基于Apriori關(guān)聯(lián)算法的配電網(wǎng)運行大數(shù)據(jù)關(guān)聯(lián)分析模型

(國網(wǎng)上海浦東供電公司,上海 200122)

近年來,信息技術(shù)日益發(fā)達,配電網(wǎng)運行過程中積累了大量的運行維護數(shù)據(jù)。這些數(shù)據(jù)已廣泛應(yīng)用于電力系統(tǒng)規(guī)劃、運行、資產(chǎn)管理、市場管理以及終端用戶服務(wù)等各個領(lǐng)域[1]。通過有效分析來自各種智能表計的大數(shù)據(jù),可以幫助決策部門更好地獲得電力用戶的相關(guān)信息[2]。目前,大數(shù)據(jù)分析在電力系統(tǒng)中的實際應(yīng)用處于快速發(fā)展階段,研究者從數(shù)據(jù)傳輸、存儲、實時處理、多數(shù)據(jù)源異構(gòu)和可視化等方面分析了電力大數(shù)據(jù)處理技術(shù)的發(fā)展現(xiàn)狀和面臨的挑戰(zhàn),提出了智能電網(wǎng)評估指標(biāo)體系及評價方法[3-4],并給出了配用電大數(shù)據(jù)分析架構(gòu)和應(yīng)用路線圖[5-8]。本文將大數(shù)據(jù)分析及數(shù)據(jù)關(guān)聯(lián)挖掘技術(shù)應(yīng)用于配電網(wǎng)的運行維護中,提出了基于Apriori關(guān)聯(lián)算法的配電網(wǎng)運行大數(shù)據(jù)關(guān)聯(lián)分析模型,以期為提高配電網(wǎng)運行維護指標(biāo)提供決策建議。

1 配電網(wǎng)運行維護與大數(shù)據(jù)技術(shù)應(yīng)用現(xiàn)狀

1.1 配電網(wǎng)運行維護存在的問題

配電網(wǎng)運行維護是對配電網(wǎng)及其設(shè)施所采取的巡視檢查、保養(yǎng)、簡單修理等技術(shù)管理設(shè)施和手段的總稱,主要包括基礎(chǔ)數(shù)據(jù)管理、巡視檢查與防護、配電網(wǎng)維護、狀態(tài)評價、缺陷管理、用戶公用設(shè)備移交、保供電管理、電壓與無功管理,以及方案審查與設(shè)備驗收投運等工作。在目前的配電網(wǎng)運行維護過程中,主要存在以下3個問題[9-13]。

(1) 配電網(wǎng)網(wǎng)架基礎(chǔ)薄弱,自動化水平低,檢測手段相對落后,且網(wǎng)點多、線長、面廣,使得配電網(wǎng)的運行維護任務(wù)十分艱巨。與國外先進國家相比,我國在發(fā)電、輸電、配電方面的投資比率差異較大。近年來,隨著資金的不斷投入,配電網(wǎng)的運行狀況得到了很大改善,但與主網(wǎng)相比,基礎(chǔ)設(shè)施仍顯太差,網(wǎng)架結(jié)構(gòu)仍然十分薄弱,尤其是臺區(qū)低壓設(shè)備老舊問題日益突出,用電高峰時段低壓故障頻發(fā),供電搶修工作愈加繁重。

(2) 社會生產(chǎn)、生活用電激增,負(fù)荷增長屢創(chuàng)新高。區(qū)域性、季節(jié)性負(fù)荷需求對配電網(wǎng)的供電能力和運行維護提出了更高的要求。社會電氣化程度越來越高,部分高新技術(shù)、高附加值產(chǎn)業(yè)用戶對電能質(zhì)量的要求也越來越高,使配電網(wǎng)安全穩(wěn)定運行承受了巨大壓力。

(3) 配電網(wǎng)運行維護管理模式相對滯后。在當(dāng)前的配電網(wǎng)管理模式下,只有當(dāng)線路發(fā)生跳閘時,才能發(fā)現(xiàn)設(shè)備出了問題,在缺陷消除后,并沒有認(rèn)真分析原因,導(dǎo)致此類問題仍會發(fā)生,形成惡性循環(huán),造成了巨大的人力、物力的浪費及供電量的損失。

