基于數(shù)據(jù)挖掘技術(shù)的臺(tái)區(qū)線損智能診斷探討

馬美娟 馬朝星

摘要：本文圍繞臺(tái)區(qū)線損異常治理效率低、降損成效弱、異常監(jiān)測(cè)難等問題，依托營(yíng)銷SG186系統(tǒng)、用電信息采集系統(tǒng)等海量數(shù)據(jù)，運(yùn)用聚類算法和關(guān)聯(lián)分析法，進(jìn)行靜態(tài)與動(dòng)態(tài)數(shù)據(jù)的集成整合與優(yōu)化，實(shí)現(xiàn)對(duì)臺(tái)區(qū)數(shù)據(jù)信息的深度挖掘;通過搭建階梯化線損管控模型、線損評(píng)估與智能診析模型和線損治理配型庫(kù)，開發(fā)臺(tái)區(qū)線損“慧診”助手開發(fā)應(yīng)用，可實(shí)現(xiàn)“一臺(tái)一策”臺(tái)區(qū)線損管理的快速診斷決策與智能管控。

關(guān)鍵詞：大數(shù)據(jù);臺(tái)區(qū)線損;數(shù)據(jù)挖掘;聚類算法;智能診斷

當(dāng)前國(guó)家電網(wǎng)有限公司定義臺(tái)區(qū)同期線損值合格區(qū)間在-1%～10%之間，隨著集抄改造全面完成，這種“一刀切”模式亟待改變，另外因多專業(yè)參與、低壓配網(wǎng)結(jié)構(gòu)和客戶性質(zhì)復(fù)雜、依賴硬件設(shè)施條件和人員專業(yè)素質(zhì)等現(xiàn)狀突出，臺(tái)區(qū)改造投入產(chǎn)出比低，粗放式治理與被動(dòng)式監(jiān)管影響了精準(zhǔn)投資與精益管理。大數(shù)據(jù)、云計(jì)算等技術(shù)的廣泛應(yīng)用，為實(shí)現(xiàn)臺(tái)區(qū)同期線損管理變革創(chuàng)造了條件，推進(jìn)臺(tái)區(qū)同期線損精益管理，實(shí)現(xiàn)降損增效勢(shì)在必行。

1臺(tái)區(qū)線損智能診斷原理和目標(biāo)

線損的診斷主要包括三個(gè)方面：判定臺(tái)區(qū)線損是否正常、臺(tái)區(qū)線損異常成因判定以及診斷建議。為實(shí)現(xiàn)診斷的智能化，對(duì)來源于營(yíng)銷SG186、用電信息采集系統(tǒng)的海量數(shù)據(jù)進(jìn)行數(shù)據(jù)處理和信息挖掘，可以根據(jù)客戶電價(jià)碼等因素，實(shí)現(xiàn)不同類型臺(tái)區(qū)的階梯化線損目標(biāo)分類管理，精細(xì)診斷臺(tái)區(qū)線損正常與否。運(yùn)用聚類分析對(duì)基于用電信息采集系統(tǒng)的日線損數(shù)據(jù)進(jìn)行處理，將臺(tái)區(qū)日線損波動(dòng)的形態(tài)進(jìn)行異常問題二次分類，匹配營(yíng)銷SG186系統(tǒng)臺(tái)區(qū)基礎(chǔ)檔案關(guān)聯(lián)的智能電能表測(cè)量信息等，輔以專家經(jīng)驗(yàn)集成，即可用于智能診斷，實(shí)現(xiàn)自動(dòng)診斷結(jié)果輸出。

2基于數(shù)據(jù)挖掘技術(shù)的臺(tái)區(qū)線損智能診斷模型

2.1階梯化線損定標(biāo)

以長(zhǎng)沙地區(qū)為分析基礎(chǔ)，通過營(yíng)銷SG186系統(tǒng)336萬客戶電價(jià)碼信息（涉及45個(gè)字段）和2.9萬臺(tái)區(qū)基礎(chǔ)信息關(guān)聯(lián)，建立負(fù)荷電價(jià)碼庫(kù)，引入K均值聚類算法進(jìn)行臺(tái)區(qū)負(fù)荷構(gòu)成分類，進(jìn)行3—10類和10—100次收斂計(jì)算后形成5類，選取正態(tài)分布曲線進(jìn)行擬合計(jì)算，

