商務(wù)智能在配電網(wǎng)數(shù)據(jù)分析及可視化中的應(yīng)用

葛詩(shī)涵，張世棟，李立生，姜仁卓，劉 洋

（1.山東理工大學(xué)電氣與電子工程學(xué)院，山東 淄博 255049；2.國(guó)網(wǎng)山東省電力公司電力科學(xué)研究院，山東 濟(jì)南 250003）

0 引言

隨著大數(shù)據(jù)時(shí)代的來(lái)臨，數(shù)據(jù)信息產(chǎn)生量巨大，電網(wǎng)數(shù)據(jù)信息也呈爆炸式增長(zhǎng)。由于生產(chǎn)管理系統(tǒng)、調(diào)度管理系統(tǒng)、電力營(yíng)銷(xiāo)系統(tǒng)等信息系統(tǒng)在配電網(wǎng)中廣泛應(yīng)用，各系統(tǒng)積累了大量歷史數(shù)據(jù)，其數(shù)據(jù)形式多樣且相互獨(dú)立。傳統(tǒng)的分析系統(tǒng)難以交互分析多源海量數(shù)據(jù)，極易形成“數(shù)據(jù)孤島”，造成數(shù)據(jù)價(jià)值利用率低。配電網(wǎng)長(zhǎng)期運(yùn)行積累的大量歷史數(shù)據(jù)中隱藏了配電網(wǎng)運(yùn)行狀態(tài)的歷史特征，對(duì)配電網(wǎng)的運(yùn)行控制、升級(jí)改造和供電可靠性的提高具有重要意義。面對(duì)配電網(wǎng)數(shù)據(jù)激增以及多變的業(yè)務(wù)需求，如何快速挖掘海量數(shù)據(jù)，并以最直觀、最高效的方式展現(xiàn)給電網(wǎng)人員，是當(dāng)前電網(wǎng)發(fā)展和建設(shè)的關(guān)鍵和難題之一。

數(shù)據(jù)可視化技術(shù)是處理海量數(shù)據(jù)的關(guān)鍵技術(shù)。通過(guò)數(shù)據(jù)可視化，能夠直觀地展現(xiàn)智能配電網(wǎng)大數(shù)據(jù)的應(yīng)用方式與應(yīng)用價(jià)值?？梢暬绞綄?shí)現(xiàn)由單一形式到連續(xù)圖形［1-2］，由單獨(dú)顯示到多屏顯示［3］等。隨著網(wǎng)絡(luò)技術(shù)的發(fā)展，商務(wù)智能（Business Intelligence，BI）技術(shù)逐漸在數(shù)據(jù)可視化方面得到采用。

目前，BI 工具在銀行、地產(chǎn)和礦業(yè)等行業(yè)得到了廣泛的應(yīng)用［4-6］。在輸變電設(shè)備和配電網(wǎng)中也展開(kāi)BI研究，文獻(xiàn)［7］將BI、數(shù)據(jù)倉(cāng)庫(kù)技術(shù)應(yīng)用到電網(wǎng)調(diào)度運(yùn)行數(shù)據(jù)的分析，構(gòu)建了電網(wǎng)調(diào)度運(yùn)行智能數(shù)據(jù)平臺(tái)，但缺乏多維數(shù)據(jù)的分析；文獻(xiàn)［8］將數(shù)據(jù)挖掘應(yīng)用在電力設(shè)備狀態(tài)檢修中，但存在多維超大量數(shù)據(jù)集的挑戰(zhàn)。文獻(xiàn)［9］運(yùn)用數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)挖掘等技術(shù)建立了地區(qū)電網(wǎng)的調(diào)度決策支持系統(tǒng)，提高系統(tǒng)的分析效率和處理復(fù)雜查詢(xún)的能力，但該系統(tǒng)實(shí)現(xiàn)數(shù)據(jù)的交互分析較復(fù)雜，數(shù)據(jù)價(jià)值利用率低。針對(duì)配電網(wǎng)可靠性指標(biāo)在數(shù)據(jù)挖掘及可視化上存在的問(wèn)題，通過(guò)敏捷型BI 工具實(shí)現(xiàn)配電網(wǎng)數(shù)據(jù)可視化的多維數(shù)據(jù)分析操作和圖形展示，為電網(wǎng)人員提供快速、準(zhǔn)確地決策依據(jù)。