1.2 大數(shù)據(jù)技術(shù)應(yīng)用現(xiàn)狀

國內(nèi)對電力大數(shù)據(jù)的研究主要集中在電力企業(yè)的生產(chǎn)、運營、管理等方面,在輸變電設(shè)備故障識別與預(yù)測、配電設(shè)備負(fù)載估算及重過載預(yù)警、物資庫存物料需求影響因素分析、配電網(wǎng)低電壓實時監(jiān)測應(yīng)用、電網(wǎng)中長期負(fù)荷預(yù)測與用電量分析等方面已有實際應(yīng)用。但在配電網(wǎng)的用電量預(yù)測、空間負(fù)荷預(yù)測、多指標(biāo)關(guān)聯(lián)分析等領(lǐng)域,由于國內(nèi)難以支持智能配電系統(tǒng)和用戶側(cè)管理系統(tǒng)的有效集成,因此與國外的大數(shù)據(jù)應(yīng)用方面存在巨大差距。

隨著配電網(wǎng)業(yè)務(wù)覆蓋面的進一步擴大,逐漸積累了超過TB級的數(shù)據(jù),然而大多數(shù)電力企業(yè)的數(shù)據(jù)庫僅僅實現(xiàn)了數(shù)據(jù)存儲、查詢、統(tǒng)計等最基本層次的功能,無法深入挖掘出隱藏在海量數(shù)據(jù)背后的潛在價值。因此,大數(shù)據(jù)技術(shù)在配電網(wǎng)運行維護管理中的應(yīng)用已經(jīng)勢在必行。它是電網(wǎng)運行維護向更優(yōu)、更強發(fā)展的必要手段。

2 上海配電網(wǎng)配用電信息系統(tǒng)及關(guān)聯(lián)規(guī)則挖掘算法

2.1 上海配電網(wǎng)配用電信息系統(tǒng)及其數(shù)據(jù)特征

表1為上海電力公司目前投運的配用電信息系統(tǒng)及其輸出數(shù)據(jù)類型。

對以上配電網(wǎng)生產(chǎn)系統(tǒng)信息進行梳理,可用于中壓配電網(wǎng)指標(biāo)評價大數(shù)據(jù)關(guān)聯(lián)分析的數(shù)據(jù)如下:電網(wǎng)電氣拓?fù)鋽?shù)據(jù);用戶臺賬數(shù)據(jù)及關(guān)聯(lián)關(guān)系;線路、變壓器設(shè)備臺賬數(shù)據(jù);10 kV設(shè)備巡檢、缺陷記錄等;調(diào)度操作日志,設(shè)備操作日志;中壓饋線電流數(shù)據(jù);臺區(qū)凍結(jié)電量及負(fù)荷數(shù)據(jù);電壓監(jiān)測點數(shù)據(jù);故障事件數(shù)據(jù);停電事件數(shù)據(jù);搶修工單信息;電能質(zhì)量及事件數(shù)據(jù);日/月線損率;電壓合格率。

2.2 關(guān)聯(lián)規(guī)則挖掘算法

1993年,AGRAWAL等人首先提出了關(guān)聯(lián)規(guī)則的概念,同時給出了相應(yīng)的挖掘算法,但是性能較差。1994年,他們建立了項目集格空間理論,并提出了著名的Apriori算法,至今Apriori仍然作為關(guān)聯(lián)規(guī)則挖掘的經(jīng)典算法被廣泛討論,其后諸多的研究人員對關(guān)聯(lián)規(guī)則的挖掘問題進行了大量的研究。

表1 上海電力公司配用電信息系統(tǒng)及其輸出數(shù)據(jù)

關(guān)聯(lián)規(guī)則挖掘的對象一般是事務(wù)數(shù)據(jù)集。關(guān)聯(lián)規(guī)則可定義為:設(shè)T={t1,t2,t3,…,tk,…,tm}為事務(wù)數(shù)據(jù)庫,tk為T的第k件事務(wù),I={i1,i2,i3,…,ik}是二元屬性的集合,其中的元素稱為項,對任意k,tk?I;X與Y是I的子集,X∩Y=?,在事務(wù)數(shù)據(jù)集中尋找X與Y的關(guān)聯(lián)關(guān)系,關(guān)聯(lián)關(guān)系記為X?Y。關(guān)聯(lián)規(guī)則里有兩個重要概念:支持度和置信度。支持度表示X和Y這一事件組合在總事務(wù)記錄中出現(xiàn)的概率,置信度是指出現(xiàn)了項集X的事務(wù)中X和Y這一事件組合出現(xiàn)的概率。最小支持度Smin和最小置信度Cmin規(guī)定了支持度和置信度的閾值,只有達到這兩個閾值才算強關(guān)聯(lián)規(guī)則。

