一种用电信息采集系统异常电量数据的识别与修复方法
随着国家电网有限公司用电信息采集系统“全覆盖、全采集、全费控”的推进,截至2016年年底,国家电网公司累计实现采集4.1亿户,采集覆盖率达到95%,采集到的数据也呈几何级数增长[1-4],其数据种类丰富全面,可为电能损耗分析、计量装置诊断、电能质量分析以及反窃电分析等多种业务提供支撑[5-11]。
由于采集设备故障、通信信道不稳定以及外界干扰等原因,往往会使用电信息采集系统采集到异常数据。电量是用电信息采集系统中最重要的采集数据,若电量数据异常,则会造成基于电量数据的各种应用分析失去准确性甚至无法进行,因此,必须对用电信息采集系统的异常电量数据进行识别与修复。
文章将异常电量数据分为电量缺失及电量越限两类,并分别给出了相应的识别方法。然后按用户有完整负荷数据、有不完整负荷数据以及无负荷数据三种情况,分别建立了相应的数学模型对异常电量进行修复。
1 异常电量识别
1.1 电量缺失
电量缺失是指由于用电信息采集系统采集失败,从而造成用户电量为空的情况。当发现电量缺失时,可直接判定为异常电量数据。
1.2 电量越限
电量越限是指用电信息采集系统采集到的用户电量超过阈值的情况。
低压用户的电量上限阈值Emax设定为:
Berliner(1988)提出了教学中的专长发展五阶段,即新手阶段(novice level)、后期新手阶段(advanced beginner)、称职阶段(competent level)、熟手阶段(proficient level)以及专家阶段(expert level)。在这五个阶段的分析中,Berliner进行了解释界定,处于新手阶段的教师主要是师范学校的实习生和从事教学第一年的教师,在本文中,为了区分参与实践教学的学生和从事教学第一年的教师,将统一将本文的研究对象即参与实践教学的学生称为实习教师。
式中,为动态初始压溃应力;D为动态应变硬化参数。进而,文献[12]基于D-R-PH冲击波模型,提出了通过对冲击应力和瞬时冲击速度的测量确定动态材料参数的方法。
(1)
马格伍德强调了和谐倡议三个目标中的一个:为所有清洁能源电力技术提供公平的竞争环境。另外两个目标是协调的监管程序和有效的安全范式。
根据上述资料,假定2017年初粤信公司购入KY公司债券划分为以摊余成本计量的金融资产,至2018年1月初重分类为以公允价值计量且其变动计入当期损益的金融资产,或重分类为以公允价值计量且其变动计入其他综合收益的金融资产时。粤信公司相关的会计处理如下:
专变用户及公变台区的电量上限阈值Emax设定为:
三峡职院机制专业自实行“因材施教、分层培养、工学交替、强化技能”人才培养模式以来,学生就业率保持在95%以上,学生技能水平和创新能力得到较快提升,先后获得湖北省大学生机械创新设计大赛一等奖二次、二等奖一次,获得国家专利三项,参与企业技术开发多项。
Emax=24KmSn
(2)
式中Sn为变压器的额定容量;Km为裕度系数,此处Km取1.5。
电量下限阈值Emin设定为0,即:
Emin=0
(3)
若用户当天负荷数据的缺失率超过1/4时,利用昨日负荷数据进行修复可能会引入较大的误差,因此将其作为无负荷数据处理。负荷数据缺失率Rl计算公式如下。
2 异常电量修复
当电量数据异常时,按用户有完整负荷数据、有不完整负荷数据以及无负荷数据三种情况,分别建立数学模型对电量进行修复。
对“虚拟”实践的现实追问 ………………………………………………………………………… 李天国(4.84)
2.1 有完整负荷数据
当用户电量数据异常,但有完整的负荷数据时,则利用矩形法对当天各采集时刻的负荷数据进行积分计算电量的修复值,其计算公式如(4)式所示。
(4)
当用户电量数据异常,且有不完整的负荷数据时,首先对用户当天的负荷数据进行修复,然后再利用矩形法对负荷数据进行积分计算电量的修复值。
问题3:如上一节课所述,简单随机抽样仅适用于容量较小的总体,如果总体的容量很大怎么办?有没有合适的抽样方法?例如,为了做一项社会调查,需要从某群体的10 000名人士中抽取1%做调查,怎么抽取比较科学?
