受信息化強(qiáng)力驅(qū)動(dòng)，智能配電網(wǎng)發(fā)展速度逐漸加快，自動(dòng)化、智能化和信息化水平不斷提高，對于檢測類、調(diào)度運(yùn)行類、GIS類業(yè)務(wù)數(shù)據(jù)的應(yīng)用有了大幅度提高。為進(jìn)一步提高公司運(yùn)營效率效益，多維度分析挖掘業(yè)務(wù)監(jiān)測點(diǎn)，借助天氣、聯(lián)通人流等外部數(shù)據(jù)，依據(jù)業(yè)務(wù)拓?fù)?/a>關(guān)系對全網(wǎng)負(fù)荷、配網(wǎng)停電、配網(wǎng)負(fù)載、95598配網(wǎng)搶修工單等進(jìn)行關(guān)聯(lián)分析，采用時(shí)間序列等大數(shù)據(jù)算法，找出全網(wǎng)負(fù)荷高峰時(shí)段、配網(wǎng)線路頻繁停電、配網(wǎng)臺(tái)區(qū)重過載等歷史規(guī)律，為決策分析提供了數(shù)據(jù)支撐，有針對性采取必要措施，促進(jìn)配電網(wǎng)精益化管理水平，有效提高電網(wǎng)設(shè)備合理性投資。

2  主要做法

2.1  數(shù)據(jù)收集

    （1）天氣數(shù)據(jù)：從安監(jiān)減災(zāi)防災(zāi)系統(tǒng)獲取2017年全年數(shù)據(jù)，內(nèi)容包括時(shí)間、溫度、天氣狀況、濕度等。

    （2）人流數(shù)據(jù)：從聯(lián)通公司獲取2017年全年人流數(shù)據(jù)，內(nèi)容包括時(shí)間、地區(qū)、人員數(shù)量、同比值、環(huán)比值等。

    （3）配網(wǎng)線路停電數(shù)據(jù)：從調(diào)控OMS系統(tǒng)獲取2017年全面數(shù)據(jù)，內(nèi)容包括時(shí)間、線路名稱、停電時(shí)間、單位、投運(yùn)時(shí)間等。

    （4）電網(wǎng)負(fù)荷數(shù)據(jù)：從調(diào)控OMS系統(tǒng)獲取2017年全年數(shù)據(jù)，內(nèi)容包括時(shí)間、地區(qū)、最高負(fù)荷值等。

    （5）95598配網(wǎng)搶修工單數(shù)據(jù)：從營銷基礎(chǔ)數(shù)據(jù)平臺(tái)獲取2017年全年明細(xì)數(shù)據(jù)，內(nèi)容包括工單編號(hào)、受理時(shí)間、 歸檔時(shí)間等。

2.2  數(shù)據(jù)治理

    優(yōu)先考慮在數(shù)據(jù)接入側(cè)的數(shù)據(jù)質(zhì)量治理，從源頭提升數(shù)據(jù)有效性，首先對接入的原始數(shù)據(jù)進(jìn)行抽取、有效性篩選清洗、轉(zhuǎn)換和裝載。建立數(shù)據(jù)質(zhì)量規(guī)則庫、特征庫，通過數(shù)據(jù)質(zhì)量規(guī)則，對各類異常數(shù)據(jù)、空數(shù)據(jù)、重復(fù)數(shù)據(jù)等情況，采用預(yù)先設(shè)置好的數(shù)據(jù)質(zhì)量規(guī)則進(jìn)行在線清洗轉(zhuǎn)換，最大程度地提升數(shù)據(jù)質(zhì)量，保障分析成果的可信度。

2.3  數(shù)據(jù)分析

    基于配網(wǎng)線路停電時(shí)間、線路停電地區(qū)、天氣溫度等數(shù)據(jù)，按日統(tǒng)計(jì)各地區(qū)2017年全年線路停電總數(shù)；按日將天氣溫度進(jìn)行匯總，以5℃為單位進(jìn)行區(qū)間劃分，分析溫度給配網(wǎng)線路停電造成的影響程度。

