城镇燃气用户异常数据分析方法
王 勋，乔 佳，陈婷婷，王倩微，丁 斌
(北京市燃气集团研究院，北京 100011)
城镇燃气商业用户存在一些用气异常的用户，原因可能是装修、停业、更换设备、改变经营类型、偷盗气等，这些异常用户存在管理困难和安全风险。需加强对商业用户的重点监察，除进行日常运营巡检外也可以利用数据分析的手段进行诊断和识别，有效缩小排查范围。异常的用气行为必然产生异常的用气数据，用户用气数据的分析是监控用户用气行为的重要方式。
城镇燃气用气数据的诊断分析方法主要有对比法、绘图法、指标法、分类法、聚类法。本文对这些方法进行分析总结。
2.1 对比法
该法主要是以用户的历史数据特征作为基准，分析出用户的用气规律及指标特征。搜集用户历史用气数据，以7 d为更新周期，计算定长时间如30 d的时、日、月不均匀系数、日均用气量及最大最小用气量等。以日均用气量为例，将最近30 d日用气量均值与上1周期(7 d前)30 d日用气量均值对比，设定两者偏差范围为±10%，以此判断用户变化是否正常。偏差范围可依据用户数量及巡查工作量设定。
2.2 绘图法
该法以用户历史用气数据的时间序列为基础，采用算法建模拟合用户用气数据变化规律，算法应具备一定的稳定性和准确度，并计算算法的相对误差δ0作为评判基准。监控时，采用绘图法绘制出预测值、实际值曲线，采用算法预测用户用气量得到预测值，设定预测值相对误差限值，当预测值相对误差绝对值高于该限值，则认为算法预测失效。对一定时间内算法预测失效发生的次数进行累计，设为m，设定算法预测失效发生次数最大允许值为m0，若m大于m0则认为用户用气异常。数据拟合的方法有回归、时间序列、神经网络、小波分析、机器学习，可采用组合算法或集成算法提高准确率。
2.3 指标法
对用户的某项指标进行统计，然后根据指标范围设定最小值及最大值，超出该范围的用户属于需重点监控用户。以城镇燃气供暖用户为例，供暖用户的用气指标通常采用供暖期单位面积用气量。先通过抽样的方法选定样本用户，搜集用户的供暖面积和供暖期用气量，得到每个样本用户供暖期单位面积用气量，后通过箱形图[1]或拉依达准则(3σ准则)[2]进行判断。
在箱形图中，记Q1为1/4分位数，Q3为3/4分位数，IQR表示Q3-Q1，将小于Q1-1.5IQR或大于Q3+1.5IQR的数据作为离群点，该用户即异常用气用户。
拉依达准则是在假定数据服从正态分布的前提下，用户用气指标一般情况满足或者近似满足这一要求。数据标准差用σ表示，数据均值用μ表示。正态分布的特点是65%的数据分布在(μ-σ，μ+σ)内，95%的数据分布在(μ-2σ，μ+2σ)内，99%的数据分布在(μ-3σ，μ+3σ)内[3]，以此作为判断依据，数据超大或者超小都属于异常用气。
2.4 分类法
该法通过搜集异常用户用气数据，建立1个包含异常用户用气数据和正常用户用气数据的样本库。该法的特点是有监督判别，已知样本库中异常用户用气数据、正常用户用气数据、判定结果，将待判定用户用气数据与样本库中的数据进行对比，分析数据的相似度，若与正常用户用气数据相似则该用户正常，与异常用户用气数据相似则判定为异常。分析相似度的方法有逻辑回归、BP神经网络、决策树、支持向量机(SVM)等[4-6]。
2.5 聚类法