配電網(wǎng)運行維護中的各個指標(biāo),與配電網(wǎng)的設(shè)備情況、運行情況、人為因素、天氣情況等均有著復(fù)雜的因果或關(guān)聯(lián)關(guān)系。這些關(guān)系有些是明確或顯而易見的,有些還未被明確發(fā)現(xiàn),特別是一些關(guān)聯(lián)不是特別強但對實際生產(chǎn)運行影響較大的關(guān)聯(lián)關(guān)系。如果能夠通過大數(shù)據(jù)分析方法尋找到這些關(guān)聯(lián)關(guān)系,將為提升配電網(wǎng)運行維護指標(biāo)提供更多的依據(jù)和手段。本文采用Apriori關(guān)聯(lián)算法,將配電網(wǎng)運行維護數(shù)據(jù)與配電網(wǎng)事件或指標(biāo)數(shù)據(jù)進行關(guān)聯(lián)分析,得到配電網(wǎng)運行維護指標(biāo)與運行狀態(tài)、事件變化之間的關(guān)聯(lián)關(guān)系及關(guān)聯(lián)強弱。

3 配電網(wǎng)運行大數(shù)據(jù)關(guān)聯(lián)分析模型

3.1 報表類數(shù)據(jù)關(guān)聯(lián)分析

對于時間報表類數(shù)據(jù),如故障搶修事件報表、設(shè)備缺陷記錄等,在分析各項數(shù)據(jù)事件之間的關(guān)聯(lián)關(guān)系之前,需要對報表數(shù)據(jù)做以下處理。

(1) 數(shù)據(jù)歸一化 將含義相同但表述不同的項目統(tǒng)一成相同的描述語言,以提高算法的計算效率。例如,“電網(wǎng)故障”和“電網(wǎng)性故障”統(tǒng)一成“電網(wǎng)故障”,“過負(fù)荷”和“過載”統(tǒng)一成“過負(fù)荷”,“0.4 kV”和“380 V”統(tǒng)一成“0.4 kV”。

(2) 提取描述性語言的關(guān)鍵詞 現(xiàn)有的技術(shù)手段無法對描述性的語言進行分析,所以對于“故障描述”等主觀性較強、規(guī)范性較低的項目,需要提取能夠表征該項目描述的關(guān)鍵詞,將關(guān)鍵詞作為事務(wù)數(shù)據(jù)進行關(guān)聯(lián)性分析。如“欠費停電,客戶已付”提取關(guān)鍵詞“欠費停電”,“設(shè)備故障,客戶報修此處電表內(nèi)總閘跳閘,請?zhí)幚怼碧崛￡P(guān)鍵詞“設(shè)備故障”“跳閘”,“電能質(zhì)量,客戶報修一戶電壓低,電器無法正常使用,請?zhí)幚怼碧崛￡P(guān)鍵詞“電能質(zhì)量”“電壓問題”“電器無法使用”。

(3) 去除無用項和重復(fù)項 將重復(fù)的項目或?qū)τ谟涗洘o實際區(qū)分作用的項目刪除。如項目“故障類型”,實際一般填寫為“非外損因素”或空,可以去除該項,以避免關(guān)聯(lián)計算時數(shù)據(jù)維度過高,影響計算效率。

(4) 形成事務(wù)數(shù)據(jù)集 按照上述原則,將每條記錄中的數(shù)據(jù)進行整理后,每個數(shù)據(jù)項的集合形成事務(wù)全集I={i1,i2,i3,…,ik,…},其中ik為某項事務(wù)。對每條記錄即形成一個事務(wù)數(shù)據(jù)集Ik={i1,i2,i3,…,ik,…},每個Ik包含了若干個ik。將所有報表記錄作為事務(wù)數(shù)據(jù)集的集合T={I1,I2,I3,…,Ik,…},對T進行關(guān)聯(lián)分析,即可得到T中各事務(wù)ik之間或事務(wù)集X(X是某些ik的集合)與事務(wù)集Y(Y是另一些ik的集合)之間的關(guān)聯(lián)關(guān)系,并得到這些關(guān)聯(lián)關(guān)系的支持度和置信度。

