基于數(shù)據(jù)挖掘技術(shù)的臺區(qū)線損智能診斷研究及應(yīng)用

雷巖

【摘 ?要】當(dāng)前國家電網(wǎng)有限公司定義臺區(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[1]，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，臺區(qū)改造投入產(chǎn)出比低 粗放式治理與被動式監(jiān)管影響了精準(zhǔn)投資與精益管理。大數(shù)據(jù)、云計算等技術(shù)的廣泛應(yīng)用，為實現(xiàn)臺區(qū)同期線損管理變革創(chuàng)造了條件，推進臺區(qū)同期線損精益管理，實現(xiàn)降損增效勢在必行。

【關(guān)鍵詞】大數(shù)據(jù); 臺區(qū)線損; 數(shù)據(jù)挖掘; 聚類算法; 智能診斷;

1 臺區(qū)線損智能診斷原理和目標(biāo)

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

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

2.1 階梯化線損定標(biāo)

以某地區(qū)為分析基礎(chǔ)，通過營銷SG186系統(tǒng)336萬客戶電價碼信息（涉及45個字段）和2.9萬臺區(qū)基礎(chǔ)信息關(guān)聯(lián)，建立負(fù)荷電價碼庫，引入K均值聚類算法進行臺區(qū)負(fù)荷構(gòu)成分類，進行3—10類和10—100次收斂計算后形成5類，見表1。

選取正態(tài)分布曲線進行擬合計算，經(jīng)校驗得到每類臺區(qū)線損目標(biāo)值見表2，計算流程如圖1所示。

2.2 線損評估與智能診析

獲取所有臺區(qū)基礎(chǔ)檔案構(gòu)成臺區(qū)畫像信息庫，并隨機抽取連續(xù)三日線損率報表及電能表測量信息、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)倉庫），集成臺區(qū)檔案、運行信息、地理位置與臺區(qū)負(fù)荷構(gòu)成，形成唯一“畫像”。

一方面完成臺區(qū)運行狀態(tài)的快速掃描，另一方面進行臺區(qū)線損狀態(tài)計算與評估，并根據(jù)評估結(jié)果選擇是否進行一鍵診斷。

臺區(qū)線損狀態(tài)計算與評估采用決策樹歸納的分析方法，有針對性地判別臺區(qū)狀態(tài)、提高診斷效率。通過甄別“采集成功率≥98%∩日供電量>20 kWh”條件，剔除由大面積缺抄與小電量導(dǎo)致的線損異常，進而完成臺區(qū)類別辨識與偏離目標(biāo)值計算，明確臺區(qū)線損異常等級，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、組織、關(guān)聯(lián)和聚合線損成因字段，借助專家經(jīng)驗建立關(guān)系分析模型：一是根據(jù)線損走勢鎖定異常發(fā)生節(jié)點，提取連續(xù)三日線損率報表進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)驗與典型案例確定31項核心因子。線損成因分為獨立成因與關(guān)聯(lián)成因：獨立成因來自業(yè)務(wù)系統(tǒng)監(jiān)測數(shù)據(jù)，采用固定報表與即席查詢方式;關(guān)聯(lián)成因采用比對碰撞與關(guān)系分析方式推導(dǎo)關(guān)聯(lián)模型。

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

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

根據(jù)臺區(qū)線損治理需求分析，臺區(qū)線損智能診斷平臺——“慧診”助手包含三個模塊：一是根據(jù)客戶用電行為特征對臺區(qū)分類，并定位每類臺區(qū)線損率的最優(yōu)值區(qū)間;二是實現(xiàn)臺區(qū)信息一鍵查詢和線損異常智能診析，包括線損波動規(guī)律分析、搭建線損成因模型、建立波動與成因最優(yōu)映射;三是研制多應(yīng)用場景的線損治理配型庫，為現(xiàn)場工作提供指導(dǎo)。臺區(qū)線損智能診斷“慧診”助手設(shè)計架構(gòu)如圖2所示。

3.2 基于數(shù)據(jù)挖掘技術(shù)的臺區(qū)線損“慧診”助手設(shè)計實現(xiàn)

臺區(qū)線損“慧診”助手采用可視化界面，具有人機交互友好、操作便捷易上手、信息清晰明了等特點，其功能菜單見表3。

臺區(qū)負(fù)荷構(gòu)成類型、數(shù)量及目標(biāo)值如圖3所示。每類達標(biāo)臺區(qū)占比計算結(jié)果如圖4所示。

4 基于數(shù)據(jù)挖掘技術(shù)的臺區(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)場異常因素排查提速42.9%，調(diào)研6個臺區(qū)治理閉環(huán)時限，治理時間由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40個線損率8%～10%城鎮(zhèn)居民生活類臺區(qū)，診斷疑似臺區(qū)32個，表計日停走又有電流、零線大于火線電流、表計時鐘異常三類成因超過90%，現(xiàn)場反饋處理異常臺區(qū)27個，平均降損2.3%。

4.2 支撐管理層精益管理和經(jīng)營決策

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，也為定員測算及績效考核提供可靠依據(jù);提供隨時隨地、線上線下培訓(xùn)平臺，突破場地時間、師資等條件限制;為推進臺區(qū)經(jīng)理隊伍建設(shè)與全能型供電所建設(shè)提供科學(xué)依據(jù)與評價標(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)建臺區(qū)分類、線損分型管理的臺區(qū)線損智能評估診析模型及線損治理配型庫，提出“一臺一策”治理模式，實現(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，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：

[1]李玉萍，翁薇，銀暉，等.降低集抄臺區(qū)線損的技術(shù)分析與實現(xiàn)[J].湖南電力，2014，34（3）：55-57.

[2]王喜珠.低壓配電臺區(qū)線損異常及應(yīng)對措施分析[J].科技經(jīng)濟導(dǎo)刊，2018，26（29）：48-49.

[3]瞿小寧.K均值聚類算法在商業(yè)銀行客戶分類中的應(yīng)用[J].計算機仿真，2011，28（6）：357-360.

（作者單位：國網(wǎng)山東省電力公司濟南市歷城區(qū)供電公司）