2. 2線損評(píng)估與智能診析

獲取所有臺(tái)區(qū)基礎(chǔ)檔案構(gòu)成臺(tái)區(qū)畫像信息庫(kù)，并隨機(jī)抽取連續(xù)三日線損率報(bào)表及電能表測(cè)量信息、狀態(tài)字?jǐn)?shù)據(jù)，用于智能診析模型開發(fā)。

1） 應(yīng)用大數(shù)據(jù)技術(shù)（Hadoop、HAWQ等數(shù)據(jù)倉(cāng)庫(kù)），集成臺(tái)區(qū)檔案、運(yùn)行信息、地理位置與臺(tái)區(qū)負(fù)荷構(gòu)成，形成唯一“畫像”。一方面完成臺(tái)區(qū)運(yùn)行狀態(tài)的快速掃描，另一方面進(jìn)行臺(tái)區(qū)線損狀態(tài)計(jì)算與評(píng)估，并根據(jù)評(píng)估結(jié)果選擇是否進(jìn)行一鍵診斷。臺(tái)區(qū)線損狀態(tài)計(jì)算與評(píng)估采用決策樹歸納的分析方法，有針對(duì)性地判別臺(tái)區(qū)狀態(tài)、提高診斷效率。通過甄別“采集成功率≥98%∩日供電量>20kWh”條件，剔除由大面積缺抄與小電量導(dǎo)致的線損異常，進(jìn)而完成臺(tái)區(qū)類別辨識(shí)與偏離目標(biāo)值計(jì)算，明確臺(tái)區(qū)線損異常等級(jí)，觸發(fā)智能診析功能。

2）應(yīng)用聚類分析與相關(guān)性挖掘技術(shù)，采用OGG/DSG方式，存儲(chǔ)、組織、關(guān)聯(lián)和聚合線損成因字段，借助專家經(jīng)驗(yàn)建立關(guān)系分析模型：一是根據(jù)線損走勢(shì)鎖定異常發(fā)生節(jié)點(diǎn)，提取連續(xù)三日線損率報(bào)表進(jìn)行聚類分析得到最佳聚類數(shù)為10的聚類中心;二是鎖定線損成因，結(jié)合專家經(jīng)驗(yàn)與典型案例確定31項(xiàng)核心因子。線損成因分為獨(dú)立成因與關(guān)聯(lián)成因：獨(dú)立成因來自業(yè)務(wù)系統(tǒng)監(jiān)測(cè)數(shù)據(jù)，采用固定報(bào)表與即席查詢方式;關(guān)聯(lián)成因采用比對(duì)碰撞與關(guān)系分析方式推導(dǎo)關(guān)聯(lián)模型。

注：1.正常：連續(xù)線損率在各類臺(tái)區(qū)的線損目標(biāo)值區(qū)間;2.疑似：連續(xù)線損率在各類臺(tái)區(qū)的線損目標(biāo)值區(qū)間外±3%波動(dòng);3.間歇：線損率在各類臺(tái)區(qū)的線損目標(biāo)值區(qū)間外非連續(xù)性波動(dòng)，且波動(dòng)浮動(dòng)超過±3%;4.頑固：連續(xù)線損率遠(yuǎn)超出各類臺(tái)區(qū)的線損目標(biāo)值區(qū)間。

3）采用專家經(jīng)驗(yàn)與樣本訓(xùn)練結(jié)合方式，建立線損波動(dòng)規(guī)律與成因匹配模型

3基于數(shù)據(jù)挖掘技術(shù)的臺(tái)區(qū)線損診斷平臺(tái)開發(fā)及應(yīng)用

3.1基于數(shù)據(jù)挖掘技術(shù)的臺(tái)區(qū)線損“慧診”助手設(shè)計(jì)

根據(jù)臺(tái)區(qū)線損治理需求分析，臺(tái)區(qū)線損智能診斷平臺(tái)———“慧診”助手包含三個(gè)模塊：一是根據(jù)客戶用電行為特征對(duì)臺(tái)區(qū)分類，并定位每類臺(tái)區(qū)線損率的最優(yōu)值區(qū)間;二是實(shí)現(xiàn)臺(tái)區(qū)信息一鍵查詢和線損異常智能診析，包括線損波動(dòng)規(guī)律分析、搭建線損成因模型、建立波動(dòng)與成因最優(yōu)映射;三是研制多應(yīng)用場(chǎng)景的線損治理配型庫(kù)，為現(xiàn)場(chǎng)工作提供指導(dǎo)。

