動(dòng)態(tài)感知、輔助決策，技術(shù)降損平臺(tái)成智慧新引擎

張春霖 陳思偉 袁翔 梁雨婷

加強(qiáng)線(xiàn)損管理，最大可能地降低線(xiàn)損率，是電網(wǎng)企業(yè)增加經(jīng)濟(jì)效益，保持良好發(fā)展態(tài)勢(shì)的重要途徑。國(guó)網(wǎng)冀北電力有限公司充分發(fā)揮數(shù)據(jù)資源基礎(chǔ)支撐和創(chuàng)新引擎作用，基于數(shù)據(jù)中臺(tái)，積極推進(jìn)技術(shù)降損動(dòng)態(tài)評(píng)價(jià)與降損輔助決策平臺(tái)建設(shè)，著力打造設(shè)備降損“智慧引擎”，推動(dòng)技術(shù)降損評(píng)價(jià)線(xiàn)上化、常態(tài)化，降損分析自動(dòng)化、智能化，助力技術(shù)降損評(píng)價(jià)提質(zhì)增效，電網(wǎng)規(guī)劃精準(zhǔn)投資。

技術(shù)降損動(dòng)態(tài)評(píng)價(jià)與降損輔助決策平臺(tái)以電力用戶(hù)及企業(yè)產(chǎn)生的海量電力數(shù)據(jù)為支撐，構(gòu)建常態(tài)化技術(shù)降損分析、治理、評(píng)價(jià)和配網(wǎng)經(jīng)濟(jì)運(yùn)行體系?；诤Ａ繑?shù)據(jù)的深度挖掘及分析，實(shí)現(xiàn)設(shè)備降損動(dòng)態(tài)評(píng)價(jià)；基于大數(shù)據(jù)的預(yù)測(cè)分析模型，實(shí)現(xiàn)自動(dòng)生成降損輔助決策建議；基于大數(shù)據(jù)的閉環(huán)分析，計(jì)算流程模型實(shí)現(xiàn)全設(shè)備、全過(guò)程多維動(dòng)態(tài)感知。

“以往的技術(shù)降損評(píng)價(jià)分析工作，采用人工從各源端系統(tǒng)進(jìn)行數(shù)據(jù)收集，再對(duì)數(shù)據(jù)進(jìn)行梳理、校驗(yàn)，在此過(guò)程中存在時(shí)間周期長(zhǎng)、易出錯(cuò)等情況，使用技術(shù)降損動(dòng)態(tài)評(píng)價(jià)與降損輔助決策平臺(tái)大大提升了技術(shù)降損評(píng)價(jià)的工作效率?！鼻鼗蕧u公司運(yùn)檢部電壓專(zhuān)責(zé)如是說(shuō)。技術(shù)降損動(dòng)態(tài)評(píng)價(jià)與降損輔助決策平臺(tái)應(yīng)用大數(shù)據(jù)技術(shù)實(shí)現(xiàn)海量數(shù)據(jù)的融合、清洗、解析校驗(yàn)、關(guān)聯(lián)處理。數(shù)據(jù)收集工作效率較原來(lái)提升約10%，管理水平提升2%，目前已實(shí)現(xiàn)每日自動(dòng)抽?。粩?shù)據(jù)篩選工作效率較原來(lái)提升約15%，目前已實(shí)現(xiàn)自動(dòng)篩選；數(shù)據(jù)校驗(yàn)工作效率較原來(lái)提升約15%，目前已實(shí)現(xiàn)每日巡檢，每月校驗(yàn)；設(shè)備關(guān)聯(lián)匹配工作效率較原來(lái)提升約20%，目前已實(shí)現(xiàn)每日自動(dòng)匹配工作。

總體來(lái)說(shuō)，工作效率較之前有大幅提升，同時(shí)降損評(píng)價(jià)精細(xì)度明顯提升，為后續(xù)冀北公司多維度精益管理提升、實(shí)現(xiàn)顯著的降本增效效果奠定基礎(chǔ)。如今，技術(shù)降損動(dòng)態(tài)評(píng)價(jià)與降損輔助決策平臺(tái)已在冀北公司全面推廣應(yīng)用，已經(jīng)成為線(xiàn)損管理的重要抓手。