CN109085454A - 一种基于大数据分析的计量串户智能甄别方法 - Google Patents

Abstract

本发明公开了一种基于大数据分析的计量串户智能甄别方法，其特征是：基于错接线投诉诱因和物理表征的梳理分析，建立各类错接线情况的判别、预警模型，并在此基础上对营销、用采数据进行分析，智能甄别疑似串户表计。本发明通过对大数据的分析，建立各类模型，为错接线问题的整治提供了有效的分析和预警手段，有利于进一步缩小现场核查范围，提高串户核查效率。

Description

一种基于大数据分析的计量串户智能甄别方法

技术领域

本发明属于电能计量领域，特别是一种计量串户的甄别方法，具体涉及一种基于大数据分析的计量串户智能甄别方法。

背景技术

表计轮换工作中，“表计串户”是最难发现且最容易引发用户投诉的计量接线错误。为有效提高计量服务水平，现有的管理措施一方面，针对性地制定了一系列施工作业和服务管控举措；另一方面，对串户小区和施工现场进行彻底排查，消除历史接错线投诉隐患。

然而大规模地开展地毯式排查存在一系列问题：由于表计串户具有偶发性和不确定性，排查需停电入户核对，存在扰民风险，加之小区入住率低、用户不在家等因素，一次核查不彻底，需要往返多次，花费较长的时间，耗费大量的人力，实际的串户核实率很低。

随着互联网行业的不断发展，大数据的应用正给整个社会带来巨大的变革。供电企业作为正在向能源互联网转型的传统企业，大数据的应用也将为传统电力行业的发展注入新的活力。因此如何利用大数据智能甄别疑似串户表计，解决现场串户核查目标广、工作难、过程烦、时间长、效率低等问题，将是重点研究的方向。

发明内容

本发明所要解决的技术问题是针对上述现有技术的不足，提出了一种基于大数据分析的计量串户智能甄别方法。

为实现上述技术目的，本发明采取的技术方案为：

一种基于大数据分析的计量串户智能甄别方法，包括以下步骤：

步骤一： 基于错接线投诉诱因和物理表征的梳理分析，从不同分析维度建立各类错接线情况的判别、预警模型；

步骤二： 各类错接线情况的判别、预警模型结合营销系统或用采系统大数据，针对用户类型，根据相应的匹配规则，智能筛选和甄别疑似串户表计。

为优化上述技术方案，采取的具体措施还包括：

上述的错接线投诉诱因为电量突增/减、单户拉合闸控制两户及以上用电负荷或未用电产生电费/欠费停电。

上述的物理表征为相线串接、零线串接或共用零线，分析维度为电量、电流或电费，判别、预警模型为电量分析模型、电流分析模型或电费分析模型。

上述的大数据为电量、电流或电费。

上述的用户类型为计量装置装拆用户、能够透抄相、零线电流的单相电能表用户或新建居住区用户。

上述的电量维度的分析思路及电量分析模型为：

分析思路：通过分析串户用户电量特性发现，一般用户在一定时段内的用电特性变化不大，但若因轮换、改造等计量施工造成表计线路接错，则在电能表装拆前后错接用户的实际用电特性发生较大差异，表现为发生串户的用户会产生明显的电量对调现象，因此，可通过用采系统比对分析计量施工前后用户电量的变化情况来进行表计串户甄别。

模型建立：针对计量装置装拆用户，用采系统每日同步营销装拆记录，计算装拆时间前后一定时段内的平均电量，筛选出平均电量偏差超过设定阈值的电表作为分析对象，实现电量突变单户表计的在线监测，同时也可对同一终端、同一表箱、同一接线方式的电表进行两两匹配，以筛选满足串户判断逻辑的匹配对象，从而智能识别疑似串户表计。