3. 2基于數(shù)據(jù)挖掘技術(shù)的臺(tái)區(qū)線損

“慧診”助手設(shè)計(jì)實(shí)現(xiàn)臺(tái)區(qū)線損“慧診”助手采用可視化界面，具有人機(jī)交互友好、操作便捷易上手、信息清晰明了等特點(diǎn)，

4基于數(shù)據(jù)挖掘技術(shù)的臺(tái)區(qū)線損智能診斷的意義

4.1提升執(zhí)行層治損效率和業(yè)務(wù)水平

根據(jù)班組和供電所應(yīng)用反饋結(jié)果，智能診斷現(xiàn)場(chǎng)異常因素排查提速42.9%，調(diào)研6個(gè)臺(tái)區(qū)治理閉環(huán)時(shí)限，治理時(shí)間由23天縮短至1天;異常成因判別準(zhǔn)確度78%，較人工判別準(zhǔn)確度提升1倍，其中間歇型成因判別準(zhǔn)確度90%;抽測(cè)40個(gè)線損率8%～10%城鎮(zhèn)居民生活類臺(tái)區(qū)，診斷疑似臺(tái)區(qū)32個(gè)，表計(jì)日停走又有電流、零線大于火線電流、表計(jì)時(shí)鐘異常三類成因超過90%，現(xiàn)場(chǎng)反饋處理異常臺(tái)區(qū)27個(gè)，平均降損2.3%。4.2支撐管理層精益管理和經(jīng)營(yíng)決策為制定基層降損目標(biāo)提供科學(xué)、直觀依據(jù)，使線損可控、能控、在控，也為定員測(cè)算及績(jī)效考核提供可靠依據(jù);提供隨時(shí)隨地、線上線下培訓(xùn)平臺(tái)，突破場(chǎng)地時(shí)間、師資等條件限制;為推進(jìn)臺(tái)區(qū)經(jīng)理隊(duì)伍建設(shè)與全能型供電所建設(shè)提供科學(xué)依據(jù)與評(píng)價(jià)標(biāo)準(zhǔn);打破壁壘，為輔助決策電網(wǎng)末端改造規(guī)劃提供支撐。

5結(jié)語

本文以大數(shù)據(jù)挖掘與應(yīng)用為基礎(chǔ)，以支撐線損異常治理與專業(yè)管理為目標(biāo)，構(gòu)建臺(tái)區(qū)分類、線損分型管理的臺(tái)區(qū)線損智能評(píng)估診析模型及線損治理配型庫(kù)，提出“一臺(tái)一策”治理模式，實(shí)現(xiàn)優(yōu)化決策與精準(zhǔn)控制，便于專業(yè)管理部門掌握基層線損管控情況的同時(shí)，為一線班組提供智能化線損治理工具，科學(xué)降損，提質(zhì)增效。下一階段，考慮引入拓寬分類定標(biāo)維度、搭建預(yù)測(cè)預(yù)警模型和優(yōu)化完善集成診析模型等，持續(xù)提升診斷結(jié)果和治理指導(dǎo)建議的精準(zhǔn)性和可操作性。

參考文獻(xiàn)：

[1]黃靜，張敏，徐溦，等.基于同期線損系統(tǒng)數(shù)據(jù)挖掘技術(shù)的低壓臺(tái)區(qū)線損診斷模型[J].重慶電力高等?？茖W(xué)校學(xué)報(bào)，2018，23（006）：26-30.

[2]劉寅，李懋.基于智能用電大數(shù)據(jù)分析的臺(tái)區(qū)線損管理研究[J].中國(guó)新技術(shù)新產(chǎn)品，2019.

[3]王玻，彭偉.基于數(shù)據(jù)挖掘的服務(wù)企業(yè)診斷信息情報(bào)智能采集模型研究[J].科技管理研究，2020.

[4]何俊智.基于大數(shù)據(jù)分析的電力營(yíng)銷管理研究[D].2018.

（作者單位：國(guó)網(wǎng)河北省電力有限公司河間市供電分公司）