程道衛(wèi) 宋光明 戴詩容 張淑娟 郭振

摘要：配電網(wǎng)是電能從發(fā)到用的“最后一公里”，配電網(wǎng)的安全、穩(wěn)定、可靠運(yùn)行關(guān)系到客戶用電服務(wù)體驗(yàn)和供電企業(yè)的切身利益，長期以來，配電網(wǎng)運(yùn)行狀態(tài)復(fù)雜多變、應(yīng)急搶修任務(wù)繁重等問題一直難以有效解決，影響和制約了供電可靠性提升，為配電網(wǎng)運(yùn)維檢修工作帶來巨大挑戰(zhàn)。該文應(yīng)用大數(shù)據(jù)技術(shù)從海量電力大數(shù)據(jù)中挖掘配電網(wǎng)運(yùn)行規(guī)律，通過建立配網(wǎng)異動(dòng)精準(zhǔn)預(yù)警模型，提前預(yù)測配變重過載、低電壓等異動(dòng)事件發(fā)生，輔助供電公司建立主運(yùn)運(yùn)維檢修工作機(jī)制，智能輔助配網(wǎng)搶修、服務(wù)資源配置及保電等工作開展，有效降低了配網(wǎng)故障率、減少投訴事件、提高配網(wǎng)運(yùn)行效率。

關(guān)鍵詞：配電網(wǎng);異動(dòng);大數(shù)據(jù);預(yù)警;主動(dòng)檢修

中圖分類號(hào)：TP391? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ?文章編號(hào)：1009-3044（2018）36-0187-03

1 背景

配電網(wǎng)是連接電網(wǎng)與用電客戶的關(guān)鍵、是電能輸送的紐帶，同時(shí)與上級(jí)電網(wǎng)、終端用戶，以及新能源客戶等直接相連，影響其運(yùn)行狀態(tài)的因素較多且復(fù)雜，重過載、低電壓、三相不平衡等異常狀態(tài)時(shí)有發(fā)生，治理成本高且治理效果難以得到有效保證，為配電網(wǎng)安全穩(wěn)定運(yùn)行帶來潛在隱患。同時(shí)，隨著人們生活品質(zhì)的不斷提升，用戶對(duì)電能的依賴性與日俱增，2018年，國家電網(wǎng)公司發(fā)布行政1號(hào)文，明確了“人民電業(yè)為人民”的企業(yè)宗旨，要求電網(wǎng)公司聚焦供電服務(wù)熱點(diǎn)，加強(qiáng)服務(wù)精益管控，有效解決服務(wù)短板，明確將加快構(gòu)建“以客戶為中心”的現(xiàn)代服務(wù)體系作為各項(xiàng)工作的根本出發(fā)點(diǎn)。

本文以供電公司電力生產(chǎn)管理信息系統(tǒng)、用電信息采集系統(tǒng)應(yīng)用為基礎(chǔ)，結(jié)合大數(shù)據(jù)、人工智能等新技術(shù)應(yīng)用，發(fā)掘配網(wǎng)異動(dòng)事件發(fā)生規(guī)律，以重過載、低電壓事件預(yù)警為突破口，創(chuàng)新配網(wǎng)異動(dòng)精準(zhǔn)預(yù)警工作機(jī)制，改進(jìn)運(yùn)維檢修工作方法，實(shí)現(xiàn)提前主動(dòng)檢修，助力供電企業(yè)電網(wǎng)生產(chǎn)運(yùn)維管理水平不斷提升。

2 配網(wǎng)運(yùn)維管理現(xiàn)狀

配電網(wǎng)覆蓋面積廣、網(wǎng)架結(jié)構(gòu)復(fù)雜、設(shè)備眾多、運(yùn)行方式靈活多變，為日常運(yùn)維管理帶來巨大的挑戰(zhàn)，對(duì)比新時(shí)代下客戶供電服務(wù)需求，我們目前的配網(wǎng)運(yùn)維管理模式還存在較大差距，主要體現(xiàn)在：