上述的电流维度分析思路及电流分析模型为：

分析思路：正常接线情况下，电流通过相线流入电能表的计量单元，流经负载后，经零线返回电能表，形式闭合回路，此时流经电能表的相线、零线电流为同一电流，幅值大小基本相等。若发生单根相线或零线接错而引发串户，则同一只电能表的相线与零线电流可能并不相等，而相“串”两只电能表的相线电流与零线电流是对应相等。

智能电能表具备电流测量功能，用采系统能够实时获取电流运行参数，因此，可通过电流比对分析来进行表计串户甄别。

模型建立：针对能够透抄相、零线电流的单相电能表用户，用采系统定期透抄表计相线和零线电流，筛选相、零线电流差值超过设定阈值的电表作为疑似问题对象，实现电流异常单户表计的在线监测。同时也可对同一终端下的电表的同一时刻相、零线电流进行两两匹配，以筛选满足串户判断逻辑的匹配对象，从而智能识别疑似串户表计。

上述的电费分析模型为：

新建居住区表计串户可能会造成不用电用户有电费产生，而实际用电用户不产生电费的现象，而一般情况下，不用电用户往往没有缴纳电费的意识，进而造成欠费。因此，可筛选当前为欠费状态且之前无缴费记录的用户信息，并列为疑似串户用户。

本发明具有以下有益效果：

基于大数据的分析，建立各类错接线情况的判别、预警模型，并在此基础上对营销、用采数据进行分析，为错接线问题的整治提供了有效的分析和预警手段，有利于进一步缩小现场核查范围，提高了计量串户甄别效率和准确率。

附图说明

图1为本发明的整体流程图；

图2为本发明的电量数据分析流程图；

图3为本发明的电流数据分析流程图。

具体实施方式

以下结合附图对本发明的实施例作进一步详细描述。

本发明的一种基于大数据分析的计量串户智能甄别方法，包括以下步骤：

步骤一： 基于错接线投诉诱因和物理表征的梳理分析，从不同分析维度建立各类错接线情况的判别、预警模型；

步骤二： 各类错接线情况的判别、预警模型结合营销系统或用采系统大数据，针对用户类型，根据相应的匹配规则，智能筛选和甄别疑似串户表计。

实施例中错接线投诉诱因为电量突增/减、单户拉合闸控制两户及以上用电负荷或未用电产生电费/欠费停电。

实施例中物理表征为相线串接、零线串接或共用零线，分析维度为电量、电流或电费，判别、预警模型为电量分析模型、电流分析模型或电费分析模型。

实施例中大数据为电量、电流或电费。

实施例中用户类型为计量装置装拆用户、能够透抄相、零线电流的单相电能表用户或新建居住区用户。

实施例中电量分析模型为：

针对计量装置装拆用户，用采系统每日同步营销装拆记录，计算装拆时间前后一定时段内的平均电量，筛选出平均电量偏差超过设定阈值的电表作为分析对象，实现电量突变单户表计的在线监测。同时也可对同一终端、同一表箱、同一接线方式的电表进行两两匹配，以筛选满足串户判断逻辑的匹配对象，从而智能识别疑似串户表计。电量数据的分析流程如图2。其中具体的匹配规则如下：

（1）电表自身换表前后七日平均电量偏差大于阀值，阀值默认为10kWh（可调整）。

（2）同一终端、同一表箱、同一天换表的两块表换表前后日均用电量差值之和的绝对值在阀值之内，阀值默认为5kWh（可调整）。

（3）根据用户用电习惯，用户换表前后用电量相差一般不能超过换表前电量的50%。假设用户A、B串户，则用户A换表前日均电量与用户B换表后日均电量之差的绝对值小于用户A换表前日均电量的50%，且用户B换表前日均电量与用户A换表后日均电量之差的绝对值小于用户B换表前日均电量的50%。

实施例中电流分析模型为：

针对能够透抄相、零线电流的单相电能表用户，用采系统定期透抄表计相线和零线电流，筛选相、零线电流差值超过设定阈值的电表作为疑似问题对象，实现电流异常单户表计的在线监测。同时也可对同一终端下的电表的同一时刻相、零线电流进行两两匹配，以筛选满足串户判断逻辑的匹配对象，从而智能识别疑似串户表计。电流数据的分析流程如图3,其中具体的匹配规则如下：

