有這些細節(jié)部分的描述也可以完全理解本發(fā)明。

一種基于月均用電量的采集異常緊急程度計算方法，包括以下步驟：

第一步，初步確定采集異常緊急度的影響因子

由電力運維系統(tǒng)專家討論確定采集異常緊急度的影響因子，所述影響因子包括月均用電量。

第二步，收集電路運行系統(tǒng)的數據

所述數據包括現場采集數據和工單流轉數據，涉及到多個區(qū)域的各種用戶的一段時間內的用電量，進而對大批量用戶的用電量進行波動分析。

第三步，建立標準用電戶

為準確評估影響因子，需要設置標準用電戶。標準用電戶是在抽取大部分用戶的實際用電情況基礎上統(tǒng)計出各類用戶的月平均用電量，然后依據用戶最多類型的用電戶平均電量作為標準用電戶用電量，所有影響因子對緊急度的影響最終都折算為標準用電戶。

目前系統(tǒng)的異常緊急程度判斷主要依靠人的經驗和主觀估算來進行派單處理，這種方法存在很大的不科學性和隨意性。為了使得異常緊急度的判斷能夠更科學和可量測，本發(fā)明引入標準用電戶概念，將所有影響因子對緊急度的影響最終都折算為標準用電戶。并且在實際運維過程中，一方面異常緊急度影響因子多而且屬于不同類型，另一方面在全國范圍內各地方有不同影響因子，各種因素對最終緊急度影響大小也存在差別，很難在系統(tǒng)一開始就全面掌握所有影響因子，存在添加、刪除和修改的可能。因此，利用標準用電戶概念，將所有影響因子對緊急度的影響最終都折算為標準用電戶。標準用電戶是在抽取大部分用戶的實際用電情況基礎上統(tǒng)計出各類用戶的月平均用電量，然后依據用戶最多類型的用電戶平均電量作為標準用電戶用電量。

第四步，分析影響因子并建立模型

如圖1所示，一方面由于全國范圍內各區(qū)域對采集系統(tǒng)具體要求存在差異，另外一方面采集異常緊急度影響因子很多，因此各區(qū)域需要根據其實際情況進行判斷各個影響因子是否應該計入緊急度計算。緊急度影響因子判斷模型就是通過系統(tǒng)已有運行數據，按照各因素影響進行數據分析，當結果表明影響因子與最終結果存在明顯聚合關系或函數連續(xù)時則表明應該將該因數計入緊急度計算，當結果為離散不連續(xù)時則表明不應該將該因數計入緊急度計算。

建立月均用電量的計算模型，月均用電量對采集異常緊急程度的影響分析方法，觀察當用戶電量缺失時，是否會引起臺區(qū)線損波動，如果引起波動，則需要將月均用電量作為影響緊急度的影響因子，如果沒有波動，則不需要。

分析月均用電量對采集異常緊急程度的影響程度，直接用用戶的月用電量作為輸入，會導致該因素的影響波動過大，因此需要將用戶月用電量按一定區(qū)間進行劃分。將臺區(qū)根據容量分布進行分類，并統(tǒng)計某一年度臺區(qū)公變用電量及相應容量公變下居民、非居民(單相、三相)電量情況。

具體統(tǒng)計分析過程如下所述，將某一區(qū)域242402個臺區(qū)根據容量分布進行分類，并統(tǒng)計某一年度臺區(qū)公變用電量及相應容量公變下居民、非居民(單相、三相)電量情況。

如圖2-3所示，以250千伏安及以下居民用戶電量為100千瓦時左右，315千伏安及以上單相用戶是其2倍左右，250千伏安及以下非居民三相表是其3倍左右，315千伏安及以上非居民三相表是其10倍左右。

如果僅使用電量作為緊急度值的單位，最后計算出的數值比較大，需要進行換算，根據用戶實際月用電量確定該用戶處于統(tǒng)計數據的具體分布區(qū)間，最終確定該用戶為N個標準用電戶。

由圖4-5可知，當一個單相用戶電量缺失時，將引起臺區(qū)線損波動在0.6％-0.7％，當一個非居三相用戶電量缺失時，將引起臺區(qū)線損波動在3.5％左右。因此，月均用電量能夠作為影響緊急度的影響因子。

以居民用戶和非居民單相表用戶月用電量為標準戶電量分界點(小于等于200千瓦時)為1戶標準戶，(大于200千瓦時且小于等于1000千瓦時)為2戶標準戶，(大于1000千瓦時)為3戶標準戶。

用戶實際月用電量等同的標準戶數r(x_i)：

g(x_i)為指定用戶當前月的用電量，X_i為第i個電能表的用戶

影響因子還包括：異常持續(xù)時間、距離抄表天數、電能表效用值、間歇性故障。

建立異常持續(xù)天數的計算模型

對每戶每日用電量標準偏差度進行分析，分析用戶的日用電量波動是否平緩，如果大部分用戶的日用電量波動平緩則可將異常持續(xù)天數所損失的電量作為緊急程度計算因子，如果大部分用戶的日用電量波動較大則不能將異常持續(xù)天數所損失的電量作為緊急程度計算因子。