1） 配網(wǎng)設(shè)備點(diǎn)多面廣，配網(wǎng)搶修工作任務(wù)繁重

據(jù)統(tǒng)計(jì)，城區(qū)配電網(wǎng)平均每平方公里就有2臺(tái)配變，配網(wǎng)搶修工作任務(wù)繁重，特別是特殊用電時(shí)段（如春節(jié)、迎峰度夏期間等）或惡劣天氣下，配網(wǎng)異動(dòng)事件數(shù)激增，為應(yīng)急搶修工作帶來巨大壓力。

2） 配網(wǎng)運(yùn)行動(dòng)態(tài)實(shí)時(shí)性強(qiáng)，異動(dòng)和運(yùn)行風(fēng)險(xiǎn)難以有效防范

用戶負(fù)荷具有區(qū)域性、時(shí)變性、外部氣象環(huán)境敏感性等特點(diǎn)，配變重過載、低電壓等異動(dòng)狀態(tài)導(dǎo)致的停運(yùn)故障時(shí)有發(fā)生，影響用戶用電體驗(yàn)，且由于配網(wǎng)監(jiān)測終端數(shù)據(jù)傳輸?shù)臏笮裕收咸幚碇荒懿捎檬潞髶屝奘侄?，無法消除配網(wǎng)設(shè)備異常對(duì)客戶服務(wù)已造成影響事實(shí)。

3） 以電網(wǎng)為中心的檢修作業(yè)模式不能有效滿足新時(shí)代的要求

以客戶為中心的現(xiàn)代服務(wù)模式要求我們能夠第一時(shí)間捕獲客戶用電需求，并深度挖掘、快速響應(yīng)，能夠根據(jù)客戶用電訴求合理安排運(yùn)維檢修工作，實(shí)現(xiàn)對(duì)內(nèi)面向設(shè)備的運(yùn)維管理工作與對(duì)外面向客戶的優(yōu)質(zhì)服務(wù)工作的進(jìn)一步融合，以促進(jìn)客戶服務(wù)訴求驅(qū)動(dòng)運(yùn)檢工作有效開展，提高供電質(zhì)量，但目前供電企業(yè)對(duì)客戶用電體驗(yàn)的主動(dòng)感知手段相對(duì)缺乏。

3 主要做法

本文從發(fā)掘配電網(wǎng)運(yùn)行規(guī)律入手，以配電網(wǎng)的基礎(chǔ)單元-配變?yōu)殛P(guān)鍵，運(yùn)用大數(shù)據(jù)手段從營銷、運(yùn)檢及外部氣象、經(jīng)濟(jì)環(huán)境等多來源數(shù)據(jù)中提取配變運(yùn)行狀態(tài)特征，構(gòu)建配網(wǎng)異動(dòng)事件預(yù)警模型，實(shí)現(xiàn)了對(duì)配變重過載、低電壓等異動(dòng)事件的提前精準(zhǔn)預(yù)警，構(gòu)建主運(yùn)運(yùn)維檢修工作機(jī)制，智能輔助配網(wǎng)搶修、服務(wù)資源配置及保電等工作開展，有效降低了配網(wǎng)故障率、減少投訴事件、提高配網(wǎng)運(yùn)行效率：

1） 整合多源數(shù)據(jù)，全方位刻畫全網(wǎng)配變運(yùn)行特征

以配變設(shè)備為核心，從設(shè)備自身、電網(wǎng)環(huán)境、自然環(huán)境等方面系統(tǒng)分析影響配變設(shè)備運(yùn)行相關(guān)因素，梳理相關(guān)信息來源，涵蓋電力內(nèi)部GIS、PMS、用采、營銷等電力信息系統(tǒng)，以及外部氣象、地理、人口等公開數(shù)據(jù)源，經(jīng)采集、清洗、整合等預(yù)處理過程，構(gòu)建基礎(chǔ)寬表，為進(jìn)一步的特征分析、建模判定堅(jiān)實(shí)的基礎(chǔ)。

