随着电力应用水平的发展和进步，人类的生活越来越离不开电力，电能已经成为现代经济中最不可或缺的能源之一，电能的稳定供应直接影响到社会正常的生产活动。在传统的入侵式监测系统中，系统会通过对每一个用电设备加装相应的监测硬件来进行负荷监测，这些监测硬件能够实时将电力负荷数据传输到中央集成数据处理设备中，但是这种需要加装硬件才能实现的负荷监测方式会提高电力监测的成本。而且传统的监测设备只负责采集数据，不具备主动发现用电异常情况的功能。非入侵负荷监测与传统的入侵式负荷监测最大的不同之处就是能够在用电设备中不加装硬件的情况下对用电设备进行实时的负荷监控，在保证监测准确性的前提下，尽量降低成本。而且，采集终端在一开始就具有一定的异常波形分析能力，它将可能的异常波形数据提取出来传输到云端，然后在云端使用前沿的机器学习方法识别它是否为异常数据，然后将异常特征返回给终端的用电特征指纹库，强化采集终端识别异常的能力，做到对用电异常的实时检测。
如果把整个电网看成人体的主干神经，那么涉及每一户用电客户的用电信息采集，就是人体的末梢神经，这是人体感知最敏感的地方。从这个角度来说，用户用电计量数据，关系到整个电网的精益化管理。
图3 用户用电行为感知
3、台区设备实时监测以及故障精准定位
能源控制器通过载波的方式与分支数据监测终端通信，分支数据监测终端可通过通讯接口与温湿度传感器、温度探头、其他扩展设备等通信获取设备数据；也可通过环境采集终端采集烟感、水浸、门磁开关等状态量。做到用电环境安全检测，预防火灾水患等事件发生。
4、实现线损精益管理分析
支持分相线损计算模型，完成台区分相线损计算分析。线损深度分析具备日线损、小时线损、分相线损的实时统计和比对分析能力，支持表计火线、零线电流差异对比，分析线损异常并报警。
能源控制器通过与各级分支数据监测设备（LTU）进行通信，获取各级的电压、电流、功率、电量等相关信息，根据主站系统内的线路档案，计算整个台区内各段线路的线损情况，实现对线损的精益化管理。同时，基于低压全电气量数据采集和分段线损分析功能，可综合判断各段线路的用电异常情况，为低压线路防窃电提供有效的判断依据，找出疑似窃电的线路。
5、台区物联感知及运行监测
支持台区物联感知及运行监测。台区设备可实时监测，分别在台区内变压器侧、表箱侧安装模组化终端、分支数据监测终端等多种设备，对台区下各级设备运行状态进行实时监测，实现台区的物联管理和智能感知。台区配变负载情况监测，用采系统部署配变负载分析及异常监测模块，实现配变重载、过载、轻载、空载等多种运行状态的分析与监测。支持台区可开放容量利用，开展台区中长期可开放容量预测，深度挖掘台区真实可利用容量，指导业扩报装接入智能化适配。
模组化终端直接从智能开关中获取相应线路的电压、电流、功率等各类电气量信息即可。能够实时判断断路器的实时状态。同时，模组化终端可根据监测到的断路器异常数据，生成相应的故障事件并上报给主站进行报警。
成果转换和推广应用场景
本项目的研究和开展将促进供电用户的精细化管理，推动用户群的异常智能诊断，提高用户的用电可靠性。随着本项目的广泛推广应用，为电力物联网建设提供更准确的技术及数据支持。电网末端节点边缘计算，结合云端的智能分析系统，必将极大地改善新型配电网的可靠性诊断水平，提升主动配电网的运行安全性，具有广阔的经济和市场应用前景。
项目能够带来较好的经济效益。高频采样的用电数据提取及分析系统能够更加准确地提升电网供电可靠性，同时能够更加准确地发现用电异常，及时预警和反馈，能够进行精细化线损分析和用户漏窃电检查，有助于提高用电服务的综合水平，实现更有效的运维，节约运维成本。
项目同时还具备潜在拓展价值。随着人工智能技术的不断发展，将人工智能技术编码进芯片之中以提高芯片的数据处理能力，使电网设备的运行更智能化已成为当前的研究热点。本项目在实际运用之中能够积累大量的准确的电网设备运行在线监测数据，提升了电网供电可靠性；同时能针对用户用电做到精细化，更好的提升用电服务。为今后研究电力智能故障监测提供了样本数据支撑，非常适合作为新一代能源互联网企业标杆的典型应用。
作者：国网上海市南供电公司 吴强/赵顺麟
