电力计量大数据对计量装置运维应用.doc

电力计量大数据对计量装置运维的应用 　　一、前言 电力行业是一个关系到国民生产的重要行业，用电量是反映一个阶段经济发展状态的一个重要因素。现在为大数据时代，通过数据就可以分析相关状态、偏好和发展趋势，更是对电力的相关数据提出了比较高的考验。本文通过统计学数据分析，提取因子选择平均电流值为检验因素，逐项检验用户的使用特征、厂家和接线方式对电流值的影响，希望找出影响电流不平衡的因素，从而逐渐通过对数据的深度挖掘、分析和应用，实现由系统代替人工开展智能化的异常监测、跟踪定位和分析诊断的目标 二、统计学方法对计量数据的分析 在这样的大数据时代，电力计量显得尤为重要，如何对电力计量数据进行分析，用何种指标预测信息，就成为了数据时代下一个值得讨论的问题 与此同时，统计学的发展和应用也成为了大数据数代一个非常重要的工具，SPSS作为一个集合统计学各类统计方法，进行分析计算的软件，在金融学和管理学中得到了较多的应用。笔者试图用SPSS对电力计量数据进行分析，试图分析精确计量的有效指标、电力各类用户的状态和偏好、计量装置提供者的可靠性等，希望能找出更多有利于电力计量和状态判定的方法和依据 电力计量，最基本的就是要进行精确计量，通过计量判定用户的状态。以何种指标作为判断的依据，一直以来都是大家讨论的问题。根据统计学基本原理，一个值如果能代表总体的有效性，则需要这个值有较好的信度和效度。要找到检验电力计量准确性的有效指标，关键就是要检验该类值的有效性 我们通常会使用电流和电压来表述电的状态，那么电流电压究竟能不能作为检验的标准？对此，利用计量自动化系统导出广州某区专用变压器用户数据做了信度和相关度分析 根据残差分析，以平均电流为要素，可以得出电流的分部接近于正态分布。在此基础上又对平均电流值进行度量可靠性分析，平均电流值得Alpha系数为0.93，大于0.7，因此可以判断，平均电流值是可以作为电力计量的一个检验性因素 在此基础上，我们又对电压做了两个相关性分析，发现电压值对于计量方式和接线方式的pearson相关性系数都在0.95以上，而双侧检验相关系只要在0.01以上几位显著相关，因此电压也是某些电力用户特征的反映指标 在验证了电流和电压的有效性的基础上，我们则对一些用户的用电状态进行了分析。由于此次只是初步的探索研究，因此我们只是以5A为条件来进行判断。（如果电流超过5A，即为超负荷运转。）在这里我们主要对电流进行了有关分析。该区整体用户的电流分布碎石图如下： 根据SPSS的线性回归分析我们得出了电流在不同类别中的分布图： 上图为该区各镇计量装置电流值分布频率，电流在此有着良好的分布状态。根据5A为标准的分布条件，我们可以得出1401甲镇、1405戊镇、1403丙镇超5A运行用户较多 因此，我们需要加大关注这三个地方计量设备和线损率，同时也需要分析超负荷运行的原因。据分析，这三个地方的工业较多。为验证工业用电与超负荷的关系，因此，接下来，我们又对用户类别和行业的进行了分析。如下图： 根据对用户类别的分析，我们依次对比（1）大宗工业、（2）商业、（3）住宅、（4）非工业、（5）非工业（学校）、（6）农业生产、（7）稻田排灌、（8）工地临时，几个用电类别下的电流关系，发现超负荷集中在大宗工业。住宅、学校和农业及稻田排灌负荷较轻 根据对行业号的分析，我们发现530000类别的超负荷现象较多。根据行业号对照表判断为制造业 由于在用户类别和行业分析中都集中表示大宗工业的超负荷现象较为常见，因此在此之后，我们又对变压器的装接容量进行了分析，如下： 根据图表所示，I类II类III类这三个计量装置类别中，根据电流值分布频率所示，超5A运行的用户集中在III类，即在315kVA―2000kVA类别的超负荷现象较为突出 电力的准确计量，除了用户的使用特征之外，还应该对表厂家和我们的接线方式进行分析。我们把15个表厂家也纳入了分析的范畴。分析电流值以查验各表厂家的表的有效性或相关特征。如下图： 由图可知，电流值与厂家不成相关，因此大部分厂家的表都没有超负荷运行，其中编号（1）兰吉尔的表超负荷运行的情况较为突出，而据现实情况反馈，该厂家的表是运行中表现却较为可靠。针对这一情况，我们调查了花都地区的电能表的品牌情况，发现兰吉尔的表占42.92%而且都在符合较大的线路上使用，因此兰吉尔大规模的超负荷运转的原因与数量和线路有关。综上，不同的厂家对电流值的影响没有显著相关性 除了分析用户和厂家之外，对于我们自身的工作方式也需要进行分析，我们对自己的接线方式和计量方式进行了分析。试图分析不同种类的接线方式和计量方式是否存在区别 根据上面两幅图所示，在接线方式方面，三相三线和三相四线两种