為全面掌握各地、各個(gè)配電臺(tái)區(qū)運(yùn)行規(guī)律及各配變設(shè)備特征，本文研究、提出了一套配變設(shè)備運(yùn)行狀態(tài)業(yè)務(wù)標(biāo)簽，從規(guī)模結(jié)構(gòu)、年齡結(jié)構(gòu)、運(yùn)行負(fù)載、異動(dòng)情況、運(yùn)行效率等維度分析配變設(shè)備運(yùn)行特征，提出了一套配變設(shè)備業(yè)務(wù)標(biāo)簽，包括持續(xù)重過載、持續(xù)低電壓、長期重過載、長期低電壓、投訴事件多發(fā)、長期三相不平衡、長期輕空載、負(fù)荷利用率低、負(fù)荷增長過快等，對(duì)配變設(shè)備進(jìn)行標(biāo)簽化，并基于GIS地圖直觀展示。

2） 建立預(yù)測模型，提前鎖定異動(dòng)配變和發(fā)生時(shí)間

為提前精準(zhǔn)鎖定即將發(fā)生異動(dòng)事件，甚至是停運(yùn)故障的配變設(shè)備，為運(yùn)維人員主動(dòng)運(yùn)維、提前安排搶修工作贏得寶貴時(shí)間，有效防范配網(wǎng)異動(dòng)風(fēng)險(xiǎn)，本文通過構(gòu)建配變重過載、低電壓等異常狀態(tài)預(yù)警模型，能夠提前7天預(yù)測即將配變異常狀態(tài)的精準(zhǔn)預(yù)測，可精確到96個(gè)時(shí)刻點(diǎn)。

在模型構(gòu)建過程中，預(yù)測模型選擇和訓(xùn)練是其中最關(guān)鍵的環(huán)節(jié)：

1） 預(yù)測模型選擇

基于配變負(fù)載歷史數(shù)據(jù)，對(duì)采樣數(shù)據(jù)進(jìn)行分類預(yù)測模型的選擇，通過比較分類模型的優(yōu)劣選出最優(yōu)模型。分類器模型的選擇過程以及分類器的準(zhǔn)確率如下圖所示。

采用交叉檢驗(yàn)法來測試算法的精度，將每個(gè)分類模型的樣本分為 10 份，從中取 1 份作為測試集，其余 9 份作為訓(xùn)練集，循環(huán)10次使得每份樣本都可以作為測試集來測試模型的準(zhǔn)確率。

基于配網(wǎng)變壓器運(yùn)行的負(fù)載狀態(tài)數(shù)據(jù)，運(yùn)用KNN、邏輯回歸、決策樹、SVM分類器、隨機(jī)森林、BP神經(jīng)網(wǎng)絡(luò)六種算法的準(zhǔn)確率可以判定，隨機(jī)森林算法相對(duì)其他5種算法，分類的準(zhǔn)確率相對(duì)較高，其算法為最優(yōu)算法。在預(yù)測過程中對(duì)每種算法主要參數(shù)進(jìn)行調(diào)優(yōu)（如：邏輯回歸的最大迭代次數(shù)。決策樹的深度和步長，隨機(jī)森林的樹的個(gè)數(shù)、深度、隨機(jī)種子等），根據(jù)準(zhǔn)確率和召回率分析比對(duì)，同時(shí)考慮隨機(jī)森林算法具有預(yù)測精度高、不易過擬合、高維數(shù)據(jù)處理能力強(qiáng)、容噪能力強(qiáng)等優(yōu)點(diǎn)，最終選擇隨機(jī)森林建模方法。

2） 預(yù)測模型訓(xùn)練

對(duì)預(yù)測模型正負(fù)樣本比例、特征量、算法核心參數(shù)進(jìn)行調(diào)優(yōu)，針對(duì)性提高預(yù)測結(jié)果的正確率及預(yù)測精度。整體調(diào)優(yōu)參數(shù)如下：

在其他參數(shù)默認(rèn)的條件下，對(duì)正負(fù)樣本比例調(diào)優(yōu)如下：

根據(jù)調(diào)優(yōu)過程正負(fù)比例選擇3：7時(shí)準(zhǔn)確率召回率最好。

設(shè)置正負(fù)比例3：7，其他參數(shù)默認(rèn)的情況下，對(duì)隨機(jī)森林算法核心參數(shù)（樹）調(diào)優(yōu)如下：