1 BI 介紹

1.1 BI 概念

BI 是通過(guò)搜集、管理和挖掘大量的商務(wù)信息，利用人工智能、數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)挖掘等先進(jìn)技術(shù)，將各種數(shù)據(jù)及時(shí)地轉(zhuǎn)換為支持決策的信息和知識(shí)，達(dá)到輔助企業(yè)制定有利決策的目的。BI 的關(guān)鍵是能夠快速?gòu)暮Ａ繑?shù)據(jù)中提取有用部分，通過(guò)查詢(xún)和分析，最終將數(shù)據(jù)以圖表的形式展示給決策者，為決策提供支持［10-11］。

1.2 BI 工具

目前，市場(chǎng)上有100 多種BI 工具，均支持多數(shù)據(jù)源和多種數(shù)據(jù)庫(kù)連接，甚至支持以Hadoop 為代表的大數(shù)據(jù)連接。BI 工具大多可以通過(guò)拖拽的方式迅速建立起直觀、交互的數(shù)據(jù)可視化。用戶(hù)可以自由分析數(shù)據(jù)，也可以將可視化圖表共享，從而幫助企業(yè)快速認(rèn)識(shí)和理解數(shù)據(jù)，以應(yīng)對(duì)數(shù)據(jù)的激增以及業(yè)務(wù)的持續(xù)增長(zhǎng)。

傳統(tǒng)BI 工具基于數(shù)據(jù)驅(qū)動(dòng)，以瀑布開(kāi)發(fā)模式建設(shè)，需要預(yù)先生成多維數(shù)據(jù)庫(kù)（Cube），交付時(shí)間在半年左右，若需求發(fā)生變化，相關(guān)模塊調(diào)整周期按月計(jì)算。通常傳統(tǒng)BI 工具模塊較多，操作復(fù)雜，無(wú)法形成自服務(wù)BI，數(shù)據(jù)分析能力差，靈活性較差，分析能力落后。隨著技術(shù)的更新和發(fā)展，企業(yè)對(duì)BI 工具輕量型、靈活性需求迫切，敏捷BI 工具相應(yīng)而生。敏捷BI工具基于業(yè)務(wù)驅(qū)動(dòng)，直接把數(shù)據(jù)裝載到內(nèi)存中，無(wú)需預(yù)先生成Cube，交付周期按周、月計(jì)算，上線(xiàn)周期明顯縮短，能夠快速響應(yīng)業(yè)務(wù)分析需求，用戶(hù)可以自主直接與數(shù)據(jù)交互分析。用戶(hù)可以基于細(xì)節(jié)數(shù)據(jù)，實(shí)現(xiàn)多維度數(shù)據(jù)探索，不再依靠傳統(tǒng)BI 的數(shù)據(jù)分析模型，數(shù)據(jù)分析響應(yīng)速度大大提高。QlikView、Power BI、Tableau、Fine BI 等敏捷BI 工具帶有數(shù)據(jù)集市，可以處理海量數(shù)據(jù)。

分別從部署架構(gòu)、數(shù)據(jù)架構(gòu)、用戶(hù)界面、自主分析易用度等方面對(duì)QlikView、Power BI、Tableau、FineBI 等敏捷BI 工具進(jìn)行分析和比較。4 種典型可視化工具根據(jù)其產(chǎn)品定位的不同各具特色，具體對(duì)比如表1 所示。

表1 4 種典型可視化工具對(duì)比

QlikView 部署方式以web 界面為主，采用獨(dú)特的AQL 架構(gòu)，提供靈活、強(qiáng)大的分析能力，但其在易用性和易操作方面稍遜色。Power BI 可視化工具在各個(gè)方面均有較好的設(shè)計(jì)，其使用風(fēng)格和Excel 相似，較易被用戶(hù)接受，部署架構(gòu)以云模式為主。Tableau 自有tde 內(nèi)存數(shù)據(jù)壓縮技術(shù)，Hyper 內(nèi)存數(shù)據(jù)引擎，人機(jī)交互界面友好，具有強(qiáng)大的地圖展示功能，以及較好的數(shù)據(jù)下鉆和分析能力，但前端數(shù)據(jù)處理能力較差，抓取能力弱。Fine BI 支持基于索引的高效計(jì)算引擎和基于SQL 數(shù)據(jù)庫(kù)直連，圖表展示豐富，具有較好的實(shí)時(shí)性，獨(dú)創(chuàng)spa 螺旋分析，集成ELT，具有很強(qiáng)分析能力。