3.2 時序事件數(shù)據(jù)關(guān)聯(lián)分析

將饋線電流、電壓這些時序運行數(shù)據(jù)進行離散化處理,并在離散化的過程中保持事務(wù)的時序運行特征和趨勢。

(1) 數(shù)據(jù)頻度設(shè)置 數(shù)據(jù)設(shè)置頻度需考慮時序數(shù)據(jù)頻度、事件指標(biāo)頻度及實際計算能力。每個時間斷面會生成一個事務(wù)數(shù)據(jù)集,如果分析的數(shù)據(jù)頻度過高,將會產(chǎn)生較多的事務(wù)數(shù)據(jù)集;如果分析的時序數(shù)據(jù)持續(xù)時間較長,將會產(chǎn)生高維數(shù)據(jù)矩陣,這對計算機的計算能力要求很高。建議設(shè)置15 min/斷面或1 h/斷面的頻度,最大程度地保留時序運行數(shù)據(jù)特性。

(2) 連續(xù)時序數(shù)據(jù)事務(wù)離散化 將連續(xù)的時序數(shù)據(jù)離散化,如在t1時刻,饋線電流I滿足0≤I<1 A時,設(shè)置為事務(wù)I0;1 A≤I<2 A時,設(shè)置為事務(wù)I1;2 A≤I<3 A時,設(shè)置為事務(wù)I2……以此類推,將連續(xù)的饋線時序電流離散化。離散化的區(qū)間長度可根據(jù)具體時序數(shù)據(jù)的數(shù)值范圍來確定。在初步計算時,可將離散化區(qū)間設(shè)置為較長時段,減少對應(yīng)事務(wù)的數(shù)量,降低事務(wù)數(shù)據(jù)集維度,從而降低計算量。當(dāng)確定了關(guān)聯(lián)較強的事務(wù)后,再將該區(qū)間繼續(xù)分割離散化進行關(guān)聯(lián)分析,從而確定更小的事務(wù)數(shù)據(jù)范圍,以提高精度。

(3) 時序數(shù)據(jù)特征離散化 時序數(shù)據(jù)的特征除了時序數(shù)據(jù)本身值外,主要包括時序數(shù)據(jù)的變化趨勢,如增加趨勢或減小趨勢。除了設(shè)置時序數(shù)據(jù)本身值作為事務(wù)外,還可以將時序數(shù)據(jù)的變化趨勢設(shè)置為事務(wù)。如在t2時刻,饋線電流I在2 A≤I<3 A范圍內(nèi)時,設(shè)置時序值事務(wù)為I2,若饋線電流相對t1時刻是上升的,可設(shè)置時序特征事務(wù)為Iup;若饋線電流相對t1時刻是下降的,可設(shè)置時序特征事務(wù)為Idown;若饋線電流相對t1時刻是不變的,可設(shè)置時序特征事務(wù)為Iflat。即在每個時刻t,饋線電流將設(shè)置兩個事務(wù),其中Ik表征時序值本身,Iup或Idown或Iflat表示時序值的變化趨勢。通過上述事務(wù)設(shè)置,可在事務(wù)數(shù)據(jù)集中表征時序數(shù)據(jù)值本身和一次變化特征。若需要分析時序值的二次變化特征或其他變化特征時,也可按照上述原則進行設(shè)置。

(4) 事件事務(wù)設(shè)置 對于斷電、線路故障等這些突發(fā)性非時序事件,同樣需要設(shè)置事務(wù)項。如當(dāng)tk時刻發(fā)生線路故障時,可設(shè)置線路故障為事務(wù)Break,并可在tk-1時刻設(shè)置事務(wù)Break(former),在tk+1時刻設(shè)置事務(wù)Break(after)。通過上述事務(wù)設(shè)置,可在事務(wù)數(shù)據(jù)集中表征線路故障等突發(fā)性非時序事件的發(fā)生趨勢,通過與時序數(shù)據(jù)的變化趨勢關(guān)聯(lián),可分析線路故障等突發(fā)性非時序事件發(fā)生時時序數(shù)據(jù)的變化趨勢。

