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。

对于现今高隐蔽性、高技术含量的窃电手法，在发现问题之后，仅靠常规的用电检查手段难以查处，因此现场侦查、数据分析、方案制定、组织实施、查处落实这几个环节都必不可少。真正确定用户存在窃电行为，需要在现场捕获相关证据，贸然出击难以直切要害，同时还让偷电用户提高警惕，因此一定要通过现场侦查和后台数据分析相结合，找出用户的窃电规律，发现现场薄弱环节，提前部署，制定行动方案，才能确保现场用电检查行动的有效。当然，问题改进并不是我们的最终目的，而是借助问题的暴露和分析，结合管理方法的改进以及流程的完善，最终实现事前预防、事中控制、事后处理的工作模式。

2.5 质量控制

质量控制就是借助六西格玛方法对改进的结果进行有效控制。在经过了界定、测量、分析、改进过程之后，线损率将重新回落到质量控制线之内，这也就意味着这一个循环的结束，对线损率的状态检测将继续进入到下一个循环。在这个过程中，我们也可以借助于制定控制计划、过程能力分析、控制偏差、持续跟进等方式对线损率的波动进行有效控制。

3 基于DMAIC改进方法的线损分析案例

深圳罗湖供电局10kV馈线F45南塘线日线损率曲线图如图1所示：

图1 馈线日线损率散点图

该馈线的日线损率符合正态分布，如图2所示：

图2 馈线日线损率正态分布图

根据该馈线线损率符合正态分布的特性，我们首先绘制出该馈线的质量控制图，并对该条馈线的线损率变化进行状态检测。从2013年7月16日开始，该馈线线损率向同一个方向持续偏离，至2013年7月19日，偏离超过3次，将该波动定义为必然因素。如图3所示：

图3 馈线日线损率质量控制图（1）

经过收集该馈线上各用户的电量数据，对7月12日（线损率合格）和7月19日（线损率不合格）的用户电量数据进行了精确比对发现，其中两台变压器的配变终端由于信号模块故障，数据无法上传，导致线损突增。分析出原因后，一方面安排相关人员现场解决问题，另一方面通过数据拟算对质量控制线进行了修正。

图4 馈线日线损率质量控制图（2）

随后对该条馈线的线损率状态检测中出现的偶然超出控制上限的异常点，我们将其界定为线损波动的偶然因素，并继续进行观望。从8月21日开始，该馈线线损率又连续3次超出了控制上限，将其界定为必然因素，进行相关数据的收集及分析。

通过对该线路下所有用户线损波动前后的日用电量精确比对，发现某用户变压器的日用电量变户率超过了50%，因此将异常的原因初步锁定为该用户。通过进一步比对该用户8月17日至8月31日期间的日用电量曲线及馈线线损电量、线损率曲线可以看出，该用户的日用电量变化与其所在馈线的日线损电量/线损率呈明显的负相关关系，因此我们有充分的理由相信该用户就是引起线损率波动的根本原因。如图5所示：

图5 日损耗电量、线损率及用电量比对图

随后通过紧密的部署，对现场开展了用电检查，发现了该用户的窃电行为，证据确凿，无所遁形。在现场查处并恢复正常用电后，馈线线损率迅速回落到质量控制范围内，如图6所示。借助DMAIC线损管理模型、数据分析方法及质量控制原理，迅速发现问题、分析问题并解决问题，该用户从开始窃电到被发现并制止，历时仅6天，成为防治窃电工作的巨大突破。

图6 馈线日线损率质量控制图（3）

4 结语

数据分析手段及精益管理方法将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，将会为我们的电力营销管理工作迎来革命性的转变。

作者简介：彭翎（1983-），女，湖北人，供职于深圳供电局有限公司，硕士，研究方向：电费管理、抄核收管理、营销分析。

（责任编辑：秦逊玉）