ΔT=ti+1-ti
(5)
一般用电信息采集系统的ΔT设置为1 h或15 min,本文取1 h。
(2)因构件热传导性能相对较差,且内部和外部温度差异很大,实际分布多属非线性,所以对桥梁整体温度荷载效应进行研究的重点是找出能使结构进入最不利状态的温度及其实际分布。在分析结构关键节点时,可借助有限元法找出能使结构进入最不利状态的温度及其实际分布;在分析和计算结构的整体时,通过对实测资料的研究,结合理论计算结果,可对复杂的空间温度场进行简化,使其变为二维变量分离,从而简化找出能使结构进入最不利状态的温度及其实际分布的过程。实践表明,这种方法是可行的。
2.2 有不完整负荷数据
式中Er为电量修复值;F为一天内的负荷数据采集次数;Pi为时刻ti负荷数据;ΔT为负荷数据采集时间间隔;其表达式为:
由于同一用户在不同日期的日负荷曲线具有一定的相似性,因此当某一时刻的负荷数据缺失时,则可用前一日同一时刻的负荷数据作为当日的数据,即:
Pr,i=Py,i
(6)
式中Pr,i为当日时刻ti负荷数据的修复值;Py,i为昨日时刻ti的负荷数据。
通过上下限阈值的设定可知,当低压用户的电量超过用户在电能表额定电压KU倍的电压、电能表额定最大电流KI倍的电流、功率因数为1的条件下24 h消耗电量的1.5倍时,则判定为异常电量数据;当专变用户及公变台区的电量超过变压器在功率因数为1的条件下满负荷运行24 h所消耗电量的1.5倍时,则判定为异常电量数据;当电量为负值时,则判定为异常电量数据。
式中Km为裕度系数,此处Km取1.5;p为电能表相系数,三相电能表的p为3,单相电能表的p为1;Un为电能表的额定电压;Imax为电能表的额定最大电流;KU为电压互感器变比;KI为电流互感器变比。
(7)
式中Nl为当天的负荷数据缺失数目,Nc为当天的正常负荷数据数目。
2.3 无负荷数据
当用户电量数据异常,且无负荷数据时,则利用移动平均法计算当天用户电量的预测值,并将其作为电量修复值。
从用电信息采集系统中选择用户C1、C2、C3于2017年1月5日的数据进行算例分析。用户C1、C2、C3的用户类型如表1所示。
展览期间,中国代表团成员又专程在日本东京、横滨、名古屋、京都等地对横滨美术馆、国立新美术馆、东艺大美术馆、箱根雕刻之森公园、箱根美术馆、Forever现代美术馆和FARET立川公共艺术、金阁寺、白鸟庭院等处建筑、雕塑及城市雕塑、公共环境与景观设计、人文艺术等进行了近距离的参观考察……
(8)
式中Er为电量修复值;Ed为当日用户电量的预测值;N为移动期数;Ed-1为前一日的用户电量;Ed-2为前两日的用户电量;Ed-N为前N日的用户电量。
本文的移动期数N取3。
3 算例分析
移动平均法是用一组最近的实际数据值来预测未来的一期或几期数据的一种常用方法[12-16],用其计算电量修复值的公式为:
C3的变压器额定容量为400 kVA,C1、C2的电能表以及互感器变比信息如表2所示。
由表1、表2中信息即可求出用户C1、C2、C3的电量上限阈值,三个用户当天电量的采集值及上限阈值如表3所示。
围绕着生本课堂的创建,教师要创新教学的方式,要能够将创新的理念融入到教学工作实际中。尊重学生,激励学生,给学生更多的支持,让学生享有更多的自由,唤醒学生内在的学习热情。所以,作为一名教师,要灵活运用各种教学手段,将当前非常受教育界认可的情境教学、小组合作教学、角色扮演教学、微课堂教学等形式巧妙结合起来,共同促进学生内在学习动机的激发,提高学生自主学习能力。
表1 用户类型 Tab.1 Customer types
用户用户类型C1低压用户C2低压用户C3专变用户
表2 电能表及互感器变比信息 Tab.2 Meter and transformer ratio information
用户电能表电压互感器变比电流互感器变比C1单相电能表5(60)A220V11C2三相四线电能表10(60)A3×220/380V11
表3 电量采集值及上限阈值 Tab.3 Collection value and upper limit ofelectric energy data
用户电量/(kW·h)上限阈值/(kW·h)C1—4752C2—14256C34678514400
