1  基本情況

    受信息化強力驅動，智能配電網發展速度逐漸加快，自動化、智能化和信息化水平不斷提高，對于檢測類、調度運行類、GIS類業務數據的應用有了大幅度提高。為進一步提高公司運營效率效益，多維度分析挖掘業務監測點，借助天氣、聯通人流等外部數據，依據業務拓撲關系對全網負荷、配網停電、配網負載、95598配網搶修工單等進行關聯分析，采用時間序列等大數據算法，找出全網負荷高峰時段、配網線路頻繁停電、配網臺區重過載等歷史規律，為決策分析提供了數據支撐，有針對性采取必要措施，促進配電網精益化管理水平，有效提高電網設備合理性投資。

2  主要做法

2.1  數據收集

    （1）天氣數據：從安監減災防災系統獲取2017年全年數據，內容包括時間、溫度、天氣狀況、濕度等。

    （2）人流數據：從聯通公司獲取2017年全年人流數據，內容包括時間、地區、人員數量、同比值、環比值等。

    （3）配網線路停電數據：從調控OMS系統獲取2017年全面數據，內容包括時間、線路名稱、停電時間、單位、投運時間等。

    （4）電網負荷數據：從調控OMS系統獲取2017年全年數據，內容包括時間、地區、最高負荷值等。

    （5）95598配網搶修工單數據：從營銷基礎數據平臺獲取2017年全年明細數據，內容包括工單編號、受理時間、 歸檔時間等。

2.2  數據治理

    優先考慮在數據接入側的數據質量治理，從源頭提升數據有效性，首先對接入的原始數據進行抽取、有效性篩選清洗、轉換和裝載。建立數據質量規則庫、特征庫，通過數據質量規則，對各類異常數據、空數據、重復數據等情況，采用預先設置好的數據質量規則進行在線清洗轉換，最大程度地提升數據質量，保障分析成果的可信度。

2.3  數據分析

    基于配網線路停電時間、線路停電地區、天氣溫度等數據，按日統計各地區2017年全年線路停電總數；按日將天氣溫度進行匯總，以5℃為單位進行區間劃分，分析溫度給配網線路停電造成的影響程度。

    基于全網負荷數據及聯通人流數據進行分析，按日統計各地區全網負荷最高值，與聯通人流每天數據增減情況進行對比，分析該地區人流變化情況對全網負荷值得影響程度。

    基于95598配網搶修工單受理時間及天氣溫度等數據，按日統計各地區配網搶修工單數，探索研究大數據算法，制定大數據計算規則，分析溫度與配網搶修工單在一定范圍內的關聯性，為開展配網搶修工作提供有效引導及支撐。

2.4  場景建設

    重用運用可視化設計器及其他技術手段直觀形象展示場景效果，明確系統框架設計及界面設計，全方位覆蓋省市兩級業務，滿足常態展現及監測需求。

3  成果形式

3.1  線路停電

    計算公式：

    結果分析：按溫度平均停電次數分析，同樣的溫度天數，溫度越高，引起的線路停電數量越多。

3.2  配網搶修

    計算公式：

    結果分析：溫度與搶修工單數在一定范圍內具有很強的相關性，溫度過高或過低都會導致工單數量增加,尤其是高溫導致工單的增長現象更為明顯。 

3.3  全網負荷

    計算公式：

    結果分析：某地區的人口流動增減幅度能夠給該地區的全網負荷值造成明顯的波動，尤其是節假日或者春節期間，城市返鄉人流變化大幅度增加，城市用電負荷明顯降低，鄉鎮用電負荷明顯增長。

4  典型案例

4.1  案例1：線路停電與溫度關聯分析結果輸出及展示

    選取2017年6月20日至8月20日期間的線路停電明細數據，如圖1所示，統計線路停電15 354次，其在該期間的天氣溫度基本在25℃以上，其中，30℃~35℃時停電線路數量最多，占比為56.7%，其次是25℃~30℃時，占比為21.3%。

4.2  案例2：搶修工單與天氣關聯分析結果輸出及展示

    選取2017年春節（2017年1月27日至2月2日）7天的明細數據，如圖2所示，統計配網搶修工單6 095條，與該時段天氣進行關聯，該時段維度主要在-5℃~10℃之間。

    通過大數據技術衍生出適合該類數據的大數據算法，發現溫度與搶修工單數在一定范圍內具有很強的相關性，溫度過高或過低都會導致工單數量增加,尤其是高溫導致工單的增長現象更為明顯。

4.3  案例3：全網負荷與聯通人流數據關聯分析結果輸出及展示

    選取2017年春節（2017年1月27日至2月2日）7天全網負荷的的明細數據，如表1所示，結合聯通數據在此期間的人流增加情況展開深入分析。通過人流數據及全網最高負荷增加情況，發現各地區的人口流動增減幅度能夠給該地區的全網負荷值造成明細的波動，尤其是節假日或者春節期間，城市返鄉人流變化大幅度增加，城市用電負荷明顯降低，鄉鎮用電負荷明顯增長。

    通過表1可以明顯發現，伴隨城市返鄉人流平均值增加，全網最高負荷均存在明顯增長，城市返鄉人流平均值減少，全網最高負荷均存在明顯降低。

5  結論

    經濟的快速發展使得社會發展和生活用電量在不斷增加，且伴隨著用電客戶對當前供電服務質量的要求也越來越高，迫切需要供電企業在滿足供電服務需求的同時，進一步加強電網設備運行穩定性。因此，傳統的電網運營及監測模式需要不斷結合實際需求進行改革創新，借助外部數據資源開展配電網業務監測及分析有助于提升配電網業務服務水平，通過關聯歷史數據，分析挖掘三集五大業務異動規律，預測研判未來走勢，有效發揮輔助決策作用，提升了公司科學決策能力和“集約化、精益化”管理水平，這樣才能更好地滿足新時期供電企業發展的需求。

參考文獻

[1] 邵峰晶.數據挖掘原理和算法[M]. 北京：中國水利水電出版社，2005.

[2] 趙志剛，張文杰，安宏宇，等 配網主動搶修關鍵技術研究與應用[J].科技創新與應用，2017（5）：177.

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

[4] 李曉東. 電力企業數據中心數據管控的研究與應用[J]. 電力信息化, 2012,10(8): 60-64.

作者信息:

劉遠龍1，張偉昌1，史雙雙2，于善海2，李  劍2，張文山3

（1. 國網山東省電力公司運監中心，山東 濟南 250001；

2. 山東魯能軟件技術有限公司，山東 濟南 250001；3. 國網德州供電公司運監中心，山東 德州253000）