该法主要原理是同类型用户具有相同的用气特征，将同类型用户作为一组，组中用户数量记为m。依据用户用气数据及相关信息(如面积、设备功率、座位数、床位数、房间数、人数等)，计算出特征指标(如单位面积用气量、单位功率用气量等)。通过数学方法提取出该组用户更多共同特征(如时序数据和平均温度的相关系数、时序数据的最大波动系数、标准差、峰度、各阶自相关系数的聚合统计特征、近似熵、复杂度、傅里叶变换的质心、傅里叶变换的方差等)，同样计算出特征指标。特征指标数量记为n。同组每个用户都得到1个n维特征向量，记为Vj=(f1，f2，…，fi，…，fn)，其中Vj(j=1，2，…，m)表示第j个用户的特征向量，fi(i=1，2，…，n)为特征指标。以同组每个用户的特征向量为参数，采用聚类算法如Mean-shift、层次聚类、Birch等，聚类结果将同组中的大部分用户聚集成一簇或多簇，并有少量离群点，则离群点判断为异常用户。
对比法和绘图法，数据要求比较简单，若单个用户从某个时段开始，数据出现异常变化，对比法很容易发现，但对于存在长期偷盗气行为无法判别。
指标法判断逻辑严密，但需要核查用户的基础信息和经营信息，这些信息变化快、难以获得或不准确，可能会产生误判。
分类法需要建立包含异常用户用气数据的样本库，异常用气用户特点多，需要的样本数量较大，使建模难度增大。
聚类法对数据质量和粒度要求较高，对用户的基础信息要求较少，利于模型建立和应用，用户类别划分越细精度越高。
以上方法在实际运用过程中各有优势，可根据数据和用户信息条件，采用不同算法进行综合判断。
近年来，在实现数字化管理方面，广州燃气、深圳燃气、合肥燃气、郑州燃气等都已实现大量商业用户和居民用户的数据采集，并在此基础上开发了数据驾驶舱或平台。各类流量计、调压器、温度计、报警器、收费系统、用户服务系统、监控系统等产生了大量的数据，亟需对数据进行有效管理和利用。数据质量是数据分析的基础，决定了数据整体价值，本文认为需从采集源头进行管理，数据采集管理和应用流程分为3步。
① 核实数据有效性
当数据录入系统时，不论人工录入还是远程采集录入，数据管理系统应首先判断数据的合理性和有效性。这一过程可以利用指标法，当出现不合理数据时，应有管理机制核实数据，保证录入系统数据的有效性。同时，也能在核实过程发现采集设备、燃气设备、用户等存在的问题或隐患，及时解决。
② 分析单个用户数据
在保证用户数据有效性的情况下，可以对用户数据进行分析。应用对比法、绘图法可以对单个用户的用气行为进行分析。
③ 分析同类用户
对同类用户进行分析，通过提取高阶指标，采用分类法、聚类法或其他算法建模，对同类用户指标进行建模，缩小异常用户范围，进行重点监督和分析。
通过有效的数据，既可以结合用户信息得到高阶指标(高阶指标可用于燃气企业的规划、设计及预测调度等方面)，也可以与水、电、天气、经济、交通、财务或其他外部数据进行关联分析，反映企业发展的相关关系，挖掘企业发展方向，预测变化趋势，为企业决策提供依据，也可应用于智慧城市的建设。
猜你喜欢 气量燃气聚类 对一起燃气泄漏爆炸引发火灾的调查水上消防(2022年2期)2022-07-22教材《燃气工程施工》于2022年1月出版煤气与热力(2022年4期)2022-05-23近期实施的燃气国家标准煤气与热力(2022年4期)2022-05-23探讨燃气工程的造价控制及跟踪审计大众投资指南(2021年23期)2021-12-06页岩超临界态吸附气量计算模型西南石油大学学报(自然科学版)(2019年5期)2019-12-20气量可以学习吗意林·全彩Color(2019年8期)2019-11-13基于K-means聚类的车-地无线通信场强研究铁道通信信号(2019年6期)2019-10-08大港油田稳步提高产气量 提前4个月完成全年指标录井工程(2017年3期)2018-01-22气量三层次领导文萃(2017年10期)2017-06-05基于高斯混合聚类的阵列干涉SAR三维成像雷达学报(2017年6期)2017-03-26