基于线损分析DMAIC模型的防窃电数据革命探讨.docVIP

基于线损分析DMAIC模型的防窃电数据革命探讨 　　摘要：随着信息技术的高速发展，计算机技术在供电企业电力营销数据管理中得到广泛应用，线损分析成为防治窃电工作的突破口。数据分析手段及精益管理方法成为防窃电工作的方向和趋势，也将成为今后线损及电能计量装置管理的重要手段。通过强大的后台数据分析，精确指导前端现场作业，将会为电力营销管理工作迎来革命性的转变。 　　关键词：线损分析；DMAIC模型；防窃电技术；正态分布；电力营销数据管理 文献标识码：A 　　中图分类号：TM73 文章编号：1009-2374（2015）09-0044-03 DOI：10.13535/j.cnki.11-4406/n.2015.0777 　　1 研究理论与方法 　　1.1 DMAIC模型 　　DMAIC是六西格玛管理中流程改善的重要工具。D指界定、M指测量、A指分析、I指改进、C指控制，这五个阶段构成的过程改进方法就是DMAIC。DMAIC模型一般用于对现有流程的改进，包括制造过程、服务过程以及工作过程等，它能够借助一些数学工具和分析方法，促使我们以新的角度来发现容易被忽略的问题，形成我们的工作目标，对现有的工作流程及工作方法进行改善。 　　DMAIC模型从界定环节到控制环节不是一次性的直线过程，而是一个循环过程，这与休哈特和戴明提出的PDCA循环很相似，只有不断分析，反复改进，才能使其得到充分利用，达到改善质量的目的。 　　1.2 质量控制理论 　　质量控制是指为达到目标质量而采取的作业技术及活动。 　　沃特?休哈特（Walter Shewhart）博士在1982年率先提出了质量控制图。他指出：每一个方法都存在着变异，都受到时间和空间的影响，即使在理想的条件下获得的一组分析结果，也会存在一定的随机误差。在实际生产过程中，一旦某一个结果超出了随机误差的允许范围时，我们可以运用数理统计的方法，来判断这个结果是否为异常的、不足信的。 　　1.3 正态分布 　　正态分布又名高斯分布，是一种十分常见的概率分布，在数学、物理及工程等领域都非常重要，在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、方差为σ2的高斯分布，记为N（μ，σ2）。其概率密度函数为正态分布，其期望值μ决定了分布的位置，而标准差σ则决定了分布的幅度。以深圳罗湖供电局为例，在排除管理线损影响的情况下，其分台区技术线损以及线损率均是呈正态分布的。 　　2 基于事实和数据的DMAIC辅助决策 　　对于供电企业而言，线损率是控制管理质量的最好方式。线损率符合正态分布的特性，能够有效帮助我们绘制线损率的质量控制图，通过界定、测量、分析、改进、控制五个循环步骤，发现影响线损波动的根本 　　原因。 　　2.1 界定原因 　　界定原因是指界定引起线损率波动的因素是偶然因素还是必然因素。通过实践，我们对引起分线线损率和分台区线损率波动的必然因素做出以下界定： 　　对于分线线损率波动而言，线损率连续三日超出控制线的馈线、线损率在控制线内连续三个月向同一个方向偏移的馈线、线损率长期不合格的馈线均被定义为由必然因素引起的波动。 　　对于分台区线损率波动而言，线损率由合格变化为不合格的台区、线损率由不合格变化为合格的台区、线损率在控制线内连续三个周期向同一个方向偏移的台区、线损率长期不合格的台区均被定义为由必然因素引起的波动。 　　2.2 状态测量 　　状态测量是指通过数据采集对馈线及台区的状态进行测量及评估。在引起线损波动的因素被界定为必然因素后，需要通过以下数据对馈线及台区状态进行评估： 　　对于馈线而言，需要采集的数据包括站线变户总体情况、关口表运行情况、负控/配变运行情况、转供电（负荷调整）情况、两票操作情况等。 　　对于台区而言，需要采集的数据包括台区关口表（总表）运行情况、抄表反馈情况、互感器倍率是否异常、用户（表计）业务办理情况等。 　　2.3 数据分析 　　数据分析就是在收集完整所有的数据后，通过“精确比对、趋势分析”找出线损率波动产生的根本原因。 　　对于馈线而言，数据分析方法包括通过线损率变化拐点与用户电量变化精确比对筛选怀疑对象、通过线损电量与怀疑对象电量变化（同比/环比）精确比对确定异常对象、通过现场侦查数据与后台实时监控数据精确比对锁定异常对象等。 　　对于台区而言，数据分析方法包括通过台区分表全数据精确比对筛选怀疑对象、通过台区线损率变化拐点与全部三相表电量变化精确比对筛选怀疑对象、通过线损电量变化与怀疑对象电量变化（同比/环比）精确比对确定异常对象、台区分表历史电量趋势分析等。 　　2.4 问题改进 　　通常在分析出异常点及问题产生的根本原因后，我们会采取策略型的作业模式来改进发现的问题。 　　对于现今