收集某一月份10000戶居民和非居民的日用電量數據，計算每日用電量標準偏差，并從小到大排列，得出曲線圖如圖6所示。確定其電量標準偏差值小于17的用戶數占總數的92％，是標準偏差曲線圖的拐點。

同樣的，在某一區(qū)域隨即挑選10000戶非居民，計算每日用電量標準偏差，并從小到大排列，得出曲線圖如圖7所示。確定其電量標準偏差值小于17的用戶數占總數的88.75％，是標準偏差曲線圖的拐點。

由圖6和圖7可知，認定90％左右的用戶日均電量波動小，因此，異常持續(xù)天數能夠作為影響緊急度的影響因子。

本發(fā)明以一個月之內的日平均電量作為故障天數造成的單日損失監(jiān)控電量。異常持續(xù)天數所損失的電量＝異常持續(xù)天數乘以指定用戶當前月的平均日用電量，指定用戶當前月的用電量需要參考該用戶上一年同月份用電量、上一個月用電量和前三日用電量。

計算公式如下：

為更為精確的預估指定用戶的月用電量，增加農歷公歷、歷年溫度濕度影響、本用戶年度同比增長用電量等的影響因數。

異常持續(xù)時間的緊急度值公式如下：

建立距離抄表日天數的計算模型

抄表例日的抄表數據在一個月當中最為重要，該日數據缺失將導致人工抄表，使得成本提高。距離下一抄表日越近，異常處理緊急度越高。因此，需要把距離抄表日天數作為影響緊急度的影響因子。

統(tǒng)計持續(xù)N天無抄表數據的電能表數分布情況，分析故障電表與持續(xù)天數的關系，確定能夠處理絕大多數故障電表的天數M。采用斷面統(tǒng)計方式對數據進行統(tǒng)計，統(tǒng)計某一段時間內仍未恢復的異常電能表，記錄持續(xù)N天無抄表數據的電能表數分布情況。

從圖8-9中可以看出持續(xù)2天至8天的故障電表用戶占總故障用戶數的59.06％，將近60％，持續(xù)9天至21天無抄電能表數據的用戶占總故障用戶數的30.72％，將近30％，持續(xù)22天及以上占比10.22％，將近10％。

從分析數據看出，將近60％的采集異常在8天時間內都會被處理，所以選擇8天作為閾值，距離天數超過閥值的該因數影響為0，距離天數在閥值內越小處理緊急度值越大。

距離抄表日天數異常處理緊急度計算模型如下：

建立間歇性故障的計算模型

通過運維系統(tǒng)數據進行針對性分析，當結果表明影響因子與最終結果存在明顯關系或函數連續(xù)時則表明應該將該因數計入緊急度計算，當結果為離散不連續(xù)時則表明不應該將該因數計入緊急度計算。

按照集中器類型、地域、集中器的廠家分別進行統(tǒng)計故障電能表數量、電能表數量。計算同一集中器類型，不同地域的電能表故障率。計算同一集中器類型，不同生產廠家的電能表故障率。分析各種電能表故障率是否具有離散特性，如果各種電能表故障率具有離散型，該因素不作為緊急度值輸出的影響因子，反之，該因素作為緊急度值輸出的影響因子。

在優(yōu)化采集運維閉環(huán)管理系統(tǒng)的研討會和基層調研過程發(fā)現，目前存在抄表數據時有時無的間歇性現象，即對單個表計來說采集失敗但無須人工介入可自行恢復的現象較為明顯。對抄表數據情況進行定量分析：1代表抄表成功，0代表抄表失敗，其抄表數據的組合為101……、1001……、10001……。該類故障用戶一個月內反復出現現象為101……、1001……、10001……、100001……的組合情況。

收集某一月份，某區(qū)域24907294戶低壓用戶全月抄表數據為分析樣本，即一個月內至少出現三次及以上101……、1001……、10001……、100001……組合情況的用戶按照集中器類型、地域進行統(tǒng)計。

如圖10-11所示，對數據進行計算分析：I型集中器出現間歇性故障的表計采集故障率平均值為5.49％，表征組內個體間的離散程度的標準偏差值為0.0107。

同樣的，針對某一月份出現的間歇性故障的II型集中器下的單個表計采集故障率按地域進行統(tǒng)計，

如圖12-13所示，對數據進行計算分析分析：II型集中器出現間歇性故障的表計采集故障率平均值為2.73％，表征組內個體間的離散程度的標準偏差值為0.0071。

根據圖10-13可知，分析不同類型的集中器時，需要參考臺區(qū)線路分支數量、延伸地域面積、現場用電環(huán)境以及線型。I型集中器出現間歇性故障的表計采集故障率明顯高于II型集中器，主要原因為低壓臺區(qū)線路分支多、延伸地域廣、現場用電環(huán)境復雜等，導致低壓電力線載波通信不穩(wěn)定，而II型集中器下行通信主要是RS485雙絞線通信，因此更為穩(wěn)定，但對于同一類型集中器，間歇性故障發(fā)生比率較為穩(wěn)定。