1.3 配電網(wǎng)BI 工具

目前，配電網(wǎng)相關(guān)數(shù)據(jù)包括遙信數(shù)據(jù)、遙測(cè)數(shù)據(jù)、人工錄入線(xiàn)路和設(shè)備的缺陷數(shù)據(jù)、檢修數(shù)據(jù)、配電網(wǎng)設(shè)備在線(xiàn)監(jiān)測(cè)數(shù)據(jù)、故障數(shù)據(jù)和設(shè)備臺(tái)賬數(shù)據(jù)等，各數(shù)據(jù)在專(zhuān)門(mén)的電力網(wǎng)絡(luò)中傳輸，且數(shù)據(jù)格式規(guī)整，質(zhì)量較高，電網(wǎng)工作人員大多不具備基礎(chǔ)的編程和統(tǒng)計(jì)相關(guān)知識(shí)。

針對(duì)表1 中商務(wù)智能可視化工具的對(duì)比，結(jié)合電網(wǎng)實(shí)際，選取Tableau 作為主要可視化工具。Tableau 主要由Tableau Desktop 和Tableau Server 兩個(gè)部分組成。Tableau Desktop 主要用來(lái)連接數(shù)據(jù)庫(kù)并對(duì)數(shù)據(jù)進(jìn)行分析挖掘，將結(jié)果以?xún)x表板形式發(fā)布。Tableau Server 主要用來(lái)管理Desktop 發(fā)布的儀表板及管理用戶(hù)查看權(quán)限。通過(guò)分配不同人員，不同賬號(hào)及權(quán)限，可實(shí)現(xiàn)通過(guò)局域網(wǎng)隨時(shí)隨地查看數(shù)據(jù)以及根據(jù)工作需要分析數(shù)據(jù)。

2 配電網(wǎng)數(shù)據(jù)分析

2.1 配電網(wǎng)數(shù)據(jù)特點(diǎn)

配電網(wǎng)結(jié)構(gòu)復(fù)雜，配網(wǎng)設(shè)備和監(jiān)測(cè)采樣數(shù)據(jù)遠(yuǎn)遠(yuǎn)大于輸電網(wǎng)。綜合評(píng)價(jià)配電網(wǎng)可靠性，指導(dǎo)配電網(wǎng)精準(zhǔn)運(yùn)維，需要大量的數(shù)據(jù)提供支撐。

配電網(wǎng)數(shù)據(jù)目前呈現(xiàn)大數(shù)據(jù)發(fā)展態(tài)勢(shì)，主要特點(diǎn)為：

1）數(shù)據(jù)分布在多個(gè)信息系統(tǒng)中，包括配電網(wǎng)生產(chǎn)管理系統(tǒng)、調(diào)度管理系統(tǒng)、電力營(yíng)銷(xiāo)系統(tǒng)、智能配電網(wǎng)運(yùn)行監(jiān)控平臺(tái)和配電自動(dòng)化系統(tǒng)；

2）配電網(wǎng)可靠性指標(biāo)數(shù)據(jù)量巨大，僅一個(gè)省級(jí)電網(wǎng)公司，配電網(wǎng)有20 多萬(wàn)臺(tái)設(shè)備，每年產(chǎn)生數(shù)據(jù)接近30 PB；

3）配電網(wǎng)數(shù)據(jù)價(jià)值密度低，在量測(cè)數(shù)據(jù)中，大量數(shù)據(jù)是重復(fù)的或相似的，逐一分析價(jià)值不大，滯后的數(shù)據(jù)分析將無(wú)法為配電網(wǎng)的升級(jí)改造提供數(shù)據(jù)支撐；

4）配電網(wǎng)數(shù)據(jù)類(lèi)型較多，有文本、層次、網(wǎng)絡(luò)、時(shí)空及多維數(shù)據(jù)，不同種類(lèi)數(shù)據(jù)蘊(yùn)含著獨(dú)特的配電網(wǎng)規(guī)律信息，需將數(shù)據(jù)可視化加工之后才能準(zhǔn)確直觀的表達(dá)深層次價(jià)值。