由表3可知,C1、C2当天的电量缺失,C3的电量超过上限阈值,因此三个用户的电量均为异常数据,均需进行修复。
C1无负荷数据,C2、C3的负荷数据如表4所示。
表4 用户负荷数据 Tab.4 Load data
采集时刻C2负荷/(kW)C3负荷/(kW)01:0020719002:00270232103:0050318904:0031119105:00162—06:00221618507:00180130508:00935582509:006161173910:0013291079011:006841893512:0010011436313:0048579514:0042429315:002652676516:0030952736517:003425—18:0031741690119:00854764520:00894405221:00232—22:0017419323:0019519224:00168185
由表4可知,C2有完整的负荷数据,而C3在05:00、17:00、21:00的负荷数据缺失。C3的负荷数据缺失率为1/8,未超过1/4,因此按公式(6),将C3在1月4日05:00、17:00、21:00的负荷数据分别作为其在1月5日05:00、17:00、21:00的负荷数据修复值,C3的负荷数据修复值如表5所示。
表5 C3负荷数据修复值 Tab.5 Load data repair values for C3
采集时刻修复负荷/(kW)05:0018417:001599521:00605
利用公式(4)可计算出C2、C3的电量修复值分别为258.07 kW·h与1 462.03 kW·h。
由于C1无负荷数据,因此利用移动平均法对其电量进行修复,其前三天的电量值如表6所示。
表6 C1前三天电量 Tab.6 Electric energy data of C1 for the past three days
日期电量/(kW·h)1月2日2381月3日3161月4日214
由公式(8)可得出1月5日C1电量的修复值为2.56 kW·h。
通过对C1、C2、C3在1月5日的电量进行补抄,得到了三个用户电量的真实值,其电量真实值与修复值的对比如表7所示。
表7 电量真实值与修复值对比 Tab.7 Comparison between real value and repair value
用户电量真实值/(kW·h)电量修复值/(kW·h)相对误差/(%)C1279256-824C22408325807716C3158121146203-754
由表7可知,C1、C2、C3在1月5日的电量真实值与修复值的相对误差在±8%左右,该电量修复方法取得了较好的效果。
4 结束语
文章针对用电信息采集系统有时会采集到异常电量数据的现象,提出了一种异常电量数据的识别与修复方法[17]。该方法将出现异常电量数据的用户按负荷数据分为有完整负荷数据、有不完整负荷数据以及无负荷数据三种类型,并分别建立了相应的异常电量修复数学模型。选取用电信息采集系统中三个用户的电量与负荷数据进行了算例分析,计算结果验证了该方法的有效性。
参考文献:
[1] 何恒靖,赵伟,黄松岭,等.云计算在电力用户用电信息采集系统中的应用研究[J].电测与仪表,2016,53(01):1-7.
HE Hengjing, ZHAO Wei, HUANG Songling, et al.Research on the application of cloud computing in power user electric energy data acquisition system[J].Electrical Measurement & Instrumentation,2016,53(01):1-7.
[2] 王晓峰,李庚清.用电信息采集系统发展新趋势[J].电力需求侧管理,2010,12(05):60-61.
WANG Xiaofeng, LI Gengqing.Power utility information collection system development new trends[J].Power Demand Side Management,2010,12(05):60-61.