(5) 形成事務(wù)數(shù)據(jù)集 對于時序事件數(shù)據(jù),將系統(tǒng)運行數(shù)據(jù)與系統(tǒng)突發(fā)性非時序事件按照上述原則,在每個時刻tk,形成一個事務(wù)數(shù)據(jù)集tk={i1,i2,i3,…,ik,…},對事務(wù)數(shù)據(jù)集集合T進行關(guān)聯(lián)分析,即可得到T中各事務(wù)ik之間或事務(wù)集X與事務(wù)集Y之間的關(guān)聯(lián)關(guān)系,進而得到時序運行數(shù)據(jù)與系統(tǒng)故障的突發(fā)性非時序事件之間的關(guān)聯(lián)。

3.3 關(guān)聯(lián)規(guī)則及關(guān)聯(lián)分析實現(xiàn)

3.3.1 關(guān)聯(lián)規(guī)則和頻繁項集

關(guān)聯(lián)規(guī)則的一般形式為:項集X和Y同時發(fā)生的概率稱為關(guān)聯(lián)規(guī)則的支持度,即S(X?Y)=P(X∪Y)。當(dāng)項集X發(fā)生時,項集Y發(fā)生的概率即為關(guān)聯(lián)規(guī)則的置信度,C(X?Y)=P(X|Y)。

最小支持度是用戶或?qū)＜叶x的衡量支持度的一個閾值,表示項目集在統(tǒng)計意義上的最低重要性;最小置信度是用戶或?qū)＜叶x的衡量置信度的一個閾值,表示關(guān)聯(lián)規(guī)則的最低可靠性。同時滿足最小支持度閾值和最小置信度閾值的規(guī)則稱作強規(guī)則。

項集是項的集合,包含k個項的項集稱為k項集,如集合{牛奶,麥片,糖}是一個3項集。項集的出現(xiàn)頻率是所有包含項集的事務(wù)計數(shù),又稱絕對支持度或支持度計數(shù)。如果項集I的相對支持度滿足預(yù)定義的最小支持度閾值,則I是頻繁項集,記作Ik。

項集X的支持度計數(shù)是事務(wù)數(shù)據(jù)集中包含X的事務(wù)個數(shù),簡稱為項集的頻率或計數(shù)。已知項集的支持度計數(shù),則關(guān)聯(lián)規(guī)則X?Y的支持度和置信度很容易從所有事務(wù)計數(shù)、項集X和項集X∪Y的支持度計數(shù)中推出:

Confidence(X?Y)=P(X|Y)=

也就是說,一旦得到所有事務(wù)的個數(shù),項集X,項集Y和項集X∪Y的支持度計數(shù),就可以導(dǎo)出對應(yīng)的關(guān)聯(lián)規(guī)則X?Y和Y?X,并可以檢查該規(guī)則是否是強規(guī)則。

3.3.2 Apriori算法實現(xiàn)

Apriori算法的主要思想是找出存在于事務(wù)數(shù)據(jù)集中最大的頻繁項集,利用得到的最大頻繁項集與預(yù)先設(shè)定的最小置信度閾值生成強關(guān)聯(lián)規(guī)則。

根據(jù)頻繁項集的所有非空子集也必須是頻繁項集這一性質(zhì)可以得出:向不是頻繁項集的項集I中添加事務(wù)X,新的項集I∪X一定也不是頻繁項集。

Apriori算法實現(xiàn)的兩個步驟如下。

步驟1 找出所有的頻繁項集(支持度必須大于等于給定的最小支持度閾值)。在這個過程中,連接步和剪枝步互相融合,最終得到最大的頻繁項集Lk。

其中,連接步的目的是找到k項集?；诮o定的最小支持度閾值,剔除1項候選集i1中小于該閾值的項集,得到1項頻繁項集L1;由L1自身連接產(chǎn)生2項候選集i2,保留i2中滿足約束條件的項集,得到2項頻繁項集,記為L2;由L2與L1連接產(chǎn)生3項候選集i3,保留i3中滿足約束條件的項集,得到3項頻繁項集,記為L3……這樣循環(huán)下去,得到最大頻繁項集Lk。

剪枝步緊接著連接步,在產(chǎn)生候選項ik的過程中起到減小搜索空間的作用。由于ik是Lk-1與L1連接產(chǎn)生的,根據(jù)Apriori的性質(zhì),頻繁項集的所有非空子集也必須是頻繁項集,因此不滿足該性質(zhì)的項集將不會存在于ik中,該過程就是剪枝。