2.2 配電網(wǎng)數(shù)據(jù)可視化

傳統(tǒng)配電網(wǎng)所使用的數(shù)據(jù)挖掘及可視化系統(tǒng)，都是針對(duì)特定的應(yīng)用場(chǎng)景以及業(yè)務(wù)需求進(jìn)行開(kāi)發(fā)。這種方式的弊端是跟隨業(yè)務(wù)需求變化的數(shù)據(jù)響應(yīng)嚴(yán)重滯后［12-14］。敏捷BI 不再采用傳統(tǒng)的BI 架構(gòu)，具體架構(gòu)如圖1 所示。先由ETL（數(shù)據(jù)抽取—轉(zhuǎn)換—加載）進(jìn)行數(shù)據(jù)清洗、轉(zhuǎn)換、合并與集成，再將底層數(shù)據(jù)導(dǎo)入到數(shù)據(jù)倉(cāng)庫(kù)中。敏捷BI 采用了動(dòng)態(tài)的內(nèi)存數(shù)據(jù)技術(shù)，將數(shù)據(jù)倉(cāng)庫(kù)劃分為多個(gè)業(yè)務(wù)數(shù)據(jù)包，每個(gè)業(yè)務(wù)數(shù)據(jù)包包含多個(gè)Cube，接下的OLAP 分析和數(shù)據(jù)挖掘操作都是在Cube 上實(shí)現(xiàn)。OLAP 服務(wù)器可根據(jù)自動(dòng)捕獲的主題進(jìn)行分析，迅速完成各種查詢(xún)和分析需求，最后將信息以各種圖表形式展示出來(lái)，將多維數(shù)據(jù)展示給電網(wǎng)人員。

圖1 敏捷BI 架構(gòu)

2.3 數(shù)據(jù)優(yōu)化

數(shù)據(jù)優(yōu)化是對(duì)原始數(shù)據(jù)的預(yù)處理，其主要流程為數(shù)據(jù)采集、數(shù)據(jù)分析和數(shù)據(jù)處理。采用C4.5 算法來(lái)實(shí)現(xiàn)數(shù)據(jù)的優(yōu)化。

C4.5 算法是對(duì)ID3 算法的改進(jìn)，具體改進(jìn)為：用信息增益比來(lái)選擇屬性；在構(gòu)造過(guò)程中對(duì)樹(shù)進(jìn)行剪枝；完成對(duì)連續(xù)屬性的離散化處理；對(duì)不完整數(shù)據(jù)進(jìn)行處理。C4.5 算法的計(jì)算公式如式（1）—式（5）所示。

1）信息增益率為

式中：S 為訓(xùn)練數(shù)據(jù)集；A 為樣例的屬性集合。

2）分裂信息為

式中：i 為A 的所有可能取值；｜Si｜為分割的樣本子集取值為的樣例數(shù)量；｜S｜為分割的樣本子集總樣例數(shù)量；V（A）為屬性A 可取值的集合。

3）信息增益為

式中：Entropy（Sv）是A 值為v 的熵的大小；|Sv|、|S|分別為對(duì)應(yīng)樣例集合中樣例的數(shù)目。

4）熵為

式中：p+、p-為樣例集中類(lèi)別正、反比例。

5）表面誤差增益值公式為

式中：R（t）＝r（t）p（t），R（t）為葉子節(jié)點(diǎn)誤差代價(jià)，r（t）為節(jié)點(diǎn)錯(cuò)誤率，p（t）為節(jié)點(diǎn)數(shù)據(jù)量變比；R（T）為子樹(shù)的誤差代價(jià)；N（T）為子樹(shù)節(jié)點(diǎn)個(gè)數(shù)。

3 配電線(xiàn)路故障數(shù)據(jù)分析的BI 設(shè)計(jì)

基于BI 工具，以配電網(wǎng)線(xiàn)路故障數(shù)據(jù)為例，進(jìn)行交互式儀表板的設(shè)計(jì)，并實(shí)現(xiàn)交互式儀表板在局域網(wǎng)的發(fā)布。