    基于全網(wǎng)負(fù)荷數(shù)據(jù)及聯(lián)通人流數(shù)據(jù)進(jìn)行分析，按日統(tǒng)計(jì)各地區(qū)全網(wǎng)負(fù)荷最高值，與聯(lián)通人流每天數(shù)據(jù)增減情況進(jìn)行對比，分析該地區(qū)人流變化情況對全網(wǎng)負(fù)荷值得影響程度。

    基于95598配網(wǎng)搶修工單受理時(shí)間及天氣溫度等數(shù)據(jù)，按日統(tǒng)計(jì)各地區(qū)配網(wǎng)搶修工單數(shù)，探索研究大數(shù)據(jù)算法，制定大數(shù)據(jù)計(jì)算規(guī)則，分析溫度與配網(wǎng)搶修工單在一定范圍內(nèi)的關(guān)聯(lián)性，為開展配網(wǎng)搶修工作提供有效引導(dǎo)及支撐。

2.4  場景建設(shè)

    重用運(yùn)用可視化設(shè)計(jì)器及其他技術(shù)手段直觀形象展示場景效果，明確系統(tǒng)框架設(shè)計(jì)及界面設(shè)計(jì)，全方位覆蓋省市兩級(jí)業(yè)務(wù)，滿足常態(tài)展現(xiàn)及監(jiān)測需求。

3  成果形式

3.1  線路停電

    計(jì)算公式：

    結(jié)果分析：按溫度平均停電次數(shù)分析，同樣的溫度天數(shù)，溫度越高，引起的線路停電數(shù)量越多。

3.2  配網(wǎng)搶修

    計(jì)算公式：

    結(jié)果分析：溫度與搶修工單數(shù)在一定范圍內(nèi)具有很強(qiáng)的相關(guān)性，溫度過高或過低都會(huì)導(dǎo)致工單數(shù)量增加,尤其是高溫導(dǎo)致工單的增長現(xiàn)象更為明顯。 

3.3  全網(wǎng)負(fù)荷

    計(jì)算公式：

    結(jié)果分析：某地區(qū)的人口流動(dòng)增減幅度能夠給該地區(qū)的全網(wǎng)負(fù)荷值造成明顯的波動(dòng)，尤其是節(jié)假日或者春節(jié)期間，城市返鄉(xiāng)人流變化大幅度增加，城市用電負(fù)荷明顯降低，鄉(xiāng)鎮(zhèn)用電負(fù)荷明顯增長。

4  典型案例

4.1  案例1：線路停電與溫度關(guān)聯(lián)分析結(jié)果輸出及展示

    選取2017年6月20日至8月20日期間的線路停電明細(xì)數(shù)據(jù)，如圖1所示，統(tǒng)計(jì)線路停電15 354次，其在該期間的天氣溫度基本在25℃以上，其中，30℃~35℃時(shí)停電線路數(shù)量最多，占比為56.7%，其次是25℃~30℃時(shí)，占比為21.3%。

4.2  案例2：搶修工單與天氣關(guān)聯(lián)分析結(jié)果輸出及展示

    選取2017年春節(jié)（2017年1月27日至2月2日）7天的明細(xì)數(shù)據(jù)，如圖2所示，統(tǒng)計(jì)配網(wǎng)搶修工單6 095條，與該時(shí)段天氣進(jìn)行關(guān)聯(lián)，該時(shí)段維度主要在-5℃~10℃之間。

    通過大數(shù)據(jù)技術(shù)衍生出適合該類數(shù)據(jù)的大數(shù)據(jù)算法，發(fā)現(xiàn)溫度與搶修工單數(shù)在一定范圍內(nèi)具有很強(qiáng)的相關(guān)性，溫度過高或過低都會(huì)導(dǎo)致工單數(shù)量增加,尤其是高溫導(dǎo)致工單的增長現(xiàn)象更為明顯。