步驟2 由頻繁項集產(chǎn)生強關(guān)聯(lián)規(guī)則。由步驟1可知,未超過預(yù)定的最小支持度閾值的項集已被剔除,如果剩下這些規(guī)則滿足了預(yù)定的最小置信度閾值,那么就挖掘出了強關(guān)聯(lián)規(guī)則。根據(jù)這一強關(guān)聯(lián)規(guī)則,即可分析出配電網(wǎng)各時間、時序數(shù)據(jù)、運行指標(biāo)之間的關(guān)聯(lián)關(guān)系,為優(yōu)化配電網(wǎng)運行指標(biāo)提出指導(dǎo)。

3.4 關(guān)聯(lián)分析模型的流程

基于Apriori關(guān)聯(lián)算法,對配電網(wǎng)運行中所產(chǎn)生的報表數(shù)據(jù)、時序數(shù)據(jù)、指標(biāo)數(shù)據(jù)進行關(guān)聯(lián)分析,實現(xiàn)流程如圖1所示。

圖1 基于Apriori關(guān)聯(lián)算法的配電網(wǎng)運行大數(shù)據(jù)關(guān)聯(lián)分析模型流程

通過基于Apriori關(guān)聯(lián)算法的配電網(wǎng)運行大數(shù)據(jù)關(guān)聯(lián)分析模型,可以得到配電網(wǎng)運行中各因素或指標(biāo)之間的相互關(guān)聯(lián)關(guān)系。關(guān)聯(lián)關(guān)系的強弱以支持度和置信度表示,支持度和置信度越高,表示關(guān)聯(lián)關(guān)系越強,即表示兩個或多個配電網(wǎng)運行因素或指標(biāo)同時發(fā)生的概率越高。對一些支持度和置信度較低的事件集,也可具體分析其關(guān)聯(lián)關(guān)系,挖掘不明顯的配電網(wǎng)運行關(guān)聯(lián)關(guān)系。

4 算例分析

利用所提出的基于Apriori關(guān)聯(lián)算法的配電網(wǎng)運行大數(shù)據(jù)關(guān)聯(lián)分析模型,對上海電網(wǎng)故障搶修管理系統(tǒng)中上海某供電公司2014年故障搶修數(shù)據(jù)進行分析,并尋找其中的數(shù)據(jù)關(guān)聯(lián)。

上海某供電公司2014年產(chǎn)生故障搶修數(shù)據(jù)共45 986條,關(guān)聯(lián)分析數(shù)據(jù)項包括電壓等級、故障描述、故障原因、設(shè)備分類、故障分類、搶修班組、設(shè)備名稱、停電時間等。在關(guān)聯(lián)分析之前,對故障搶修記錄數(shù)據(jù)進行預(yù)處理:對搶修數(shù)據(jù)進行歸一化處理,如“0.4 kV”“380 V”“220 V”統(tǒng)一成“低壓電網(wǎng)”,“電壓高”“電壓低”“電壓忽高忽低”等統(tǒng)一成“電壓問題”;對故障描述語句提取關(guān)鍵詞,將描述性語言轉(zhuǎn)換成描述特征并能夠分析,提取的關(guān)鍵詞包括“重合成功”“母線接地”“缺相”“著火”“一戶無電”等;將用戶停電時間進行離散化處理,將停電30 min以內(nèi)設(shè)置為事件t00,停電30～60 min設(shè)置為事件t01,停電60～90 min設(shè)置為事件t10,停電90～120 min設(shè)置為事件t11,停電120～180 min設(shè)置為事件t20,以此類推;將每條故障搶修記錄形成一個事務(wù)數(shù)據(jù)集,共形成了包含45 986條事務(wù)數(shù)據(jù)集的事務(wù)集。

對事務(wù)集進行大數(shù)據(jù)關(guān)聯(lián)分析,設(shè)置最小支持度為10%,最小置信度為50%,對關(guān)聯(lián)結(jié)果進行整理,去除明顯的無用項,得到關(guān)聯(lián)結(jié)果如表2所示。

由表2可以看出,關(guān)聯(lián)分析可以得到一些運行維護人員已知并且顯而易見的結(jié)論,如“一戶無電”的搶修基本都是發(fā)生在低壓電網(wǎng)(置信度為97.80%)等。