根據(jù)上圖，樹大于200個(gè)之后準(zhǔn)確率、召回率變化較小，再結(jié)合算法的運(yùn)算效率最終選擇200個(gè)樹，配變重過載、低電壓最高預(yù)測命中率87.7%、召回率79.4%，平均預(yù)測命中率64.5%、召回率59.8%，初步達(dá)到了指導(dǎo)運(yùn)檢業(yè)務(wù)的實(shí)用化標(biāo)準(zhǔn)，預(yù)測精度方面還有一定提升空間，可精準(zhǔn)定位即將發(fā)生異動(dòng)、需重點(diǎn)關(guān)注配變設(shè)備清單，輔助業(yè)務(wù)人員主動(dòng)掌握各區(qū)域服務(wù)風(fēng)險(xiǎn)水平、劃定配網(wǎng)運(yùn)行風(fēng)險(xiǎn)點(diǎn)、有針對(duì)性的排定綜合檢修計(jì)劃、開展主動(dòng)檢測檢修、指導(dǎo)配網(wǎng)技改大修等工作。

3） 研發(fā)預(yù)警應(yīng)用，構(gòu)建配網(wǎng)異動(dòng)監(jiān)測“神經(jīng)網(wǎng)絡(luò)”

根據(jù)本文建模研究成果，基于Hadoop大數(shù)據(jù)處理環(huán)境研發(fā)了配網(wǎng)異動(dòng)精準(zhǔn)預(yù)警系統(tǒng)，提供配網(wǎng)運(yùn)行特征分析、配變重過載預(yù)警、配變低電壓預(yù)警、服務(wù)風(fēng)險(xiǎn)預(yù)警在線處理、預(yù)測命中情況分析、系統(tǒng)管理等功能，結(jié)合GIS圖形直觀呈現(xiàn)配網(wǎng)薄弱點(diǎn)、輔助業(yè)務(wù)人員360度掌控配變設(shè)備特征，實(shí)現(xiàn)了配變設(shè)備運(yùn)行異動(dòng)和服務(wù)風(fēng)險(xiǎn)的實(shí)時(shí)在線監(jiān)控預(yù)警，可根據(jù)預(yù)警結(jié)果自動(dòng)提前生成高風(fēng)險(xiǎn)配變設(shè)備清單，輔助業(yè)務(wù)人員發(fā)起主動(dòng)運(yùn)維檢修工單，打通了從設(shè)備狀態(tài)變化，到精益化檢修工作安排，再到服務(wù)風(fēng)險(xiǎn)管控的信息通路，奠定了基于設(shè)備異動(dòng)和服務(wù)風(fēng)險(xiǎn)的“神經(jīng)反射”基礎(chǔ)，輔助供電公司將配網(wǎng)異動(dòng)事件消滅于萌芽狀態(tài)。

配網(wǎng)異動(dòng)精準(zhǔn)預(yù)警系統(tǒng)實(shí)現(xiàn)了基礎(chǔ)數(shù)據(jù)的在線接入及聯(lián)動(dòng)更新，每天定時(shí)將增量的配變設(shè)備異動(dòng)變化數(shù)據(jù)自動(dòng)加入預(yù)測模型的訓(xùn)練樣本庫，通過自學(xué)習(xí)訓(xùn)練自動(dòng)更新模型參數(shù)，有效解決了配變異動(dòng)事件發(fā)生率低，訓(xùn)練正負(fù)樣本數(shù)據(jù)分布不均等問題，增強(qiáng)了預(yù)測模型的業(yè)務(wù)適應(yīng)性和健壯性。