配網(wǎng)故障數(shù)據(jù)主要來(lái)源于調(diào)度系統(tǒng)，通過(guò)對(duì)故障跳閘情況統(tǒng)計(jì)可隨時(shí)掌握10 kV 線(xiàn)路故障跳閘總體情況，分析故障停電跳閘原因，避免因人為因素、外力因素造成故障跳閘的情況，杜絕其發(fā)生；通過(guò)分析10 kV 線(xiàn)路故障重復(fù)跳閘數(shù)量，找出規(guī)律和故障發(fā)生的原因，有針對(duì)性地進(jìn)行線(xiàn)路改造。

3.1 趨勢(shì)預(yù)測(cè)模塊

故障停電數(shù)據(jù)以周為單位進(jìn)行發(fā)生次數(shù)趨勢(shì)預(yù)測(cè)，采用多項(xiàng)式擬合來(lái)展示指標(biāo)發(fā)展趨勢(shì)，采用三次指數(shù)平滑法對(duì)數(shù)據(jù)下一周發(fā)生趨勢(shì)進(jìn)行預(yù)測(cè)。

指數(shù)平滑法是在移動(dòng)平均法基礎(chǔ)上發(fā)展出的一種時(shí)間序列分析法，在經(jīng)濟(jì)、管理等預(yù)測(cè)方面獲得了成功，在進(jìn)行快速趨勢(shì)預(yù)測(cè)上具有一定優(yōu)勢(shì)。指數(shù)平滑算法包括一次指數(shù)平滑算法、二次指數(shù)平滑算法、三次指數(shù)平滑算法。三次指數(shù)平滑算法可以對(duì)同時(shí)含有趨勢(shì)和季節(jié)性的時(shí)間序列進(jìn)行預(yù)測(cè)。

電網(wǎng)中的指標(biāo)數(shù)據(jù)具有一定的季節(jié)性，利用三次平滑指數(shù)有趨勢(shì)的累加預(yù)測(cè)模型、無(wú)趨勢(shì)的累乘預(yù)測(cè)模型、有趨勢(shì)的累乘模型、無(wú)趨勢(shì)的累乘模型分別對(duì)某地區(qū)的次月故障量進(jìn)行單一數(shù)據(jù)源預(yù)測(cè)。三次指數(shù)平滑法計(jì)算公式為

三次平滑法的預(yù)測(cè)模型由式（7）—式（10）表示。

3.2 故障跳閘可視化模塊

故障跳閘情況主要包括引起故障的不同原因和數(shù)量，可通過(guò)氣泡圖來(lái)對(duì)故障跳閘情況展示。氣泡大小代表不同數(shù)量，氣泡越大代表數(shù)量越多，不同顏色代表不同故障原因。以山東省17 地市故障跳閘情況為例進(jìn)行展示，如圖2 所示。

圖2 故障跳閘可視化

由圖2 可知，外力因素造成故障跳閘最多，其次是用戶(hù)原因和設(shè)備本體。其中煙臺(tái)市外力因素造成故障最多，菏澤市用戶(hù)原因造成故障較多。

3.3 基于Tableau Desktop 交互式儀表板設(shè)計(jì)

在配電網(wǎng)的日常運(yùn)維中，通常需要從多個(gè)角度的靈活組合來(lái)觀察數(shù)據(jù)，從而發(fā)現(xiàn)配電網(wǎng)運(yùn)行的隱含規(guī)律和薄弱環(huán)節(jié)。在儀表板設(shè)計(jì)過(guò)程中，需要滿(mǎn)足多維度分析需求，并按照分析需求可以實(shí)現(xiàn)數(shù)據(jù)按照不同粒度進(jìn)行細(xì)化來(lái)實(shí)現(xiàn)數(shù)據(jù)鉆取。

通過(guò)提取配電網(wǎng)線(xiàn)路故障數(shù)據(jù)，以Tableau Desktop 為工具設(shè)計(jì)儀表板，多維度、多角度將故障數(shù)據(jù)進(jìn)行分析展示，具體儀表板設(shè)計(jì)方案如表2所示。

表2 儀表板設(shè)計(jì)方案

從時(shí)間序列上，支持“年→月→日”的鉆取分析；從空間上，支持“區(qū)域→廠站→線(xiàn)路”鉆取分析；從數(shù)據(jù)上，支持故障次數(shù)和故障率的展示方式。