4.3  案例3：全網(wǎng)負(fù)荷與聯(lián)通人流數(shù)據(jù)關(guān)聯(lián)分析結(jié)果輸出及展示

    選取2017年春節(jié)（2017年1月27日至2月2日）7天全網(wǎng)負(fù)荷的的明細(xì)數(shù)據(jù)，如表1所示，結(jié)合聯(lián)通數(shù)據(jù)在此期間的人流增加情況展開深入分析。通過人流數(shù)據(jù)及全網(wǎng)最高負(fù)荷增加情況，發(fā)現(xiàn)各地區(qū)的人口流動(dòng)增減幅度能夠給該地區(qū)的全網(wǎng)負(fù)荷值造成明細(xì)的波動(dòng)，尤其是節(jié)假日或者春節(jié)期間，城市返鄉(xiāng)人流變化大幅度增加，城市用電負(fù)荷明顯降低，鄉(xiāng)鎮(zhèn)用電負(fù)荷明顯增長。

    通過表1可以明顯發(fā)現(xiàn)，伴隨城市返鄉(xiāng)人流平均值增加，全網(wǎng)最高負(fù)荷均存在明顯增長，城市返鄉(xiāng)人流平均值減少，全網(wǎng)最高負(fù)荷均存在明顯降低。

5  結(jié)論

    經(jīng)濟(jì)的快速發(fā)展使得社會(huì)發(fā)展和生活用電量在不斷增加，且伴隨著用電客戶對當(dāng)前供電服務(wù)質(zhì)量的要求也越來越高，迫切需要供電企業(yè)在滿足供電服務(wù)需求的同時(shí)，進(jìn)一步加強(qiáng)電網(wǎng)設(shè)備運(yùn)行穩(wěn)定性。因此，傳統(tǒng)的電網(wǎng)運(yùn)營及監(jiān)測模式需要不斷結(jié)合實(shí)際需求進(jìn)行改革創(chuàng)新，借助外部數(shù)據(jù)資源開展配電網(wǎng)業(yè)務(wù)監(jiān)測及分析有助于提升配電網(wǎng)業(yè)務(wù)服務(wù)水平，通過關(guān)聯(lián)歷史數(shù)據(jù)，分析挖掘三集五大業(yè)務(wù)異動(dòng)規(guī)律，預(yù)測研判未來走勢，有效發(fā)揮輔助決策作用，提升了公司科學(xué)決策能力和“集約化、精益化”管理水平，這樣才能更好地滿足新時(shí)期供電企業(yè)發(fā)展的需求。

參考文獻(xiàn)

[1] 邵峰晶.數(shù)據(jù)挖掘原理和算法[M]. 北京：中國水利水電出版社，2005.

[2] 趙志剛，張文杰，安宏宇，等 配網(wǎng)主動(dòng)搶修關(guān)鍵技術(shù)研究與應(yīng)用[J].科技創(chuàng)新與應(yīng)用，2017（5）：177.

[3] （美）ANDERSON P M. 電力系統(tǒng)故障分析[M]. 王際強(qiáng), 等，譯. 北京: 電力工業(yè)出版社, 1980.

[4] 李曉東. 電力企業(yè)數(shù)據(jù)中心數(shù)據(jù)管控的研究與應(yīng)用[J]. 電力信息化, 2012,10(8): 60-64.

作者信息:

劉遠(yuǎn)龍1，張偉昌1，史雙雙2，于善海2，李  劍2，張文山3

（1. 國網(wǎng)山東省電力公司運(yùn)監(jiān)中心，山東 濟(jì)南 250001；

2. 山東魯能軟件技術(shù)有限公司，山東 濟(jì)南 250001；3. 國網(wǎng)德州供電公司運(yùn)監(jiān)中心，山東 德州253000）