4） 創(chuàng)新工作機(jī)制，打造主動(dòng)檢修和風(fēng)險(xiǎn)管控的閉環(huán)流程

結(jié)合配網(wǎng)異動(dòng)精準(zhǔn)預(yù)警系統(tǒng)對(duì)設(shè)備異動(dòng)和服務(wù)風(fēng)險(xiǎn)的提前、精準(zhǔn)預(yù)警功能，本文創(chuàng)新性地提出了一套配網(wǎng)主動(dòng)風(fēng)險(xiǎn)管控工作機(jī)制，通過預(yù)警提前發(fā)現(xiàn)電網(wǎng)“發(fā)熱點(diǎn)”“出血點(diǎn)”，主動(dòng)積極采取控制措施，提前消滅配網(wǎng)運(yùn)行隱患。對(duì)比傳統(tǒng)工單受理、故障搶修模式，真正實(shí)現(xiàn)了“數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)”，穩(wěn)定了電網(wǎng)運(yùn)行、保障了供電服務(wù)質(zhì)量。

系統(tǒng)根據(jù)模型預(yù)測結(jié)果，每天自動(dòng)定時(shí)生成高風(fēng)險(xiǎn)配變設(shè)備清單，經(jīng)運(yùn)檢工作早會(huì)討論形成重點(diǎn)排查任務(wù)，以主運(yùn)檢修工單形式分派到人，檢修人員依據(jù)工單指示進(jìn)行警情現(xiàn)場勘驗(yàn)，反饋處理結(jié)果，需要調(diào)控、營銷部門協(xié)辦的，現(xiàn)場發(fā)起協(xié)同工單，并對(duì)每一工單的處理情況進(jìn)行反饋、登記，實(shí)現(xiàn)了從警情預(yù)測-協(xié)同處置-效果評(píng)價(jià)的閉環(huán)管理，有效防范了配網(wǎng)運(yùn)行風(fēng)險(xiǎn)。

4 應(yīng)用及成效

通過本文研究成果的試點(diǎn)、探索、改進(jìn)，輔助某市級(jí)供電企業(yè)初步構(gòu)建配網(wǎng)主動(dòng)運(yùn)維檢修工作機(jī)制，有效降低了配網(wǎng)故障事件發(fā)生、提升了供電服務(wù)質(zhì)量，取得了良好的經(jīng)濟(jì)效益和社會(huì)效益：

1） 提升配網(wǎng)運(yùn)行可靠率指標(biāo)，直接經(jīng)濟(jì)效益顯著

與試點(diǎn)工作開展前一年度相比，該市年均停電時(shí)長下降57.816分鐘，直接增加供電收入600萬，扣除其他因素帶來的增長，年直接經(jīng)濟(jì)效益可達(dá)360萬，后續(xù)隨著預(yù)測模型精度的不斷提升，通過主動(dòng)運(yùn)維降低設(shè)備停電時(shí)長的作用將愈加明顯，經(jīng)濟(jì)效益將益加顯著。

2） 精準(zhǔn)定位配網(wǎng)薄弱環(huán)節(jié)，主動(dòng)運(yùn)維提升供電服務(wù)質(zhì)量

通過配網(wǎng)異動(dòng)精準(zhǔn)異動(dòng)預(yù)警為某市配網(wǎng)管理工作提供支撐，近一年時(shí)間內(nèi)共發(fā)起配變主動(dòng)檢修1387臺(tái)次，重過載、低電壓配變數(shù)量同比下降65%;發(fā)起主動(dòng)服務(wù)1532次，用戶運(yùn)檢類工單總數(shù)同比下降38%，有效提升了用戶滿意度和用戶服務(wù)水平。

5 下一步計(jì)劃

前一階段的工作重點(diǎn)集中在配變重過載、低電壓預(yù)警模型構(gòu)建方面，目前還有較大提升空間，包括在基礎(chǔ)數(shù)據(jù)源拓展、預(yù)警模型優(yōu)化、業(yè)務(wù)互動(dòng)能力等方面還需進(jìn)一步完善，應(yīng)用范圍還有待進(jìn)一步推廣，同時(shí)在臺(tái)區(qū)停電事件分析、臺(tái)區(qū)三相不平衡分析方面的研究工作目前尚處于空白狀態(tài)。下階段的重點(diǎn)工作包括預(yù)警模型深化研究、臺(tái)區(qū)停電事件分析及治理研究、臺(tái)區(qū)三相不平衡分析及治理研究、配變運(yùn)行環(huán)境監(jiān)測及預(yù)警機(jī)制研究等內(nèi)容：