繼續(xù)針對一個月出現3次、5次、6次及7次間歇性故障的I型集中器下的用戶清單按電能表廠家進行統(tǒng)計，發(fā)現故障主要集中于深圳市航天泰瑞捷電子有限公司、深圳科陸、杭州海興、杭州西力、浙江萬勝，但這五個電能表廠家的安裝數量也很大，進一步計算了這五個電能表廠家發(fā)生故障比率，基本在0.227％左右，如圖14所示。

同理，我們對終端廠家也進行了統(tǒng)計，發(fā)現故障主要集中于江蘇光一、杭州炬華科技、創(chuàng)維、江蘇林洋電子股份有限公司、青島高科通信股份有限公司，同樣，這五個終端廠家的安裝數量也很大，進一步計算了這五個終端廠家的發(fā)生故障比率，基本在0.247％左右，如圖15所示。

針對一個月出現4次、5次、6次及7次間歇性故障的II型集中器下的用戶清單按電能表進行統(tǒng)計，發(fā)現故障主要集中于電能表廠家為杭州海興、德力西、浙江正泰、杭州西力、浙江萬勝，但這五個電能表廠家的安裝數量也很大，進一步計算了這五個電能表廠家發(fā)生故障比率，基本在0.061％左右，如圖16所示。

同理，我們對終端廠家也進行了統(tǒng)計，發(fā)現故障主要集中于八達、江蘇林洋電子股份有限公司、杭州炬華科技、杭州炬華科、江蘇光一技，同樣，這五個終端廠家的安裝數量也很大，進一步計算了這五個終端廠家發(fā)生故障比率，基本在0.055％左右，如圖17所示。

從上述數據可以看出，間歇性故障沒有呈現聚集性效應(如按表計廠家、終端廠家、分布地區(qū)、集中器類型等)，均存在一定的離散特性。

繼續(xù)對出現各故障的類型(101……、1001……、10001……、100001……)數量及比例進行統(tǒng)計。如圖18-20所示，無論是I型集中器還是II型集中器，一個月出現3次及以上間歇性故障的集中器故障類型主要集中在101、1001這兩種類型上，三天內自動恢復的間歇性故障占間歇性故障總數量的90％以上。

間歇性故障沒有呈現聚集性效應(如表計廠家、終端廠家、終端類型、地區(qū)分布等)，存在一定的離散特性，且三天內自動恢復的間歇性故障占比90％以上，因此采集運維閉環(huán)管理中的故障處理時限并不能表征故障處理的難易程度，故該因素不作為緊急度值輸出的影響因子。

建立終端下掛接電能表效用值的計算模型

對目前采集系統(tǒng)內某一時間段產生的全部采集異常影響的故障數及處理時長統(tǒng)計分析。

如圖21-22所示，存在問題一：一個故障類型影響的電能表數越多，則處理優(yōu)先級越高，故障處理效益排序應該為：I型集中器下全無數據>I型終端與主站無通信>II型集中器全無數據>II型終端與主站無通信>采集器下電表全無數據>N天無抄電能表數據，按照處理緊急程度遞減排列，原理上處理時限應遞增，但在I型集中器與主站無通訊和N天無數據兩類異常出現了平均處理時限下降明顯的趨勢，說明存在問題。

存在問題二：II型采集器下電能表下掛接電表分布比例

如圖23-24所示，可以看出II型采集器只掛載1塊電能表的情況占了94.91％。根據數據結果進行調查分析，由于基層單位并不了解該類型計算的是掛接2塊電能表及以上的II型采集器異常，盲目的認為II型采集器掛接電能表絕大多數是1塊電能表，導致檢修積極性不高。在運維時輸出效用值需要考慮掛載故障電能表數，而不僅僅是終端下掛接電能表數，否則不能達到運維效用的最大化。

綜上分析，需要把終端下掛接電能表數量效用值作為影響緊急度的影響因子，系統(tǒng)可通過分析各個處理工單下所有故障電表的效用值總和來判斷其優(yōu)先級，總體效用值模型如下：

Y(緊急度值)＝∑f(x_i)(i表示歸集后的第1……n的電能表)

x_i為第i個電能表的用戶，f(x_i)表示第i個電能表用戶緊急度

建立總的采集異常緊急程度計算模型

通過對現有收集的采集異常緊急程度影響因子分析，對于單個表計緊急度值來說，目前主要有“距離抄表天數”、“異常持續(xù)時間”和“月平均用電量”、“電能表效用值”四方面影響，和“間歇性故障”不發(fā)生直接關系，故該因素不考慮。異常工單的緊急度值是該工單所包含的故障電表緊急度值的累加。總的采集異常緊急程度計算模型為：

Y(緊急度值)＝∑f(x_i)(i表示歸集后的第1……n的電能表)

f(x_i)＝j(x_i)+s(x_i)，其中：

由此得到單表的總緊急度值，用于指導異常處理的先后次序，能夠使得日常采集運維工作有的放矢，達到事半功倍的效果。

第五步，根據計算模型，確定異常處理的先后次序，對電路運行系統(tǒng)進行維護。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發(fā)明的保護范圍之內。