通過(guò)Tableau Desktop 將各信息系統(tǒng)中數(shù)據(jù)進(jìn)行提取，建立多維度數(shù)據(jù)模型。根據(jù)數(shù)據(jù)類(lèi)型不同，采用地圖、詞云圖、網(wǎng)絡(luò)圖、散點(diǎn)圖等可視化圖形對(duì)數(shù)據(jù)進(jìn)行可視化再加工，并將可視化圖表組合生成交互式儀表板，整體流程如圖3 所示。

配電網(wǎng)線(xiàn)路故障停電數(shù)據(jù)儀表板如圖4 所示。

儀表板的中間以著色地圖作為主要界面，地圖下方用圓環(huán)來(lái)表示各個(gè)故障原因的分布。儀表板的左側(cè)用數(shù)字碼表、柱狀圖等數(shù)據(jù)可視化形式在統(tǒng)計(jì)角度展示了市／縣公司的分布和排名情況。儀表板的右側(cè)采用熱圖日歷展示每周的故障分布情況，表格的形式展示了重復(fù)故障線(xiàn)路，采用折線(xiàn)圖展示了整體故障的時(shí)間變化趨勢(shì)。

在人機(jī)交互方面，設(shè)置了兩個(gè)篩選器，時(shí)間篩選器和分析模式篩選器（故障次數(shù)和故障率）。用戶(hù)根據(jù)自身業(yè)務(wù)需求，選擇特定時(shí)間段內(nèi)的數(shù)據(jù)，按照故障次數(shù)模式或者故障率模式，自主分析配網(wǎng)線(xiàn)路故障數(shù)據(jù)和挖掘隱含信息。

圖3 Tableau Desktop 設(shè)計(jì)整理流程

在儀表板聯(lián)動(dòng)上，支持特定區(qū)域、特定原因的選定，其他功能區(qū)跟隨聯(lián)動(dòng)，以滿(mǎn)足用戶(hù)的個(gè)性化分析需求。通過(guò)地圖區(qū)點(diǎn)擊選擇特定分析區(qū)域或故障原因展示區(qū)選定特定原因后，故障總量展示區(qū)、時(shí)間分布展示區(qū)、易故障線(xiàn)路展示區(qū)、故障原因展示區(qū)、趨勢(shì)預(yù)測(cè)展示區(qū)會(huì)隨之聯(lián)動(dòng)展示相應(yīng)的區(qū)域的數(shù)據(jù)分析。當(dāng)依次通過(guò)點(diǎn)擊地圖區(qū)特定區(qū)域及故障原因展示區(qū)，可定向挖掘該區(qū)域下特定的故障原因分布。

3.4 基于Tableau Server 的儀表板發(fā)布方案

前文通過(guò)Tableau Desktop 整合形成儀表板后，可將儀表板或提取后數(shù)據(jù)源發(fā)布到Tableau Server，通過(guò)Tableau Server 跟蹤各個(gè)儀表板的使用情況。根據(jù)各個(gè)部門(mén)工作重點(diǎn)的不同，以及決策層的決策需求，利用Tableau Server 用戶(hù)的權(quán)限管理功能，可以修改用戶(hù)，管理不同用戶(hù)的修改權(quán)限、儀表板的發(fā)布權(quán)限及查看、提取數(shù)據(jù)的權(quán)限。具體流程如圖5 所示。

圖4 配電網(wǎng)線(xiàn)路故障停電數(shù)據(jù)設(shè)計(jì)

圖5 儀表板發(fā)布方案

4 結(jié)語(yǔ)

依靠敏捷型BI 工具，通過(guò)提取配電網(wǎng)各信息系統(tǒng)中數(shù)據(jù)，將BI 工具應(yīng)用于配電網(wǎng)可靠性指標(biāo)分析中。以配電網(wǎng)線(xiàn)路故障數(shù)據(jù)為例，通過(guò)敏捷BI 工具，多角度可視化展示配電網(wǎng)線(xiàn)路故障數(shù)據(jù)，多維度挖掘配電網(wǎng)薄弱環(huán)節(jié)，深度鉆取歷史數(shù)據(jù)中隱含價(jià)值。敏捷型BI 的應(yīng)用將會(huì)極大提高電網(wǎng)工作人員感知、理解、分析配電網(wǎng)的能力，對(duì)指導(dǎo)配電網(wǎng)運(yùn)行，改造升級(jí)，提高供電可靠性，具有重要意義。