（1）在同一时刻，透抄同一采集终端下所有单相智能表的相线和零线电流；

（2）进行同一表计下相、零线电流的差异计算分析，重点关注电流差值较大的用户（电流差值可暂定为0.5A；

（3）对上述分析产生的异常用户所在终端下的表计开展电流比对，判断两表计相、零线电流是否满足：I1相≈I2零，I2相≈I1零。

实施例中电费分析模型为：

新建居住区表计串户可能会造成不用电用户有电费产生，实际用电用户不产生电费的现象，而一般情况下，不用电用户往往没有缴纳电费的意识，进而造成欠费。因此，可筛选当前为欠费状态且之前无缴费记录的用户信息，并列为疑似串户用户。

用户的实际用电量与入住情况高度相关，除了利用用采数据，也可结合家庭入住情况等外部数据，拓展分析模型，发现潜在的错接线投诉风险；随着“多表合一”采集工作的推广，水、气表的采集数据可以侧面反映用户的居住生活信息，通过比对分析水、电、气量的差异性，也可进一步拓展分析模型，验证用户是否存在表计错接线隐患。

以上所述的仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (8)

1.一种基于大数据分析的计量串户智能甄别方法，其特征是：包括以下步骤：

步骤一： 基于错接线投诉诱因和物理表征的梳理分析，从不同分析维度建立各类错接线情况的判别、预警模型；

步骤二： 各类错接线情况的判别、预警模型结合营销系统或用采系统大数据，针对用户

类型，根据相应的匹配规则，智能筛选和甄别疑似串户表计。

2.根据权利要求1所述的一种基于大数据分析的计量串户智能甄别方法，其特征是：步骤一所述的错接线投诉诱因为电量突增/减、单户拉合闸控制两户及以上用电负荷或未用电产生电费/欠费停电。

3.根据权利要求1所述的一种基于大数据分析的计量串户智能甄别方法，其特征是：步骤一所述的物理表征为相线串接、零线串接或共用零线，所述的分析维度为电量、电流或电费，所述的判别、预警模型为电量分析模型、电流分析模型或电费分析模型。

4.根据权利要求1所述的一种基于大数据分析的计量串户智能甄别方法，其特征是：步骤二所述的大数据为电量、电流或电费。

5.根据权利要求1所述的一种基于大数据分析的计量串户智能甄别方法，其特征是：步骤二所述的用户类型为计量装置装拆用户、能够透抄相、零线电流的单相电能表用户或新建居住区用户。

6.根据权利要求3所述的一种基于大数据分析的计量串户智能甄别方法，其特征是：所述的电量分析模型为：

针对计量装置装拆用户，用采系统每日同步营销装拆记录，计算装拆时间前后一定时段内的平均电量，筛选出平均电量偏差超过设定阈值的电表作为分析对象，实现电量突变单户表计的在线监测，或者对同一终端、同一表箱、同一接线方式的电表进行两两匹配，以筛选满足串户判断逻辑的匹配对象，从而智能识别疑似串户表计。

7.根据权利要求3所述的一种基于大数据分析的计量串户智能甄别方法，其特征是：所述的电流分析模型为:

针对能够透抄相、零线电流的单相电能表用户，用采系统定期透抄表计相线和零线电流，筛选相、零线电流差值超过设定阈值的电表作为疑似问题对象，实现电流异常单户表计的在线监测，或者对同一终端下的电表的同一时刻相、零线电流进行两两匹配，以筛选满足串户判断逻辑的匹配对象，从而智能识别疑似串户表计。

8.根据权利要求3所述的一种基于大数据分析的计量串户智能甄别方法，其特征是：所述的电费分析模型为：

针对新建居住区用户，筛选当前为欠费状态且之前无缴费记录的用户信息，从而智能识别疑似串户表计。