1） 配變重過載、低電壓預(yù)警建模深化研究

改進(jìn)重過載、低電壓預(yù)警建模方式，引入隨機(jī)森林、梯度下降等算法，同時(shí)支撐多模型預(yù)警、多預(yù)警結(jié)果交叉驗(yàn)證，進(jìn)一步提升模型對(duì)異動(dòng)狀態(tài)的預(yù)警命中率;優(yōu)化預(yù)警模型建模訓(xùn)練工作機(jī)制，在訓(xùn)練樣本庫中持續(xù)增加預(yù)警成功樣本、淘汰預(yù)警失效樣本，迭代式增強(qiáng)預(yù)警模型精度。

2） 臺(tái)區(qū)停電事件分析及治理研究

為準(zhǔn)確掌握線路、臺(tái)區(qū)、用戶停電事件發(fā)生情況，包括重復(fù)停電、頻繁停電、長期停電等，挖掘其發(fā)生規(guī)律及關(guān)鍵影響因素，一是改進(jìn)停電事件監(jiān)測分析方法，基于搶修類工單數(shù)據(jù)、停送電信息、計(jì)劃檢修工作情況等大數(shù)據(jù)綜合比對(duì)分析，構(gòu)建線路停電事件判別分析模型、臺(tái)區(qū)停電事件判別分析模型，智能提取重復(fù)停電線路、重復(fù)停電臺(tái)區(qū)、重復(fù)停電用戶;二是從外部條件、時(shí)段特征、電網(wǎng)設(shè)備、電網(wǎng)運(yùn)行、用電行為習(xí)慣、運(yùn)維管理、搶修資源等方面分析提煉與停電事件相關(guān)因素，通過貝葉斯網(wǎng)絡(luò)模型描述各種因素在停電事件中發(fā)生作用的概率，開展重復(fù)停電、頻繁停電根因分析，定位與公變臺(tái)區(qū)停電事件發(fā)生、停電時(shí)長相關(guān)關(guān)鍵因素，結(jié)合業(yè)務(wù)專家?guī)燧o助提出積極的防范措施。

3） 臺(tái)區(qū)三相不平衡分析及治理研究

開展基于動(dòng)態(tài)載波的臺(tái)區(qū)用戶識(shí)別和相位差分技術(shù)研究試點(diǎn)，通過采集節(jié)點(diǎn)戶表檔案巡測命令動(dòng)態(tài)跟蹤臺(tái)區(qū)采集器及戶表變動(dòng)信息、分相信息，實(shí)現(xiàn)配變用戶用電相位的自動(dòng)識(shí)別;基于配電臺(tái)區(qū)、配變用戶、用戶相別關(guān)系等建立三相負(fù)載均衡模型，對(duì)影響臺(tái)區(qū)三相負(fù)載均衡的相關(guān)因素進(jìn)行分析，動(dòng)態(tài)跟蹤各因素變化，實(shí)現(xiàn)臺(tái)區(qū)三相負(fù)載均衡的監(jiān)測、預(yù)警，以及治理決策智能支持。

4） 配變運(yùn)行環(huán)境監(jiān)測及預(yù)警機(jī)制研究

梳理有可能用于配網(wǎng)運(yùn)行分析的外部環(huán)境數(shù)據(jù)，包括但不止于氣象、地理、交通、行政等方面，評(píng)估各數(shù)據(jù)來源的可獲得性、可用性，以及到分析環(huán)境的可行性和數(shù)據(jù)集成方式，從外部環(huán)境視角分析配網(wǎng)異常狀態(tài)發(fā)生規(guī)律，分析配變設(shè)備故障或異常狀態(tài)與重要時(shí)段、特殊氣象、重大事件等環(huán)境因素間關(guān)聯(lián)關(guān)系，建立預(yù)警模型，研發(fā)配變運(yùn)行環(huán)境監(jiān)測及預(yù)警功能，暢通客戶服務(wù)人員、配網(wǎng)運(yùn)維管理人員、外勤搶修人員間信息通道，提高業(yè)務(wù)智能化程度。

[通聯(lián)編輯：梁書]