[3] 段立,胡文,夏海燕,等.基于大数据的用电信息采集系统建设[J].电力大数据,2017,20(09):1-5.
DUAN Li, HU Wen, XIA Haiyan, et al.Construction of electricity information collection system based on large data[J].Power Systems and Big Data,2017,20(09):1-5.
[4] 胡江溢,祝恩国,杜新纲,等.用电信息采集系统应用现状及发展趋势[J].电力系统自动化,2014,38(02):131-135.
HU Jiangyi, ZHU Enguo, DU Xingang, et al.Application status and development trend of power consumption information collection system[J].Automation of Electric Power Systems,2014,38(02):131-135.
[5] 刘洋.基于用电信息采集系统的节能降损研究[D].济南:山东大学,2016.
[6] 刘文博.供电企业用电信息采集系统研究与应用[D].北京:华北电力大学,2015.
[7] 范洁,陈霄,周玉.基于用电信息采集系统的电能计量装置异常智能分析方法研究[J].电测与仪表,2013,50(11):5-9.
FAN Jie, CHEN Xiao, ZHOU Yu.An intelligent analytical method of abnormal metering device based on power consumption information collection system[J].Electrical Measurement & Instrumentation,2013,50(11):5-9.
[8] 霍尧.基于用电信息采集的智能反窃电系统开发与应用[D].北京:华北电力大学,2014.
[9] 武文广,杜峰,李俊臣,等.依托用电信息采集系统的配电网电能质量判定技术研究[J].电网与清洁能源,2017,33(05):69-73.
WU Wenguang, DU Feng, LI Junchen, et al.Research of power quality judgment technology for distribution network based on electricity consumer information acquisition system[J].Power System and Clean Energy,2017,33(05):69-73.
[10] 王玮 ,张亚杰 ,吴宏波 ,等.用电信息采集系统大数据在电能表时钟管理研究中的应用[J].电力大数据,2017,20(12):8-12.
WANG Wei, ZHANG Yajie, WU Hongbo, et al.Application of big data of power information collection system in clock management of electric energy meter[J].Power Systems and Big Data,2017,20(12):8-12.
[11] 张晶,徐新华,崔仁涛.用电信息采集系统技术与应用[M].北京:中国电力出版社,2013.
[12] 陈跃燕,李相俊,韩晓娟,等.基于移动平均法和风电波动率约束的电池储能系统平滑风电出力控制策略[J].电力建设,2013,34(07):1-5.
CHEN Yueyan, LI Xiangjun, HAN Xiaojuan, et al.Control strategy of smoothing wind power output using battery energy storage based on moving average method and wind power volatility rate constraint[J].Power System and Clean Energy,2013,34(07):1-5.
[13] 郭永东.移动平均法在数据采集和分析中的应用[J].电子科技,2014,27(09):118-120.
GUO Yongdong.Application of moving average in data sample and analysis[J].Electronic Science and Technology,2014,27(09):118-120.
[14] 马智超.迁安市供电公司短期电力负荷预测研究[D].北京:华北电力大学,2016.
[15] 周英,卓金武,卞月青.大数据挖掘:系统方法与实例分析[M].北京:机械工业出版社, 2016.
[16] 奚彩萍,张淑宁,熊刚,等.多重分形降趋波动分析法和移动平均法的分形谱算法对比分析[J].物理学报,2015,64(13):1-14.
XI Caiping, ZHANG Shuning, XIONG Gang, et al.A comparative study of multifractal detrended fluctuation analysis and multifractal detrended moving average algorithm to estimate the multifrctal spectrum[J].Acta Physica Sinica,2015,64(13):1-14.
[17] 李东晨,张文扬,刘莺.利用电力大数据挖掘表计串户计量差错的实践[J].电力大数据,2017,20(09):46-51.
LI Dongchen,ZHANG Wenyang,LIU Ying.Application and practice of measuring errors in "electric meter measuring missort"by using power big data mining[J].Power Systes and Big Data,2017,20(09):46-51.