同時,通過關(guān)聯(lián)規(guī)則可以得到一些有助于進行配電網(wǎng)運行維護分析和提升供電質(zhì)量的事件之間的關(guān)聯(lián)關(guān)系。如在低壓電網(wǎng)事件中,55.91%的停電時間在30 min之內(nèi),而低壓電網(wǎng)發(fā)生熔斷故障時,85.97%的停電時間可控制在30 min之內(nèi);客戶誤報中,欠費停電原因達到52.40%,而客戶誤報的停電恢復(fù)時間有49.81%可以控制在30 min內(nèi);搶修班組“13東捷三林”有96.32%的搶修均在低壓電網(wǎng),而其他搶修班組卻沒有這樣的規(guī)律;低壓配電柜故障有72.23%的事件是熔斷器故障;而一戶無電且熔斷故障下,88.57%的可在30 min內(nèi)恢復(fù)供電等。

表2 上海某供電公司2014年故障搶修數(shù)據(jù)關(guān)聯(lián)分析規(guī)則結(jié)果 %

5 結(jié) 語

本文建立了基于Apriori關(guān)聯(lián)算法的配電網(wǎng)運行大數(shù)據(jù)關(guān)聯(lián)分析模型,可以得到配電網(wǎng)運行中各因素及指標(biāo)之間的相互關(guān)聯(lián)關(guān)系,除了可以驗證已知的配電網(wǎng)關(guān)聯(lián)關(guān)系外,更大的意義在于可以挖掘之前未發(fā)現(xiàn)的配電網(wǎng)各運行因素與指標(biāo)之間的隱性關(guān)聯(lián),使得配電網(wǎng)運行、管理部門能夠更深刻地了解和掌握配電網(wǎng)的運行情況與指標(biāo)情況,為提高配電網(wǎng)的運行維護指標(biāo)提供決策建議。

參考文獻：

[1] TAFT J,DE MARTINI P,PRELLWITZ L V.Utility data management & intelligence[R].San Jose:CISCO,2012.

[2] IBM Corporation.Managing big data for smart grids and smart meters[EB/OL].[2014-08-01].http://www.smartgridnews.com/artman/uploads/1/IBM_anaytics_paper.pdf.

[3] IBM Corporation.Smart grid method and model[R].Beijing:IBM Corporation,2010.

[4] U.S.Department of Energy.Smart grid system report[R].New York:U.S.Department of Energy,2009.

[5] 刁贏龍,盛萬興,劉科研,等.大規(guī)模配電網(wǎng)負(fù)荷數(shù)據(jù)在線清洗與修復(fù)方法研究[J].電網(wǎng)技術(shù),2015(11):3134-3140.

[6] 宋亞奇,周國亮,朱永利.智能電網(wǎng)大數(shù)據(jù)處理技術(shù)現(xiàn)狀與挑戰(zhàn)[J].電網(wǎng)技術(shù),2013(4):927-935.

[7] 王繼業(yè),季知祥,史夢潔,等.智能配用電大數(shù)據(jù)需求分析與應(yīng)用研究[J].中國電機工程學(xué)報,2015(8):1829-1836.

[8] 劉道偉,張東霞,孫華東,等.時空大數(shù)據(jù)環(huán)境下的大電網(wǎng)穩(wěn)定態(tài)勢量化評估與自適應(yīng)防控體系構(gòu)建[J].中國電機工程學(xué)報,2015(2):268-276.

[9] STEPHEN B,ISLEIFSSON F R,GALLOWAY S,et al.Online AMR domestic load profile characteristic change monitor to support ancillary demand services[J].IEEE Transactions on Smart Grid,2014,5(2):888-895.

[10] 陸如,范宏,周獻遠(yuǎn).基于大數(shù)據(jù)技術(shù)的配電網(wǎng)搶修駐點優(yōu)化方法[J].供用電,2015(8):31-36.

[11] 張銘澤,仇成,秦曠宇,等.上海超大型城市配電網(wǎng)安全可靠性提升策略研究[J].供用電,2016(5):16-21.

[12] RAHMAN M N,ESMAILPOUR A.An efficient electricity generation forecasting system using artificial neural network approach with big data[C]//IEEE First International Conference on Big Data Computing Service and Applications(Big Data Service).Redwood,CA:IEEE,2015:213-217.

[13] GUO K Y,JIN P,QI L,et al.A multi-fault rush repair strategy for distribution systems based on game theory of multi-agent[C]//Chinese Association of Automation.Wuhan:Chinese Automation Congress (CAC),2016:1293-1298.